Adaptation sensorimotrice vs Apprentissage moteur

La capacité du système nerveux central à orchestrer des mouvements précis, coordonnés et adaptés aux contraintes d’un environnement physique en perpétuelle mutation constitue l’une des réalisations les plus remarquables de l’évolution biologique. Qu’il s’agisse d’ajuster la trajectoire de la main pour saisir un objet glissant, d’apprendre à jouer d’un instrument de musique complexe ou de réapprendre à marcher après un accident vasculaire cérébral, le cerveau humain déploie une panoplie sophistiquée de mécanismes computationnels et de remaniements synaptiques. Toutefois, sous le vocable générique d’« apprentissage moteur », la littérature scientifique et clinique regroupe fréquemment des phénomènes neurobiologiques fondamentalement hétérogènes, brouillant les frontières entre la simple recalibration transitoire d’habiletés préexistantes et la construction pérenne de nouvelles coordinations neuromusculaires.

Au cœur de cette distinction conceptuelle réside l’opposition entre l’adaptation sensorimotrice et l’apprentissage moteur au sens strict (souvent désigné sous le terme d’acquisition d’habiletés motrices ou d’apprentissage de novo). Si le premier processus opère une modification rapide, paramétrique et réversible des commandes motrices en réponse à une altération des propriétés dynamiques du corps ou de l’environnement, le second implique l’élaboration durable de nouveaux schémas de connectivité neuronale, l’expansion de la frontière entre vitesse et précision, et l’édification de synergies musculaires inédites. La confusion entre ces deux régimes d’adaptabilité plastique ne constitue pas une simple querelle sémantique ; elle engendre des interprétations erronées des données neuroscientifiques, altère la validité écologique des protocoles expérimentaux et conduit à des stratégies sous-optimales en neuroréhabilitation et en entraînement sportif de haut niveau.

Le présent article propose une analyse comparative approfondie et systématique de l’adaptation sensorimotrice et de l’apprentissage moteur. En explorant leurs fondements computationnels respectifs, leurs substrats neuroanatomiques distincts — dominés respectivement par les circuits cérébelleux et cortico-striataux —, leurs cinétiques temporelles dissemblables ainsi que leurs modes de consolidation mnésique, nous mettrons en lumière la complémentarité fonctionnelle de ces deux piliers du contrôle moteur. À travers l’examen minutieux des paradigmes de laboratoire, des pathologies neurologiques focales et des applications cliniques modernes, cette étude vise à fournir un cadre théorique intégrateur pour les chercheurs, les cliniciens et les praticiens du mouvement humain.

1. Introduction : Délimitation conceptuelle et enjeux de la comparaison

1.1 Définition préliminaire des concepts en neurosciences du mouvement

Dans le champ des neurosciences computationnelles et du contrôle moteur, l’adaptation sensorimotrice se définit formellement comme un processus d’ajustement graduel et paramétrique des commandes motrices descendantes visant à restaurer un niveau de performance initialement perturbé par une modification des propriétés physiques du système effecteur ou de l’environnement externe. Ce processus ne crée pas de nouvelle compétence cinématique ou dynamique ; il recalibre un contrôleur préexistant. Lorsqu’un individu enfile des lunettes déviant le champ visuel ou manipule un outil dont le centre de masse modifie l’inertie du membre supérieur, le système nerveux n’invente pas une nouvelle façon de pointer ou de saisir. Il met à jour l’étalonnage de ses modèles internes pour compenser l’écart métrique induit par la perturbation. Cette recalibration est intrinsèquement flexible, rapide et caractérisée par une réversibilité systématique dès que la perturbation cesse, laissant place à des erreurs transitoires en sens inverse nommées effets consécutifs.

À l’opposé, l’apprentissage moteur au sens strict — englobant l’acquisition d’habiletés motrices (motor skill learning), l’apprentissage de séquences motrices et l’apprentissage de novo — renvoie à l’acquisition durable et structurante de nouvelles capacités de coordination qui n’existaient pas auparavant dans le répertoire comportemental de l’organisme. Apprendre à exécuter un service au tennis, à jongler avec trois balles, à écrire à l’aide d’un stylet ou à articuler les phonèmes d’une langue étrangère requiert la sélection, l’assemblage et la consolidation temporelle de synergies musculaires complexes. Ce mode d’apprentissage ne se résume pas à l’ajustement métrique d’un gain ou d’un angle articulaire ; il implique une modification fondamentale de la frontière vitesse-précision (permettant d’agir plus vite avec une variabilité spatio-temporelle réduite), la réduction progressive des co-contractions musculaires superflues et la cristallisation de nouveaux programmes moteurs résistants à l’oubli à long terme.

D’un point de vue historique, les prémices conceptuelles de l’adaptation sensorimotrice remontent aux travaux pionniers du médecin et physicien Hermann von Helmholtz au milieu du XIXe siècle. En observant les erreurs de pointage systématiques commises par des sujets portant des prismes optiques déviant la lumière latérale, puis la disparition progressive de ces erreurs après quelques essais de rétroaction visuelle, Helmholtz a posé les bases de l’inférence inconsciente et de l’adaptation visuo-motrice. Les décennies ultérieures ont formalisé ces observations, notamment à travers les paradigmes de manipulation prismatique perfectionnés par Richard Held et Alan Hein dans les années 1960, démontrant le rôle fondamental de la rétroaction sensorielle consécutive à l’action volontaire (réafférence active par opposition à l’afférence passive). Parallèlement, l’apprentissage moteur classique trouvait ses fondements empiriques dans les théories béhavioristes et les études de la psychologie ergonomique sur la mémoire procédurale, initiées notamment par Paul Fitts et Michael Posner.

Les enjeux théoriques sous-jacents à cette distinction touchent directement à la taxonomie du contrôle moteur et à la compréhension de la plasticité cérébrale. Classifier correctement un phénomène comportemental relève d’une nécessité impérieuse pour cartographier les architectures fonctionnelles du cerveau. Alors que l’adaptation met en jeu une plasticité synaptique hautement dynamique et métaboliquement labile régulée par les réseaux cérébelleux, l’acquisition d’habiletés motrices pérennes mobilise des cascades biochimiques complexes de consolidation synaptique, d’expression génique et de remaniements morphologiques corticaux et striataux. Confondre ces deux mécanismes restreint considérablement notre compréhension de la façon dont le système nerveux résout le compromis fondamental entre la flexibilité adaptative immédiate et la stabilité mnésique à long terme.

1.2 Sources de confusion conceptuelle et sémantique

La confusion entre adaptation sensorimotrice et apprentissage moteur demeure particulièrement répandue dans la littérature biomédicale, les sciences du sport et la rééducation fonctionnelle. L’une des sources majeures de cette imprécision terminologique réside dans l’utilisation générique du terme « apprentissage » pour désigner toute amélioration de la performance au fil de la pratique répétée d’une tâche. Dans une publication clinique ou sportive, une réduction de l’erreur d’atteinte spatiale au cours de vingt répétitions sous contrainte externe inhabituelle est souvent qualifiée sans discernement d’« apprentissage moteur », masquant le fait qu’il s’agit exclusivement d’une recalibration adaptative transitoire dont les effets se dissiperont dès la réintroduction des conditions écologiques neutres.

Cette ambiguïté sémantique est renforcée par la superposition quasi parfaite des courbes de performance macroscopiques lors des phases initiales d’évaluation. Qu’un sujet adapte la trajectoire de son bras au sein d’un champ de forces robotisé perturbateur ou qu’il apprenne à maîtriser une nouvelle tâche de coordination manuelle, l’évolution de l’erreur moyenne en fonction des essais adopte invariablement une allure exponentielle décroissante, conforme à la classique « loi de puissance de la pratique » (Power Law of Practice). L’observation exclusive de la cinématique de surface ou du taux d’erreur terminal ne permet donc pas de discriminer la nature du processus sous-jacent. Deux mécanismes computationnels radicalement différents produisent ici une signature comportementale superficiellement indistincte.

Une complexité supplémentaire découle du fait que, dans les situations écologiques et sportives de la vie quotidienne, l’adaptation et l’apprentissage opèrent rarement de manière isolée. Ils interagissent en continu au sein d’une architecture hiérarchique dynamique. Lorsqu’un skieur alpin négocie une piste glacée, il doit simultanément adapter ses modèles internes à la friction réduite et aux irrégularités du relief (adaptation sensorimotrice rapide) tout en exploitant et en consolidant ses compétences techniques de virage, d’équilibration fine et d’anticipation tactique (habiletés motrices acquises au fil de nombreuses années d’entraînement). La performance observée est le produit émergent de cette synergie perpétuelle entre réglages fins immédiats et répertoires de coordination structurés.

Enfin, la difficulté méthodologique à isoler les ajustements correctifs transitoires des modifications structurales pérennes entretient la confusion. Dans de nombreux protocoles expérimentaux, le temps accordé à la phase d’évaluation post-perturbation (la phase de « wash-out » ou de dé-adaptation) est insuffisant ou totalement omis. Sans cette phase critique, il est impossible de vérifier si la réduction de l’erreur découle d’un réétalonnage métrique lié à la présence de la perturbation ou de l’acquisition irréversible d’une nouvelle stratégie motrice. La persistance d’un comportement moteur adapté après la levée de la contrainte ne doit pas être confondue avec une trace mnésique procédurale définitive ; elle peut simplement refléter une lenteur de la cinématique de réinitialisation.

1.3 Objectifs et portée de l’analyse comparative

Face à ces écueils méthodologiques et conceptuels, cet article a pour objectif premier d’établir une nomenclature rigoureuse et consensuelle, articulée autour des découvertes contemporaines de l’électrophysiologie, de la modélisation computationnelle et de la neuro-imagerie fonctionnelle. En précisant les définitions opérationnelles de l’adaptation sensorimotrice et de l’apprentissage moteur, nous fournirons une grille de lecture explicite permettant aux chercheurs et cliniciens de catégoriser sans ambiguïté les comportements moteurs observés en laboratoire et en pratique courante.

Le second objectif consiste à disséquer méthodiquement les trois grands axes de divergence entre ces deux formes de plasticité comportementale : les échelles temporelles de déploiement (de la seconde à l’année), les substrats neuroanatomiques impliqués (la dichotomie fonctionnelle entre les circuits cortico-cérébelleux et cortico-striataux) et les processus de consolidation et de rétention mnésique. Nous démontrerons que l’adaptation répond à des impératifs d’homéostasie cinématique immédiate gouvernés par des signaux d’erreur de prédiction sensorielle, tandis que l’apprentissage d’habiletés motrices répond à des logiques d’optimisation énergétique, de réduction de la variance et de sélection par renforcement dépendantes des circuits dopaminergiques.

Enfin, cette analyse comparative vise à clarifier les retombées directes de ces distinctions pour la pratique appliquée. En neuroréhabilitation, la distinction guide le choix des thérapies après un accident vasculaire cérébral ou une atteinte neurodégénérative, évitant l’erreur d’attendre d’un protocole d’adaptation sensorimotrice de courte durée des bénéfices fonctionnels pérennes dans les activités de la vie quotidienne. En ergonomie et en ingénierie des interfaces homme-machine (incluant la réalité virtuelle et la robotique chirurgicale), cette différenciation permet d’anticiper les temps de latence et les décalages spatiaux pour favoriser l’immersion sans altérer les schémas moteurs de l’opérateur. En sport de haute performance, elle éclaire la gestion des cycles d’entraînement, la modification du matériel technique et la gestion des interférences motrices pour maximiser le transfert des compétences sur le terrain.

2. Vue d’ensemble de l’adaptation sensorimotrice

2.1 Mécanismes computationnels et erreur de prédiction sensorielle

L’adaptation sensorimotrice repose sur une machinerie computationnelle prédictive sophistiquée, formalisée par la théorie du contrôle optimal et les concepts de la cybernétique moderne. Au centre de ce dispositif se trouve le modèle interne direct (forward internal model). Chaque fois que le cortex moteur génère une commande motrice descendante destinée aux motoneurones spinaux pour initier une action, une copie collatérale de ce signal — désignée sous le terme de « copie d’efférence » (efference copy) — est simultanément acheminée vers les structures computationnelles chargées de la prédiction, au premier rang desquelles figure le cervelet.

Le modèle interne direct exploite cette copie d’efférence pour simuler en temps réel la dynamique biomécanique du membre effecteur et prédire avec une extrême précision les conséquences sensorielles attendues de l’action avant même que les récepteurs périphériques (fuseaux neuromusculaires, organes tendineux de Golgi, mécanorécepteurs cutanés et rétine) n’aient acheminé leurs signaux de rétroaction au cerveau. Cette prédiction précoce compense les retards physiologiques inhérents à la conduction nerveuse périphérique et au traitement central des afférences sensorielles, qui oscillent entre 50 et 150 millisecondes selon les modalités. Sans cette anticipation computationnelle, le contrôle des mouvements rapides serait condamné à l’instabilité et aux oscillations permanentes.

Le moteur algorithmique de l’adaptation sensorimotrice réside dans le calcul continu de l’erreur de prédiction sensorielle (sensory prediction error, SPE). Cette erreur représente le vecteur d’écart entre l’état sensoriel prédit par le modèle interne direct et l’état sensoriel effectivement perçu par les organes récepteurs après l’exécution du geste :

Erreur de Prédiction Sensorielle (SPE) = Rétroaction Sensorielle Réelle – Conséquence Sensorielle Prédite

Il est fondamental de distinguer la SPE de l’« erreur de performance » ou « erreur de tâche » (task error ou target error). L’erreur de tâche indique simplement si le but final de l’action a été atteint (par exemple, si la flèche a touché le centre de la cible ou si la tasse a été renversée). À l’inverse, l’erreur de prédiction sensorielle quantifie une divergence vectorielle métrique, renseignant sur la direction et l’amplitude précise du décalage entre le mouvement attendu et le mouvement observé. Même si un mouvement atteint son objectif global par le jeu d’une compensation fortuite, une SPE non nulle peut être générée et déclencher une mise à jour involontaire du système moteur.

La nature de l’adaptation sensorimotrice guidée par la SPE est profondément implicite, automatique et encapsulée. Le sujet humain ne peut pas désactiver volontairement ce mécanisme correcteur, même lorsqu’il est explicitement informé de la présence de la perturbation et qu’on lui demande de l’ignorer. L’adaptation modifie les commandes motrices de l’essai suivant de façon automatique, ajustant la cinématique spatiale et la dynamique de force sans que la conscience du sujet n’ait besoin d’élaborer une stratégie délibérée de re-visée.

2.2 Architecture neuroanatomique sous-jacente

L’infrastructure anatomique dédiée à l’adaptation sensorimotrice est dominée par les circuits neuronaux du cervelet. Grâce à une cytoarchitecture modulaire exceptionnellement stéréotypée et répétée, le cortex cérébelleux est configuré pour opérer des calculs différentiels massifs en temps réel. La convergence anatomique au niveau des cellules de Purkinje — uniques neurones de sortie du cortex cérébelleux — fournit le substrat idéal pour la mise à jour des représentations internes des paramètres corporels et environnementaux.

Au cœur de cette circuiterie, le signal d’erreur de prédiction sensorielle est véhiculé par le système des voies olivocérébelleuses. Les neurones de l’olive inférieure reçoivent des signaux d’afférences somatosensorielles et visuelles directes, ainsi que des projections descendantes de structures motrices. Ils comparent ces informations pour générer une décharge phasique spécifique chaque fois qu’un écart inattendu se produit. Ces signaux sont transmis aux cellules de Purkinje par l’intermédiaire des fibres grimpantes. Chaque cellule de Purkinje reçoit l’arborisation d’une seule fibre grimpante, qui induit des potentiels d’action particuliers appelés « potentiels complexes » (complex spikes).

La survenue d’un potentiel complexe module la force synaptique entre les fibres parallèles (les axones des cellules granulaires qui transmettent le contexte moteur et la copie d’efférence sous forme de potentiels simples) et les épines dendritiques de la cellule de Purkinje. Le mécanisme d’apprentissage synaptique prépondérant est la dépression à long terme (Long-Term Depression, LTD) hétérosynaptique. Lorsque l’activation d’un contingent de fibres parallèles coïncide temporellement avec la décharge d’une fibre grimpante signalant une erreur de prédiction sensorielle, la conductance des récepteurs AMPA au niveau des synapses parallèles-Purkinje correspondantes est durablement abaissée. En modifiant ainsi la décharge inhibitrice que les cellules de Purkinje exercent sur les noyaux cérébelleux profonds, le cervelet ajuste l’amplitude des commandes motrices délivrées aux voies rubrospinales et aux aires motrices corticales via le thalamus ventrolatéral.

Bien que le cervelet constitue l’épicentre du calibrage dynamique, le cortex pariétal postérieur (CPP) apporte une contribution essentielle à l’intégration spatiale et multisensorielle. Le CPP, en particulier l’aire intrapariétale et le lobule pariétal supérieur, participe à la construction des référentiels spatiaux reliant les coordonnées rétinotopiques de la vision aux coordonnées proprioceptives articulaires. Il est impliqué dans l’estimation de l’état actuel du corps dans l’espace, indispensable pour que le cervelet calcule une prédiction cohérente.

Il importe de souligner l’indépendance relative de l’adaptation sensorimotrice pure vis-à-vis des ganglions de la base. Les patients présentant une lésion ou une dysfonction sélective de la boucle cortico-striato-pallido-thalamique, comme dans les stades modérés de la maladie de Parkinson, conservent d’excellentes capacités d’adaptation sensorimotrice lorsqu’ils sont confrontés à des rotations visuo-motrices ou à des champs de forces dynamiques, pourvu que la tâche ne sollicite pas de stratégies cognitives explicites ou d’apprentissage par renforcement dépendant de la récompense.

2.3 Paradigmes expérimentaux emblématiques

L’exploration expérimentale de l’adaptation sensorimotrice s’appuie sur quatre grands paradigmes standardisés, réplicables chez l’animal et l’être humain :

• La déviation prismatique du champ visuel : Paradigme fondateur consistant à équiper le sujet de prismes optiques (souvent de type wedge) qui déplacent le champ visuel latéralement d’un angle fixe (généralement de 10 à 30 degrés). Lors des premiers pointages rapides vers une cible sans vision du membre, le sujet dévie systématiquement dans le sens de la réfraction prismatique. Après 15 à 30 essais avec rétroaction visuelle terminale, le système compense l’erreur et rétablit une précision millimétrique.
• Les champs de forces visqueux appliqués par robots manipulateurs : Introduit par Reza Shadmehr et Fernando Mussa-Ivaldi au début des années 1990, ce paradigme utilise un bras robotique à deux degrés de liberté tenu par le sujet. Lorsque le bras effectue des mouvements d’atteinte dans un plan horizontal, des moteurs appliquent des forces perpendiculaires à la vitesse instantanée de la main (champ de force velocity-dependent curl field). La trajectoire rectiligne normale est initialement déformée en une boucle curviligne. Progressivement, le système nerveux génère des forces musculaires inverses anticipatrices pour compenser la résistance du robot et restaurer des trajectoires quasi rectilignes.
• Les rotations visuo-motrices sur écran interactif : Dans cette configuration (visuomotor rotation tasks), le participant manipule une souris, un stylet sur tablette graphique ou une poignée robotisée dissimulée sous un miroir semi-transparent. La rétroaction visuelle de la position de la main est matérialisée par un curseur lumineux projeté à l’écran. L’expérimentateur introduit une rotation angulaire artificielle (par exemple, 30° dans le sens horaire) entre le déplacement réel de la main et le déplacement du curseur. Le participant apprend en quelques dizaines d’essais à orienter implicitement son geste selon un angle compensatoire de 30° antihoraire pour diriger le curseur vers la cible.
• Le tapis roulant à courroies divisées (split-belt treadmill) : Conçu pour l’étude de l’adaptation locomotrice, ce dispositif comporte deux courroies parallèles motorisées de façon indépendante, permettant d’imposer à une jambe une vitesse de défilement deux à trois fois supérieure à celle de l’autre jambe. Initialement, la symétrie de la marche est brisée, ce qui se traduit par une altération majeure de la longueur relative des pas et du temps de double appui. En 10 à 15 minutes de marche continue, les circuits locomoteurs adaptent la coordination inter-membres pour restaurer une symétrie fonctionnelle stable du pas.

2.4 Phénoménologie temporelle : wash-out et effets consécutifs

La signature cinétique fondamentale de l’adaptation sensorimotrice se caractérise par son profil temporel biphasique, modélisé par Smith, Ghazizadeh et Shadmehr (2006) sous la forme d’un modèle d’état à deux taux (multi-rate state-space model). Ce modèle stipule que l’adaptation résulte de la superposition linéaire d’au moins deux processus distincts :

• Un processus rapide : Il se caractérise par un taux d’apprentissage élevé (réduction immédiate et massive des erreurs dès les premiers essais) couplé à un taux de rétention faible (oubli rapide et forte sensibilité à la désuétude en l’absence de retour sensoriel).
• Un processus lent : Il présente un taux d’apprentissage modeste (modifications graduelles et progressives) mais un taux de rétention extrêmement élevé, assurant la stabilité de la correction face aux fluctuations aléatoires du bruit neuromusculaire.

L’élément diagnostique incontournable attestant qu’une adaptation sensorimotrice a eu lieu — et non une compensation volontaire momentanée — est l’apparition systématique d’effets consécutifs (after-effects). Lorsqu’après une période d’adaptation complète à une perturbation (par exemple, une rotation horaire de 30°), la perturbation est subitement supprimée à l’insu du sujet, le premier mouvement exécuté en conditions normales dévie systématiquement dans la direction exactement opposée (déviation de 30° antihoraire). Cet effet consécutif prouve que le modèle interne direct a été structurellement recalibré : le cerveau anticipe toujours une perturbation environnementale inexistante et applique la commande de compensation préalablement stockée.

La disparition de ces effets consécutifs et le retour aux performances initiales constituent la phase de réinitialisation ou de désadaptation (wash-out). Ce désapprentissage n’est pas une simple dégradation passive du souvenir moteur par oubli temporel ; c’est un processus actif de recalibration induit par de nouvelles erreurs de prédiction sensorielle générées par l’absence inattendue de perturbation. Dès que le sujet perçoit que sa trajectoire dévie dans le sens opposé, une cascade de nouveaux signaux d’erreur cérébelleux s’enclenche pour réajuster le modèle interne vers son étalonnage d’origine.

Enfin, sans répétition massive ou cycles de consolidation particuliers, la trace mnésique issue d’une session unique d’adaptation sensorimotrice fait preuve d’une vulnérabilité temporelle marquée. En l’absence de pratique, la simple introduction d’un intervalle de repos de quelques heures peut entraîner une érosion substantielle de l’état adapté, ramenant le contrôleur moteur vers son état de base non perturbé.

3. Vue d’ensemble de l’apprentissage moteur

3.1 Typologies et taxonomie de l’apprentissage moteur

L’apprentissage moteur recouvre une diversité de mécanismes procéduraux dont la finalité partagée est l’enrichissement structurel et durable du répertoire cinématique et dynamique de l’individu. Contrairement à la simple adaptation métrique, l’apprentissage moteur façonne de nouveaux attracteurs dynamiques au sein des réseaux neuronaux corticaux et sous-corticaux. Il se décline principalement en quatre typologies fonctionnelles distinctes :

• L’apprentissage par renforcement (reinforcement learning) : Ce régime n’est pas guidé par un vecteur d’erreur cinématique directionnel mais par un signal scalaire de succès ou d’échec (présence ou absence de récompense, accomplissement de la tâche). Le système nerveux explore l’espace des solutions motrices en introduisant une variabilité comportementale délibérée, puis sélectionne et stabilise les configurations articulaires qui maximisent la probabilité d’obtenir le résultat escompté. Ce type d’apprentissage est essentiel pour l’optimisation des gestes sportifs complexes où aucune référence d’erreur explicite n’indique immédiatement comment corriger une posture.
• L’apprentissage de séquences motrices (motor sequence learning) : Il désigne l’agencement temporel ordonné d’actions motrices discrètes pour former une routine motrice continue et fluide. Ce processus s’appuie sur la concaténation progressive d’éléments moteurs individuels en blocs fonctionnels unifiés — un mécanisme cognitivo-moteur désigné sous le terme de chunking. La maîtrise du clavier dactylographique, l’exécution d’une partition au piano ou la réalisation d’un kata en arts martiaux illustrent cette capacité à transformer une succession hésitante d’actes isolés en un programme global automatisé et résistant à l’interférence.
• L’acquisition d’habiletés motrices fines (motor skill learning) et l’apprentissage de novo : L’apprentissage d’une habileté technique se définit d’un point de vue computationnel par le dépassement ou l’expansion de la frontière entre vitesse et précision (speed-accuracy tradeoff, formalisé par la loi de Fitts). Un sujet non entraîné peut pointer rapidement au détriment de la précision, ou pointer précisément au prix d’une lenteur excessive. L’acquisition d’une réelle habileté se manifeste par la capacité à maintenir une précision spatio-temporelle extrême tout en augmentant drastiquement la vitesse d’exécution. Quant à l’apprentissage de novo (manipulation d’un endoscope en chirurgie cœlioscopique ou conduite d’un véhicule avec commandes inversées), il impose la construction intégrale d’un nouveau contrôleur moteur sans possibilité d’adapter simplement un contrôleur biologique existant.
• L’apprentissage déclaratif et les stratégies cognitives explicites : Lors des phases initiales d’apprentissage, le cortex préfrontal intervient massivement pour décomposer la tâche en sous-objectifs, élaborer des représentations verbalisables et diriger consciemment l’attention vers les segments corporels clés. Bien que ces stratégies cognitives soient métaboliquement coûteuses et sensibles à la fatigue ou au stress (« étouffement sous pression » ou choking under pressure), elles accélèrent considérablement la phase d’exploration avant que les circuits implicites ne prennent le relais.

3.2 Substrats cérébraux et réseaux distribués

L’infrastructure neurobiologique de l’apprentissage moteur mobilise un vaste réseau anatomo-fonctionnel distribué, structuré autour des boucles cortico-striées et cortico-cérébelleuses connectées aux aires motrices corticales.

Le réseau cortico-striatal constitue le pivot central de la sélection de l’action, de l’évaluation du renforcement et de la consolidation procédurale. Le striatum (noyau caudé et putamen) reçoit de denses projections glutamatergiques émanant de l’ensemble du néocortex et intègre les signaux de libération phasique de dopamine projetés par la substance noire pars compacta (SNc). Ces vagues dopaminergiques encodent ce que Wolfram Schultz a formalisé sous le nom d’« erreur de prédiction de récompense » (reward prediction error, RPE). Lorsqu’une action motrice produit un résultat supérieur aux attentes du sujet, la décharge dopaminergique phasique active les récepteurs D1 de la voie directe striatale, renforçant les synapses cortico-striées impliquées dans la commande motrice victorieuse par le biais de la potentialisation à long terme (Long-Term Potentiation, LTP). Inversement, l’absence d’une récompense attendue entraîne une pause dopaminergique facilitant la voie indirecte (récepteurs D2) et l’élimination des configurations motrices inefficaces.

Au niveau du néocortex, l’apprentissage moteur s’accompagne d’une profonde réorganisation topographique et structurale au sein du cortex moteur primaire (M1), de l’aire motrice supplémentaire (SMA), du cortex prémoteur (dorsal et ventral) et du cortex somatosensoriel. L’acquisition d’une habileté motrice complexe n’induit pas simplement des changements temporaires d’excitabilité membranaire ; elle déclenche une synaptogenèse structurale tangible. Les études d’imagerie biphotonique chez l’animal démontrent l’apparition rapide de nouvelles épines dendritiques sur les neurones pyramidaux de la couche V de M1 dès les premières sessions d’entraînement, suivie d’une stabilisation sélective des synapses engagées dans le geste au détriment des synapses non fonctionnelles. Les représentations corticales des effecteurs surentraînés (par exemple, les doigts gauches des violonistes) connaissent une expansion spatiale durable sur la carte motrice somatotopique.

Les modèles proposés par Julien Doyon et Leslie Ungerleider ont mis en évidence la nature dynamique et séquentielle de l’interaction entre les boucles striatales et cérébelleuses au fil du temps. Durant la phase d’acquisition initiale, le cervelet et le striatum sont co-activés : le cervelet optimise la métrique et coordonne l’alignement sensoriel, tandis que le striatum identifie et sélectionne les séquences efficaces. Cependant, à mesure que l’habileté se consolide et s’automatise, l’activité cérébelleuse décroît progressivement au profit d’un engagement prédominant du circuit cortico-striatal (spécifiquement le putamen sensorimoteur) et des aires motrices prémotrices et supplémentaires, scellant la trace procédurale dans des réseaux pérennes protégés des perturbations extérieures.

3.3 Dynamique d’acquisition, consolidation et rétention

La chronobiologie de l’apprentissage moteur s’articule selon un décours temporel multi-échelle, distinguant classiquement la phase rapide intra-session de la phase lente inter-sessions. La phase rapide d’acquisition (fast learning phase) s’observe au cours d’une séance unique d’entraînement de quelques dizaines de minutes. Les progrès y sont spectaculaires, reflétant principalement l’optimisation des stratégies cognitives, la sélection des synergies musculaires fondamentales et des phénomènes de potentialisation synaptique à court terme au sein du cortex moteur et du striatum.

La phase lente (slow learning phase), qui s’étend sur plusieurs jours, semaines ou mois, correspond à la maturation structurelle de la compétence motrice. Cette transition requiert impérativement une période de consolidation mnésique « hors ligne » (off-line consolidation). Loin d’être un état de repos passif, l’intervalle inter-sessions permet la réorganisation active des traces mnésiques en l’absence de toute pratique physique supplémentaire. Il s’ensuit souvent des gains de performance spontanés découverts au réveil sans entraînement intercalaire (off-line gains ou amélioration différée).

Le sommeil joue un rôle causal de premier plan dans cette phase de consolidation. Les stades de sommeil lent profond (stades N2 et N3, caractérisés par les fuseaux de sommeil et les oscillations lentes delta) et le sommeil paradoxal (REM) orchestrent la réactivation synchrone des motifs neuronaux activés durant la pratique diurne. Ce « rejeu » neuronal nocturne favorise le transfert progressif des mémoires motrices labiles des réseaux cortico-striataux antérieurs vers les structures corticales sous-jacentes et le striatum postérieur, tout en protégeant la nouvelle trace contre le phénomène d’interférence rétroactive (la dégradation du souvenir par l’apprentissage subséquent d’une tâche concurrente).

L’aboutissement de cette dynamique de consolidation est l’automatisation du geste moteur. Une fois consolidée, l’habileté motrice présente une stabilité temporelle stupéfiante, pouvant persister intacte pendant des années, voire toute une vie, sans réentraînement fréquent (comme l’illustre la maxime populaire sur la persistance de l’art du vélo). Sur le plan neurophysiologique, l’automatisation se traduit par la libération consécutive des ressources attentionnelles exécutives : le sujet devient capable d’exécuter le geste avec une précision optimale tout en effectuant simultanément une tâche cognitive secondaire complexe (tâche de double tâche), témoignant du désengagement des aires préfrontales au profit d’un contrôle sous-cortical fluide et autonome.

3.4 Protocoles d’évaluation standardisés

L’investigation rigoureuse de l’apprentissage moteur s’est historiquement construite sur des protocoles expérimentaux hautement standardisés, quantifiant l’évolution temporelle de la coordination neuromusculaire :

• La tâche d’opposition séquentielle des doigts (Finger Tapping Task) : Formalisée sous diverses variantes (comme la tâche de séquence motrice de Karni ou la Serial Reaction Time Task de Nissen et Bullemer), cette épreuve invite les participants à répéter aussi vite et précisément que possible une séquence numérique prédéterminée de pressions de doigts (par exemple, 4-1-3-2-4 avec la main non dominante). Ce protocole permet de disséquer avec une grande finesse la formation des blocs procéduraux (chunks), l’évolution des intervalles inter-frappes et les gains de consolidation hors ligne induits par le sommeil.
• La tâche de poursuite continue sur cible mobile (Continuous Pursuit Rotor Task) : Ce paradigme historique confronte le sujet à une cible circulaire lumineuse tournant sur une platine à vitesse constante ou variable. Le participant doit maintenir l’extrémité d’un stylet métallique en contact direct avec la cible en mouvement. La performance est mesurée par le temps cumulé de contact réussi (time-on-target). Cette épreuve explore l’apprentissage de la régulation continue en boucle fermée et l’anticipation visuo-manuelle.
• Les paradigmes de dextérité bimanuelle et de manipulation d’outils complexes : Ces dispositifs évaluent la capacité du système moteur à briser les couplages d’activation homologues innés (la tendance naturelle des mains à se mouvoir en miroir de façon symétrique) pour construire de nouvelles synergies asymétriques indépendantes. L’adaptation à des contrôleurs bimanualisant des trajectoires orthogonales requiert une désynchronisation interhémisphérique complexe médiée par le corps calleux.
• L’évaluation électromyographique de la co-contraction et de la variance : Au-delà des critères externes de temps et de précision spatiale, l’évaluation de pointe de l’apprentissage moteur analyse la signature neuromusculaire intrinsèque. L’enregistrement électromyographique (EMG) de surface des paires de muscles agonistes et antagonistes révèle que l’acquisition d’une habileté se caractérise par une réduction marquée de la co-contraction musculaire excessive — typique des débutants cherchant à stabiliser mécaniquement l’articulation par rigidification — au profit d’une activation réciproque fine et économique énergétiquement. Parallèlement, l’analyse mathématique de la variabilité spatio-temporelle démontre que le système ne cherche pas à éliminer toute variance, mais réorganise la structure de cette variance au sein d’un sous-espace moteur « non affectant la tâche » (concept d’Uncontrolled Manifold, UCM).

4. Différences clés entre adaptation sensorimotrice et apprentissage moteur

4.1 Tableau comparatif des paramètres fondamentaux

Afin de synthétiser les divergences structurelles, fonctionnelles et computationnelles qui séparent ces deux facettes de la motricité humaine, le tableau ci-dessous dresse une comparaison exhaustive des paramètres neurobiologiques et comportementaux essentiels.

Dimension d’analyse	Adaptation sensorimotrice	Apprentissage moteur (Habileté / De Novo)
Définition opérationnelle	Recalibration paramétrique transitoire d’un contrôleur ou modèle interne moteur déjà constitué, en réponse à des modifications de l’environnement ou du corps.	Élaboration, acquisition et stabilisation structurelle durable de nouveaux répertoires de coordination ou de nouveaux contrôleurs moteurs.
Objectif computationnel	Restauration de la performance de base par annulation des perturbations métriques ; maintien de l’étalonnage homéostatique.	Expansion de la frontière vitesse-précision ; diminution de la variabilité globale ; optimisation énergétique et découverte de nouvelles synergies.
Signal d’erreur directeur	Erreur de prédiction sensorielle (SPE) : vecteur multidimensionnel issu de la divergence entre le retour sensoriel perçu et la prédiction de la copie d’efférence.	Erreur de tâche (TE) et Erreur de prédiction de récompense (RPE) : signaux scalaires graduant la réussite de l’action et le renforcement dopaminergique.
Substrats anatomiques primaires	Cervelet : cortex cérébelleux (cellules de Purkinje, fibres grimpantes), olive inférieure, noyaux cérébelleux profonds, cortex pariétal postérieur.	Ganglions de la base et Cortex moteur : striatum (putamen/caudé), substance noire pars compacta, M1, SMA, cortex prémoteur, cortex préfrontal.
Mécanismes de plasticité synaptique	Dépression à long terme (LTD) synaptique hétérosynaptique au niveau des synapses entre fibres parallèles et cellules de Purkinje.	Potentialisation à long terme (LTP), synaptogenèse structurale (formation/stabilisation d’épines dendritiques), réorganisation topographique corticale.
Cinétique d’acquisition	Extrêmement rapide : correction observée dès les premiers essais ; saturation asymptotique atteinte en quelques dizaines à centaines de répétitions.	Lente et progressive : s’échelonne sur des milliers de répétitions, nécessitant des sessions réparties sur plusieurs jours, semaines ou mois.
Phénomène d’effets consécutifs (After-effects)	Systématique et obligatoire : l’arrêt impromptu de la perturbation produit des erreurs inverses majeures prouvant le décalage du modèle interne.	Absent : l’exécution d’un geste acquis n’altère pas en miroir l’exécution d’autres schémas anciens (pas de biais géométrique inverse direct).
Rétention et pérennité mnésique	Très faible sans répétition : retour rapide au niveau de référence (wash-out spontané ou guidé par l’erreur) ; sensibilité aiguë à la dégradation temporelle.	Excellente et pérenne : traces mnésiques quasi indélébiles consolidées hors ligne par le sommeil ; résistance remarquable à l’oubli sur des années.
Niveau de conscience et encapsulation	Implicite et modulaire : inaccessible au contrôle volontaire direct ; opère automatiquement même si le sujet a conscience de l’illusion sensorielle.	Hybride : démarre souvent sous contrôle explicite et attentionnel élevé (verbalisation, préfrontal), avant une automatisation procédurale sous-corticale.
Généralisation et transfert	Étroitement locale : transfert limité aux zones cinématiques, directions et postures immédiatement voisines de l’espace entraîné.	Fonctionnelle et conceptuelle : possibilité de transfert inter-manuel, extrapolation à des contextes moteurs analogues et abstraction stratégique.

4.2 Nature du signal d’erreur et computation neuronale

L’abîme conceptuel qui sépare l’adaptation sensorimotrice de l’apprentissage moteur réside prioritairement dans la topologie mathématique des signaux d’erreur régissant la plasticité synaptique. L’adaptation sensorimotrice est strictement asservie à un signal vectoriel directionnel : l’erreur de prédiction sensorielle. Si une rotation visuo-motrice dévie un curseur de 30 degrés vers la droite, le signal d’erreur généré contient simultanément une grandeur scalaire (l’amplitude : 30°) et une information directionnelle (l’axe vectoriel : droite). Ce signal vectoriel indique immédiatement au contrôleur cérébelleux dans quelle direction précise modifier la commande motrice pour réduire l’erreur au prochain essai. La correction synaptique s’opère au sein des microzones cérébelleuses, où les fibres grimpantes transmettent cette directionnalité spatiale avec une fidélité géométrique rigoureuse.

À l’inverse, l’apprentissage d’habiletés motrices, particulièrement sous sa forme d’apprentissage par renforcement, est piloté par un signal scalaire non vectoriel. Lorsqu’un archer décoche une flèche qui manque le centre de la cible, ou qu’un golfeur voit sa balle dévier de sa course, le résultat final renseigne sur l’erreur de tâche et le succès de l’action, mais le score en lui-même ne prescrit pas mécaniquement la modification spécifique à apporter aux dizaines d’angles articulaires mobilisés. La cinématique d’un swing de golf mobilise une cinquantaine de degrés de liberté musculaires ; l’échec est une variable scalaire unique. Comment le cerveau sait-il quel muscle précis devait être activé quelques millisecondes plus tôt ou plus tard ?

Ce défi computationnel constitue le fameux « problème de l’assignation du crédit » (credit assignment problem). Pour le résoudre, le cerveau combine l’inférence bayésienne et la modulation dopaminergique striatale. Au lieu de recalculer immédiatement une métrique précise à partir d’un modèle direct, les ganglions de la base injectent une variabilité exploratoire neuromotrice (souvent perçue à tort comme du simple bruit périphérique). Lorsque, par le jeu de cette exploration motrice, une configuration articulaire génère une performance supérieure aux prédictions statistiques antérieures, une bouffée de dopamine est libérée dans le striatum par la substance noire pars compacta. Ce signal scalaire de renforcement valide la configuration globale et augmente sa probabilité de réapparition future. Il ne s’agit plus d’une recalibration analytique immédiate, mais d’une sélection évolutionniste des schémas moteurs les plus efficaces.

Cette divergence quantique dans la computation explique pourquoi l’adaptation sensorimotrice fonctionne en autonomie complète par rapport à l’intentionnalité consciente du sujet, alors que l’apprentissage d’habiletés repose, particulièrement à ses débuts, sur une intégration cognitive globale associant signaux sensoriels, récompenses extrinsèques, objectifs conscients et mécanismes d’attention sélective.

4.3 Évolution temporelle et pérennité des traces mnésiques

L’analyse comparée des décours temporels révèle des profils de rétention radicalement contrastés. La trace mnésique issue d’une adaptation sensorimotrice est caractérisée par une labilité intrinsèque. Cette instabilité n’est pas un défaut de conception du système nerveux central, mais une nécessité téléologique impérieuse : le système moteur doit conserver la capacité de se réaligner instantanément sur le monde physique réel dès lors qu’une contrainte transitoire s’éteint. La dissipation de la trace adaptative (wash-out) s’opère donc activement dès la réexposition à des conditions neutres, effaçant en quelques minutes l’empreinte cinématique de la perturbation.

Sur le plan morphologique et moléculaire, cette transhumance s’explique par la nature réversible de la dépression à long terme (LTD) cérébelleuse. Contrairement à l’apprentissage moteur cortical, l’adaptation sensorimotrice pure ne modifie pas durablement l’architecture du cytosquelette neuronal ; elle modifie la sensibilité des canaux ioniques membranaires et l’endocytose des récepteurs synaptiques sans enclencher une transcription génomique massive menant à la synaptogenèse pérenne.

À l’inverse, l’apprentissage moteur procédural déploie une cinétique de consolidation progressive qui culmine dans la cristallisation structurelle des réseaux neuronaux. Les travaux pionniers en microscopie biphotonique in vivo révèlent que l’apprentissage d’une habileté motrice induit, au sein du cortex moteur primaire et des circuits striataux, une augmentation rapide du taux de formation de nouvelles épines dendritiques dans les premières heures d’entraînement. Ces nouvelles épines sont ensuite élaguées et stabilisées de façon sélective au fil des jours. Celles qui subsistent s’intègrent dans des circuits synaptiques renforcés de façon permanente par la machinerie de la potentialisation à long terme (LTP), dépendante de la synthèse protéique et de l’expression de gènes régulateurs de la plasticité (tels que le facteur neurotrophique dérivé du cerveau, BDNF).

Cette divergence structurelle dicte la résistance différentielle des deux processus face aux phénomènes d’interférence mnésique :

• L’adaptation sensorimotrice est hautement vulnérable à l’interférence rétroactive : Si un individu adapte successivement son bras à un champ de force orienté dans le sens horaire (A), puis immédiatement à un champ orienté dans le sens antihoraire (B), l’exposition au champ B efface quasi instantanément la trace motrice du champ A. Si l’on réintroduit le champ A plus tard, le sujet commet des erreurs identiques à celles d’un sujet naïf, démontrant l’absence de consolidation isolée.
• L’apprentissage d’habiletés motrices développe une robustesse systémique : Une fois le processus de consolidation achevé (notamment après une nuit de sommeil préservée), une habileté motrice acquise devient remarquablement imperméable à l’interférence. Apprendre à skier n’efface pas la maîtrise du vélo, et l’apprentissage de nouveaux morceaux de musique sur un instrument n’annihile pas le répertoire précédemment intégré.

Une nuance fondamentale mérite cependant d’être apportée au regard du phénomène d’épargne (savings). Bien que l’effet consécutif d’une adaptation se dissipe rapidement lors du wash-out, si un sujet est réexposé à la même perturbation 24 heures ou plusieurs semaines plus tard, il se réadapte beaucoup plus rapidement que lors de sa première exposition. Ce gain d’efficacité dans la ré-adaptation démontre l’existence d’une mémoire méta-adaptative. Toutefois, les recherches contemporaines (notamment de John Krakauer et David Hertzfeld) indiquent que ce gain de ré-adaptation ne découle pas d’une survie passive de l’état moteur implicite du cervelet, mais de la mobilisation accélérée de stratégies cognitives explicites de re-visée et de la reconnaissance contextuelle de la perturbation.

4.4 Sensibilité à l’âge et aux pathologies neurodégénératives

L’indépendance anatomique et computationnelle des deux systèmes est corroborée de manière éclatante par la double dissociation neuropsychologique mise en évidence dans l’étude des pathologies neurodégénératives et du vieillissement cérébral.

L’ataxie cérébelleuse constitue le modèle clinique par excellence de la rupture élective de l’adaptation sensorimotrice. Les patients porteurs de lésions focales du cervelet (consécutives à un AVC cérébelleux, une atrophie multisystématisée de type C ou des ataxies spinocérébelleuses génétiques) sont incapables de calibrer leurs mouvements face à des lunettes prismatiques, des rotations visuo-motrices ou des champs de forces dynamiques. Confrontés à une perturbation, ils commettent des erreurs massives qui ne diminuent pas au fil des essais, et le retrait de la perturbation ne génère aucun effet consécutif, attestant de l’incapacité de leur olive inférieure et de leurs cellules de Purkinje à calculer et intégrer l’erreur de prédiction sensorielle. Fait remarquable, ces mêmes patients cérébelleux peuvent préserver, dans des limites biomécaniques évidentes, leur capacité à réaliser un apprentissage moteur par renforcement guidé par la récompense ou à acquérir des compétences procédurales cognitives séquentielles, pourvu que l’exécution de la tâche ne requière pas une métrique de haute vélocité.

Le tableau clinique inverse s’observe dans les pathologies affectant le système des ganglions de la base, au premier rang desquelles figurent la maladie de Parkinson et la chorée de Huntington. Les patients parkinsoniens modérés, caractérisés par la déplétion dopaminergique nigro-striatale, présentent des altérations sévères de l’apprentissage moteur procédural : la courbe d’acquisition des tâches d’opposition séquentielle des doigts (Finger Tapping) est aplatie, l’assemblage des séquences motrices (chunking) échoue, la frontière vitesse-précision stagne, et la consolidation hors ligne nocturne est largement compromise. En revanche, lorsqu’on soumet ces patients à des paradigmes d’adaptation sensorimotrice purs (rotation visuo-motrice graduelle sans charge cognitive), leurs capacités de compensation et leurs effets consécutifs sont rigoureusement identiques à ceux de sujets sains appariés en âge, démontrant l’intégrité fonctionnelle de leur machinerie cérébelleuse.

Enfin, le vieillissement physiologique sain (sénescence motrice) affecte de façon hautement différentielle les deux processus. Les personnes âgées conservent généralement une adaptation sensorimotrice implicite remarquablement stable : le recalibrage automatique fondé sur l’erreur de prédiction sensorielle ne subit qu’un déclin marginal au fil des décennies. Cependant, les personnes âgées présentent des déficits marqués dans l’exploitation des composantes explicites et stratégiques de l’adaptation (capacité à formuler une visée compensatrice délibérée) ainsi qu’un ralentissement significatif de la vitesse d’acquisition de nouvelles habiletés motrices complexes (apprentissage de novo). Cette dissociation s’explique par l’atrophie précoce du cortex préfrontal et la réduction de la densité des transporteurs dopaminergiques striataux avec l’âge, contrastant avec la relative résilience fonctionnelle des circuits de rétroaction implicites du cervelet.

5. Points de convergence et interactions systémiques

5.1 L’adaptation comme brique constitutive de l’apprentissage global

Bien que l’analyse théorique impose de dissocier formellement adaptation et apprentissage moteur pour en comprendre les ressorts élémentaires, la réalité du contrôle moteur vivant repose sur une intégration fonctionnelle étroite de ces deux régimes. Dans les activités complexes, l’adaptation sensorimotrice ne fonctionne pas en vase clos ; elle constitue la brique constitutive, le régulateur d’étage inférieur indispensable à l’émergence et à la stabilisation de l’apprentissage global.

Considérons l’acquisition d’un geste sportif de haut niveau, tel que le swing d’un joueur de tennis ou le tir d’un basketteur. Pour qu’un individu puisse explorer efficacement de nouvelles synergies musculaires et élargir sa frontière vitesse-précision (apprentissage d’habileté par renforcement), il est impératif que les composantes élémentaires du mouvement bénéficient d’une stabilité métrique infaillible. Le système effecteur humain subit des variations physiologiques constantes : la fatigue musculaire altère la force de contraction, la température modifie l’élasticité tendineuse, et la sudation change la préhension de l’objet. Si le système nerveux devait consacrer ses ressources cognitives supérieures et ses circuits striataux à réapprendre le geste à chaque micro-variation biomécanique, aucun apprentissage pérenne ne pourrait se consolider.

C’est ici que l’adaptation sensorimotrice intervient comme un filtre homéostatique autonome. En corrigeant automatiquement les variations d’inertie et de positionnement articulaire via les modèles internes cérébelleux, elle fournit au système nerveux une « plateforme biomécanique invariantée ». Cette invariance dynamique permet aux boucles cortico-striées de se concentrer sur l’optimisation des critères de réussite de la tâche globale. L’adaptation sensorimotrice stabilise le système pour que l’apprentissage moteur puisse construire une nouvelle compétence.

Cette architecture rejoint les prédictions du modèle de Edwin Guthrie et de la théorie du contrôle optimal en anneau fermé : le système nerveux central articule une cascade de régulateurs de rétroaction optimaux (Optimal Feedback Controllers) opérant en boucle rapide pour annuler les dérives posturales et cinématiques (adaptation), pendant que des algorithmes d’apprentissage par renforcement à boucle lente modulent la fonction de coût générale déterminant les trajectoires globales de coordination.

5.2 Recrutement partagé des structures corticales et sous-corticales

Les avancées de la neuro-imagerie fonctionnelle à haute résolution spatio-temporelle (IRMf à 7 Tesla, magnétoencéphalographie) et les études de traçage viral ont démontré que la partition anatomique entre le « cerveau cérébelleux adaptatif » et le « cerveau striatal d’apprentissage » n’est pas absolue. Il existe un dialogue synchrone permanent au sein du réseau cortico-cérébello-striatal lors de l’exécution de tâches motrices écologiques.

D’un point de vue structural, des connexions disynaptiques sous-corticales directes relient le cervelet et les ganglions de la base sans transiter par le néocortex. Des travaux anatomiques ont mis en évidence des projections émanant du noyau dentelé du cervelet et ciblant directement le striatum par l’intermédiaire de relais thalamiques (le noyau intralaminaire centro-latéral). Réciproquement, le sous-thalamus projette des collatérales synaptiques vers l’olive inférieure, permettant à l’état dopaminergique et motivationnel des ganglions de la base d’influencer directement le seuil de sensibilité des neurones olivaires qui transmettent le signal d’erreur de prédiction sensorielle.

Au sommet de cette hiérarchie, le cortex préfrontal dorso-latéral (DLPFC) agit comme un chef d’orchestre multimodal. Lorsqu’un individu est confronté à une situation motrice ambiguë, le DLPFC alloue dynamiquement les poids computationnels accordés aux informations issues du cervelet et du striatum. Si la tâche impose un recalibrage rapide dans un environnement stable, les sorties cérébelleuses sont privilégiées. Si l’environnement impose une exploration probabiliste guidée par des récompenses intermittentes, le cortex préfrontal renforce la dominance de la boucle cortico-striatale. Cette coordination s’appuie sur une plasticité hétérosynaptique partagée au niveau des circuits de projection thalamo-corticaux, assurant la fluidité de la transition entre la phase d’adaptation réactive et la phase de consolidation procédurale.

5.3 Interaction entre processus explicites et implicites

L’un des apports majeurs des neurosciences du mouvement de la dernière décennie, porté notamment par les travaux de Jordan Taylor, John Krakauer et Richard Ivry, a été de briser le paradigme classique assimilant l’adaptation sensorimotrice à un bloc monolithique purement implicite. Lorsqu’un individu s’adapte à une perturbation visuo-motrice imposante (par exemple, une rotation angulaire de 45 degrés), la correction globale observée résulte en réalité de l’addition arithmétique de deux composantes fonctionnelles distinctes :

Correction Motrice Totale = Composante Implicite (Cérébelleuse) + Composante Explicite (Cognitive / Re-visée)

La composante explicite correspond à une stratégie cognitive consciente de réorientation du mouvement (explicit re-aiming). Le sujet réalise que le curseur dévie vers la droite et décide volontairement de viser un repère visuel situé à gauche de la cible réelle. Cette composante dépend entièrement des fonctions exécutives, de la mémoire de travail et de l’intégrité du cortex préfrontal. Elle présente une cinétique ultra-rapide mais souffre d’un coût computationnel élevé : si le temps de préparation avant le départ du mouvement est restreint en dessous de 300 millisecondes, ou si l’attention est détournée par une tâche de calcul mental simultanée, la composante explicite s’effondre instantanément.

La composante implicite, quant à elle, représente l’adaptation sensorimotrice pure, opérée automatiquement par le cervelet sous l’impulsion de l’erreur de prédiction sensorielle. Elle progresse à un rythme lent, insensible aux consignes verbales et imperméable à la charge cognitive. Même lorsque les sujets savent exactement quelle stratégie explicite adopter pour toucher la cible dès le premier essai, le mécanisme cérébelleux implicite continue d’enregistrer la divergence visuelle entre la trajectoire réelle du membre et la trajectoire perçue du curseur, induisant paradoxalement une « surcompensation » non souhaitée par le sujet (comme l’ont magistralement démontré Mazzoni et Krakauer dans leur expérience princeps de 2006).

Cette interaction démontre que la frontière entre adaptation et apprentissage devient poreuse au niveau comportemental : la composante explicite d’une tâche d’adaptation obéit aux mêmes règles opératoires et aux mêmes contraintes cognitives que les phases initiales de l’apprentissage d’une habileté motrice complexe.

6. Contextes d’application et pertinence pratique

6.1 Neuro-réhabilitation et récupération motrice après lésion cérébrale

La distinction entre adaptation sensorimotrice et apprentissage moteur s’avère déterminante dans la prise en charge clinique des déficits neurologiques consécutifs aux accidents vasculaires cérébraux (AVC) ou aux traumatismes crâniens. L’application erronée de paradigmes relevant de l’une des sphères pour pallier un déficit relevant de l’autre mène fréquemment à des échecs thérapeutiques coûteux en rééducation fonctionnelle.

L’utilisation de la thérapie par adaptation prismatique dans le traitement du syndrome de négligence spatiale unilatérale (héminégligence gauche post-AVC pariétal droit), initiée par Yves Rossetti et ses collaborateurs à la fin des années 1990, illustre remarquablement l’exploitation thérapeutique de l’adaptation sensorimotrice. En exposant un patient héminégligent à des lunettes déviant le champ visuel vers la droite (champ sain) pendant qu’il effectue des mouvements de pointage manuels, le cervelet génère une adaptation rapide pour compenser l’erreur. Lorsque les prismes sont retirés, l’effet consécutif automatique dévie l’ensemble de l’orientation corporelle et du système de coordonnées spatiales vers la gauche (côté héminégligé). Cet effet consécutif s’étend au-delà du moteur : il recalibre les réseaux pariétaux résiduels et améliore transitoirement la lecture, le dessin et l’exploration de l’espace gauche. Toutefois, pour que ce bénéfice perdure, la thérapie doit combiner ces séances d’adaptation répétées avec un véritable apprentissage procédural et cognitif d’auto-orientation pour stabiliser la récupération.

Dans la rééducation locomotrice post-AVC, l’utilisation du tapis roulant à courroies divisées (split-belt treadmill) permet de rééduquer l’asymétrie de la marche chez les patients hémiparétiques. En faisant défiler la jambe parétique sur la courroie rapide, le système locomoteur adapte la longueur des pas pour rétablir une symétrie dynamique temporaire. Toutefois, les cliniciens doivent affronter le défi fondamental du transfert et de la rétention : les gains obtenus à la fin d’une séance sur tapis roulant correspondent principalement à un effet consécutif transitoire qui s’efface rapidement dès que le patient remarche sur un sol normal fixe (wash-out). Pour pérenniser ces gains, les protocoles modernes de neuroréhabilitation doivent transformer ces ajustements adaptatifs en apprentissage moteur durable. Cela impose de multiplier les répétitions sur plusieurs mois, d’associer des rétroactions visuelles de renforcement (feedback de réussite) et d’intégrer des sessions d’entraînement fonctionnel diversifié en situation écologique pour engager les réseaux cortico-striataux de la mémoire procédurale.

Le profil lésionnel du patient dicte impérativement la stratégie rééducative :

• Chez un patient présentant une lésion cérébelleuse pure, les protocoles d’adaptation sensorimotrice guidés par l’erreur métrique sont condamnés à l’inefficacité. La thérapie doit impérativement s’orienter vers l’apprentissage par renforcement compensatoire, en s’appuyant sur les ganglions de la base intacts, l’utilisation d’indices cognitifs conscients et des feedbacks de succès binaires pour contourner le déficit de calcul prédictif.
• Chez un patient présentant une lésion striatale ou un syndrome parkinsonien, la capacité d’apprentissage procédural autonome et de consolidation par renforcement est bridée. La rééducation doit alors s’appuyer massivement sur l’intégrité de l’adaptation cérébelleuse implicite et le recours à des guidages sensoriels externes permanents (métronomes auditifs, repères visuels au sol) qui court-circuitent les voies de sélection de l’action défaillantes.

6.2 Ergonomie, conception d’interfaces homme-machine et réalité virtuelle

L’essor des technologies immersives, de la téléopération chirurgicale et des simulateurs industriels confère à la distinction entre adaptation et apprentissage une valeur stratégique en ergonomie cognitive et physique.

Dans les systèmes téléopérés et la robotique chirurgicale (tels que le système Da Vinci), l’un des obstacles majeurs réside dans l’existence incompressible de latences sensorielles (sensorimotor delays) introduites par la transmission des paquets de données numériques et le traitement graphique. Si la latence excède 50 à 100 millisecondes, le système de contrôle prédictif cérébelleux de l’opérateur humain est déstabilisé, car la rétroaction sensorielle parvient au cortex bien après la fin de la prédiction du modèle direct. Le chirurgien débutant entre alors dans une phase d’instabilité marquée par des dépassements de cible (overshoot) et des oscillations motrices. L’adaptation sensorimotrice permet à l’opérateur de recalibrer ses gains de commande pour compenser de faibles retards constants. Cependant, si la latence est variable (gigue réseau), l’adaptation devient impossible. Les concepteurs d’interfaces doivent calibrer les filtres d’amortissement logiciel afin d’offrir une dynamique stable permettant le déploiement d’un véritable apprentissage d’habileté instrumentale, plutôt que de contraindre l’opérateur à une lutte adaptative perpétuelle contre l’interface.

Dans le domaine de la réalité virtuelle (RV), la compréhension de l’adaptation sensorimotrice est la clé de voûte pour éradiquer le cybercinétisme (cybersickness). Ce malaise neurovégétatif émerge d’un conflit sensoriel aigu entre les signaux visuels délivrés par le casque immersif (indiquant un déplacement dans l’espace virtuel) et les afférences vestibulaires et proprioceptives réelles (indiquant l’immobilité physique du corps). L’accélération de l’adaptation sensorimotrice vestibulo-oculaire et visuo-motrice par des transitions graduelles de champ de vision ou des techniques de manipulation du gain de translation permet au cerveau de construire un modèle interne temporaire de l’environnement virtuel, atténuant drastiquement les symptômes nauséeux.

De surcroît, la conception de simulateurs de vol ou de conduite exige une dissociation rigoureuse entre la simple habituation aux commandes d’un matériel donné et le transfert d’une compétence réelle. Un pilote peut afficher d’excellents scores sur un simulateur dont les commandes ont été artificiellement réglées pour faciliter l’adaptation immédiate, sans pour autant consolider les compétences de régulation fine requises dans un cockpit réel. Les simulateurs doivent intégrer un retour haptique haute-fidélité calibré non pas pour flatter l’adaptation rapide du pilote, mais pour solliciter la variabilité d’exploration motrice indispensable à la consolidation de schémas moteurs robustes et transférables dans des conditions météorologiques critiques réelles.

6.3 Entraînement sportif et acquisition d’expertises motrices

Dans l’entraînement sportif d’élite, la frontière entre adaptation et apprentissage dicte la programmation méthodologique des séances, la gestion du matériel technique et la prévention des baisses de performance en compétition.

Tout athlète de haut niveau est confronté de façon récurrente à des fluctuations environnementales et matérielles : modification de la tension du cordage d’une raquette, passage d’une surface de terre battue à du gazon, vent latéral sur un stand de tir ou variation du poids d’une perche d’athlétisme. Ces variations relèvent exclusivement du champ de l’adaptation sensorimotrice. L’athlète expérimenté se distingue du novice non pas par l’absence d’erreurs initiales face au changement, mais par la fulgurance de son recalibrage cérébelleux : il ne lui faut que deux ou trois frappes de balle pour que son modèle interne direct intègre la nouvelle dynamique de l’équipement et annule le biais d’erreur.

Cependant, une confusion méthodologique majeure guette les entraîneurs dans l’exploitation de la variabilité d’entraînement. Il est aujourd’hui admis que l’apprentissage d’habiletés motrices stables requiert un certain degré de variabilité de pratique (paradigmes de pratique variable et d’apprentissage différentiel). Mais cette variabilité doit être savamment orchestrée :

• Si l’on impose des variations aléatoires brutales et imprévisibles à chaque essai (par exemple, modifier arbitrairement la masse d’un javelot d’un jet à l’autre), le système nerveux est constamment saturé par des signaux d’erreur de prédiction sensorielle contradictoires. Cette situation maintient l’athlète dans une boucle perpétuelle de recalibration adaptative et de wash-out immédiat, bloquant le processus de consolidation procédurale de son schéma moteur de base.
• Pour favoriser l’apprentissage moteur structural, la variabilité doit être orientée vers l’exploration des synergies de coordination fonctionnelle (variabilité de tâche guidée par le résultat) tout en maintenant constants les paramètres physiques fondamentaux qui permettent la stabilisation du contrôleur biomécanique.

Enfin, la périodisation des charges d’entraînement doit intégrer la cinétique nocturne de la consolidation mnésique. Puisque l’apprentissage d’une habileté motrice fine requiert des cycles de sommeil pour transférer la trace motrice vers le striatum postérieur et M1, programmer une séance de musculation intense ou une tâche d’adaptation discordante quelques heures seulement après une séance technique complexe crée une interférence rétroactive délétère. Les préparateurs physiques doivent sanctuariser un intervalle temporel de plusieurs heures — et idéalement une nuit de sommeil complète — après l’entraînement technique pour sceller les réseaux synaptiques nouvellement recrutés avant de soumettre les effecteurs à des protocoles provoquant une fatigue neuromusculaire ou des perturbations mécaniques divergentes.

7. Foire aux questions (FAQ)

7.1 L’adaptation sensorimotrice peut-elle être considérée comme une forme d’apprentissage moteur ?

La réponse à cette question dépend du niveau de résolution conceptuelle adopté. Selon une acception biologique large, l’adaptation sensorimotrice est indéniablement une sous-catégorie de l’apprentissage moteur, dans la mesure où elle constitue une modification durable et mesurable du comportement moteur induite par l’expérience et la pratique, médiée par une plasticité synaptique centrale (au niveau cérébelleux).

Cependant, au sens computationnel et neurobiologique strict, la communauté moderne des neurosciences du mouvement (emmenée par des figures comme John Krakauer, Reza Shadmehr ou David Wolpert) privilégie une distinction nette. L’adaptation sensorimotrice n’enrichit pas le répertoire moteur d’une nouvelle compétence ; elle ne fait que calibrer temporairement un contrôleur cinématique existant en ajustant des paramètres métriques. Si l’on retire la perturbation, le sujet revient exactement à son état moteur initial sans avoir accru sa capacité intrinsèque à dissocier la vitesse de la précision. Pour cette raison fondamentale, il est scientifiquement plus rigoureux de réserver le terme d’« apprentissage moteur » à l’acquisition d’habiletés motrices (skill learning) ou à l’apprentissage de novo, et de traiter l’adaptation sensorimotrice comme un processus homéostatique autonome de compensation d’erreur.

7.2 Pourquoi perd-on les effets de l’adaptation sensorimotrice si rapidement après le retrait de la perturbation ?

Cette dissipation rapide — souvent perçue intuitivement comme un défaut de rétention — constitue en réalité une fonction adaptative d’une importance vitale pour la survie de l’organisme. Le système nerveux central est étalonné pour évoluer dans un monde physique aux propriétés stables (la gravité terrestre, l’inertie normale de nos segments squelettiques, les lois de l’optique atmosphérique). Lorsqu’une perturbation artificielle intervient (un outil lourd, des lunettes déformantes), le cerveau adapte temporairement ses prédictions pour maintenir l’efficacité immédiate de l’action.

Toutefois, dès que l’outil est posé ou les lunettes retirées, le maintien d’une telle adaptation deviendrait hautement délétère pour l’exécution des gestes quotidiens (ce dont témoignent les effets consécutifs initiaux où le sujet manque la cible dans l’autre sens). La disparition rapide de l’adaptation (le wash-out) n’est donc pas un « oubli » passif par érosion temporelle, mais un processus de dé-adaptation actif. Ce désapprentissage est immédiatement enclenché par les nouvelles erreurs de prédiction sensorielle massives qui surgissent dès que la perturbation cesse. L’olive inférieure et le cervelet travaillent à rétablir sans délai l’étalonnage écologique fondamental avec le monde physique réel.

7.3 Comment mesurer expérimentalement la part respective de l’adaptation et de l’apprentissage dans une tâche ?

La dissociation méthodologique de ces deux processus au sein d’une tâche motrice complexe s’opère aujourd’hui grâce à des paradigmes computationnels sophistiqués :

• L’utilisation d’essais pièges avec verrouillage visuel (error-clamp trials) : Pour mesurer isolément l’adaptation sensorimotrice implicite, les chercheurs projettent la trajectoire d’un curseur qui est artificiellement contraint à suivre une ligne droite parfaite vers la cible, quelle que soit la direction réelle imprimée par la main du sujet. En imposant un angle fixe ou nul à l’erreur visuelle, on empêche l’apparition de nouvelles erreurs de prédiction sensorielle tout en enregistrant les forces latérales appliquées par le membre. La décroissance progressive de ces forces mesure la dynamique intrinsèque de la dé-adaptation sans interférence avec l’erreur de tâche.
• La quantification des effets consécutifs (after-effects) : L’amplitude de la déviation angulaire observée lors du premier mouvement suivant le retrait inattendu de la perturbation fournit une mesure métrique pure de la recalibration du modèle interne direct.
• La mesure de la frontière vitesse-précision après wash-out complet : Pour quantifier l’apprentissage moteur structural au-delà de l’adaptation, les expérimentateurs soumettent les sujets à une phase de wash-out suffisamment longue pour annuler totalement les after-effects. Si, une fois l’étalonnage revenu à la ligne de base neutre, le sujet continue d’exécuter la tâche avec une variabilité neuromusculaire réduite, une vitesse accrue et une résistance supérieure à la fatigue qu’avant le début de l’expérience, cette amélioration résiduelle découle exclusivement d’un apprentissage moteur procédural stabilisé.

7.4 Les patients cérébelleux sont-ils totalement incapables d’apprendre de nouveaux gestes moteurs ?

Non, les patients atteints de dégénérescence ou de lésions cérébelleuses ne sont pas dépourvus de toute capacité d’apprentissage moteur, bien que leur motricité soit lourdement entravée. Leur déficit est électif : ils sont incapables de réaliser une adaptation sensorimotrice rapide fondée sur le calcul automatique de l’erreur de prédiction sensorielle (dysfonctionnement des voies olivocérébelleuses et des cellules de Purkinje).

En revanche, ces patients possèdent des structures corticales, hippocampiques et sous-corticales (notamment les ganglions de la base) parfaitement fonctionnelles. Ils demeurent donc capables de réaliser un apprentissage moteur par renforcement (guidé par le succès scalaire et la dopamine striatale) et d’élaborer des stratégies cognitives de compensation (re-visée explicite consciente). Des études ont démontré que si l’on propose à un patient cérébelleux une tâche motrice où l’erreur de trajectoire n’est pas corrigible par un modèle interne, mais où la réussite est signalée par un retour auditif clair validant le but atteint, le patient parvient, par essais-erreurs lents et répétitions massives, à sélectionner et consolider une stratégie motrice fonctionnelle. Cependant, ce geste restera toujours privé du lissage métrique et de la précision d’anticipation fine que seul un cervelet intègre peut conférer au mouvement.

8. Conclusion : Synthèse et perspectives en neurosciences du mouvement

8.1 Synthèse des divergences et des complémentarités motrices

L’exploration conjointe de l’adaptation sensorimotrice et de l’apprentissage moteur met en lumière la remarquable architecture modulaire et hiérarchique déployée par le système nerveux central pour résoudre les défis biomécaniques de l’existence. Loin d’être des synonymes ou des processus redondants, ces deux piliers du contrôle moteur opèrent selon des logiques computationnelles et physiologiques diamétralement opposées mais fonctionnellement complémentaires :

• L’adaptation sensorimotrice privilégie la flexibilité réactive immédiate. Gouvernée par les boucles d’erreur cérébelleuses et le comparateur olivocérébelleux, elle garantit l’homéostasie cinématique du corps en ajustant sans délai les gains et les paramètres des commandes descendantes face aux modifications environnementales imprévues. Elle est rapide, implicite, éphémère et s’accompagne d’effets consécutifs révélateurs d’un réétalonnage métrique transitoire.
• L’apprentissage moteur privilégie la stabilité structurale pérenne. Orchestré par les boucles cortico-striées, la modulation dopaminergique de la substance noire et la synaptogenèse néocorticale, il sélectionne, assemble et consolide de nouveaux programmes de coordination fonctionnels. Il est progressif, façonne la frontière vitesse-précision, requiert des cycles de consolidation hors ligne associés au sommeil et grave dans la cytoarchitecture cérébrale des traces mnésiques quasi inaltérables.

Cette alliance symbiotique entre la rapidité de recalibration du cervelet et la robustesse de rétention des ganglions de la base et du cortex moteur permet à l’être humain d’interagir avec virtuosité dans un monde physique aux contraintes infiniment changeantes. Sans l’adaptation sensorimotrice, nos habiletés motrices consolidées se briseraient à la moindre fatigue neuromusculaire ou au plus petit changement d’outil ; sans l’apprentissage moteur, nous serions condamnés à réajuster indéfiniment des mouvements rudimentaires sans jamais parvenir à l’automatisation experte des gestes qui fondent la culture, l’art et l’autonomie humaine.

8.2 Frontières de la recherche et avancées technologiques

Le champ des neurosciences motrices connaît aujourd’hui une accélération sans précédent, portée par des ruptures technologiques majeures qui transforment notre compréhension de ces deux processus :

L’avènement des enregistrements électrophysiologiques par réseaux d’électrodes à haute densité (sondes Neuropixels), couplé à l’optogénétique chez l’animal éveillé en mouvement, permet désormais d’enregistrer et de manipuler simultanément l’activité de milliers de neurones au sein du cortex moteur, du striatum et du cervelet. Ces approches ont révélé l’existence d’une dynamique de population neuronale sous-jacente (neural manifolds) où adaptation et apprentissage s’expriment par des trajectoires distinctes dans l’espace d’états neuronaux : l’adaptation correspond à une rotation transitoire de la trajectoire au sein d’un sous-espace préexistant, tandis que l’apprentissage moteur véritable forge de nouveaux sous-espaces de connectivité neuronale jusqu’alors inexplorés.

Sur le plan de la modélisation computationnelle, l’intégration des théories de l’inférence bayésienne active avec les algorithmes d’apprentissage par renforcement profond (deep reinforcement learning) commence à unifier les mécanismes d’estimation d’état et de sélection de l’action. Les modèles récents d’estimation bayésienne de la variance permettent d’expliquer comment le cerveau quantifie la certitude de ses prédictions pour décider à chaque instant s’il doit adapter un modèle interne existant ou créer de toutes pièces un nouveau contrôleur moteur distinct face à un environnement nouveau.

Enfin, le développement spectaculaire des interfaces cerveau-machine (ICM) ouvre des perspectives thérapeutiques et théoriques vertigineuses. En décodant directement les intentions cinématiques issues des décharges du cortex moteur pour piloter des exosquelettes ou des prothèses robotisées chez des patients tétraplégiques, les ICM confrontent le cerveau à un paradigme d’apprentissage totalement inédit. L’utilisateur doit à la fois adapter ses schémas corticaux aux algorithmes de décodage mathématique de la machine (adaptation réciproque co-adaptative) et apprendre à générer de nouveaux motifs d’activité neuronale synthétiques (apprentissage de novo). Les données issues de ces interfaces confirment que la compréhension intime des lois dissociant l’adaptation sensorimotrice de l’apprentissage moteur constitue le fondement incontournable sur lequel s’écriront les thérapies neurologiques et les interactions technologiques de demain.

Références

• Bastian, A. J. (2006). Learning to predict the future: The cerebellum in motor-control and cognitive functions. Annual Review of Neuroscience, 29, 111–131. https://doi.org/10.1146/annurev.neuro.29.051605.112948
• Doyon, J., Bellec, P., Amsel, R., Penhune, V., Monchi, O., Carrier, J., Lehericy, S., & Benali, H. (2009). Contributions of the basal ganglia and functionally related brain structures to motor learning. Behavioural Brain Research, 199(1), 61–75. https://doi.org/10.1016/j.bbr.2008.11.012
• Fitts, P. M., & Posner, M. I. (1967). Human performance. Brooks/Cole Publishing Company.
• Helmholtz, H. von (1867). Handbuch der physiologischen Optik. Voss.
• Hikosaka, O., Nakamura, K., Sakai, K., & Nakahara, H. (2002). Central mechanisms of motor skill learning. Current Opinion in Neurobiology, 12(2), 217–222. https://doi.org/10.1016/S0959-4388(02)00307-0
• Huang, V. S., Haith, A., Mazzoni, P., & Krakauer, J. W. (2011). Rethinking motor learning and savings in adaptation paradigms: Model-free memory for successful actions upon re-adaptation. Journal of Neuroscience, 31(20), 7272–7281. https://doi.org/10.1523/JNEUROSCI.6628-10.2011
• Krakauer, J. W., Hadjiosif, A. M., Xu, J., Wong, A. L., & Haith, A. M. (2019). Motor learning. Comprehensive Physiology, 9(2), 613–663. https://doi.org/10.1002/cphy.c170043
• Mazzoni, P., & Krakauer, J. W. (2006). An implicit cerebellar adaptation algorithm operates autonomously of conscious intention. PLoS Biology, 4(8), e279. https://doi.org/10.1371/journal.pbio.0040279
• Reis, J., Schambra, H. M., Cohen, L. G., Buch, E. R., Fritsch, B., Zarahn, E., Celnik, P. A., & Krakauer, J. W. (2009). Noninvasive cortical stimulation enhances additive motor skill learning through inter-session consolidation. Proceedings of the National Academy of Sciences, 106(5), 1590–1595. https://doi.org/10.1073/pnas.0805413106
• Rossetti, Y., Rode, G., Pisella, L., Farné, A., Li, L., Boisson, D., & Pérennin, M. T. (1998). Prism adaptation to a rightward optical deviation rehabilitates left hemispatial neglect. Nature, 395(6698), 166–169. https://doi.org/10.1038/25988
• Schultz, W., Dayan, P., & Montague, P. R. (1997). A neural substrate of prediction and reward. Science, 275(5306), 1593–1599. https://doi.org/10.1126/science.275.5306.1593
• Shadmehr, R., & Mussa-Ivaldi, F. A. (1994). Adaptive representation of dynamics during learning of a motor task. Journal of Neuroscience, 14(5), 3208–3224. https://doi.org/10.1523/JNEUROSCI.14-05-03208.1994
• Shadmehr, R., Smith, M. A., & Krakauer, J. W. (2010). Error correction, sensory prediction, and adaptation in motor control. Annual Review of Neuroscience, 33, 89–108. https://doi.org/10.1146/annurev-neuro-060909-153135
• Smith, M. A., Ghazizadeh, A., & Shadmehr, R. (2006). Interacting adaptive processes with different timescales underlie short-term motor learning. PLoS Biology, 4(6), e179. https://doi.org/10.1371/journal.pbio.0040179
• Taylor, J. A., Krakauer, J. W., & Ivry, R. B. (2014). Explicit and implicit contributions to learning in visuomotor adaptation tasks. Journal of Neuroscience, 34(8), 3023–3032. https://doi.org/10.1523/JNEUROSCI.3619-13.2014
• Wolpert, D. M., & Kawato, M. (1998). Multiple paired forward and inverse models for motor control. Neural Networks, 11(7–8), 1317–1329. https://doi.org/10.1016/S0893-6080(98)00066-5
• Wolpert, D. M., Miall, R. C., & Kawato, M. (1998). Internal models in the cerebellum. Trends in Cognitive Sciences, 2(9), 338–347. https://doi.org/10.1016/S1364-6613(98)01221-2