Conditionnement classique vs. conditionnement opérant

L’exploration scientifique des mécanismes par lesquels les organismes vivants s’adaptent à leur environnement constitue l’un des piliers fondateurs de la psychologie moderne. Dès la fin du XIXe siècle, le refus progressif des méthodes introspectives — jugées trop subjectives et invérifiables — a conduit les chercheurs à formuler des cadres expérimentaux rigoureux, centrés sur des phénomènes observables et mesurables. Au cœur de cette révolution scientifique, l’étude de l’apprentissage a révélé que la modification du comportement n’est pas le fruit d’une génération spontanée, mais répond à des lois dynamiques précises régies par les interactions constantes entre l’organisme et son milieu écologique. Deux grands paradigmes émergent alors pour décrire ces transformations adaptatives : le conditionnement classique, initialement formalisé par le physiologiste russe Ivan Pavlov, et le conditionnement opérant, théorisé et systématisé par les psychologues américains Edward Thorndike et B. F. Skinner.

Bien que ces deux approches partagent le postulat fondamental selon lequel l’expérience modifie durablement le répertoire comportemental d’un sujet, elles reposent sur des architectures causales et fonctionnelles profondément distinctes. Le conditionnement classique — ou répondant — s’intéresse à la manière dont des événements environnementaux acquièrent une signification nouvelle par simple association temporelle et prédictive, déclenchant des réponses physiologiques et émotionnelles involontaires. À l’inverse, le conditionnement opérant — ou instrumental — explore la façon dont les actions volontaires d’un individu sont façonnées, sélectionnées ou éliminées par les conséquences directes qu’elles produisent sur l’environnement. Cette distinction fondamentale entre l’apprentissage par stimulus-stimulus et l’apprentissage par réponse-conséquence structure l’ensemble des sciences comportementales contemporaines.

Comprendre la dichotomie et les points de convergence entre le conditionnement classique et le conditionnement opérant n’est pas une simple exigence académique ; il s’agit d’une nécessité pratique pour appréhender la complexité des conduites humaines et animales. De la genèse des troubles anxieux à l’ingénierie pédagogique, de l’éducation canine à la conception des interfaces numériques addictives, ces deux mécanismes opèrent souvent de concert dans les situations écologiques réelles. Le présent article propose une analyse approfondie, conceptuelle, historique et neurobiologique de ces deux modèles, mettant en lumière leurs spécificités fonctionnelles, leurs interactions systémiques et leurs applications thérapeutiques et sociétales contemporaines.

1. Introduction aux paradigmes de l’apprentissage comportemental

1.1 Définition épistémologique du conditionnement classique et du conditionnement opérant

D’un point de vue épistémologique, le conditionnement classique, souvent qualifié de pavlovien ou répondant, se définit comme un processus d’apprentissage par lequel un organisme acquiert la capacité d’émettre une réponse réflexe ou physiologique face à un stimulus qui était initialement neutre. Ce transfert d’efficacité découle de l’association temporelle et statistique répétée entre ce stimulus neutre et un stimulus inconditionnel, ce dernier déclenchant naturellement et biologiquement la réaction observée. Dans ce cadre, la relation causale fondamentale s’articule autour d’une contingence entre deux stimuli (modèle Stimulus-Stimulus ou S-S). L’organisme apprend des régularités prédictives dans son environnement : un événement $A$ signale la survenue imminente d’un événement $B$. Ce type d’apprentissage ne requiert aucune action délibérée du sujet sur son milieu ; il relève d’une réorganisation interne des systèmes de détection et de préparation somatosensorielle face aux signaux du monde extérieur.

En contrepoint direct, le conditionnement opérant, également désigné sous le terme de conditionnement skinnérien ou instrumental, se caractérise par la modification systématique de la probabilité d’apparition, de la forme ou de l’intensité d’un comportement en fonction des conséquences directes que ce comportement engendre dans l’environnement. Ici, le paradigme n’est plus centré sur l’association passive entre deux événements subis, mais sur la relation fonctionnelle unissant l’action motrice de l’organisme et l’effet qui en résulte (modèle Réponse-Conséquence ou R-S, ultérieurement raffiné sous la forme de la contingence à trois termes $S^D \rightarrow R \rightarrow S^R$). L’individu « opère » sur son milieu : si son comportement est suivi d’un événement favorable, sa fréquence future s’accroît ; s’il est suivi d’une conséquence aversive ou de la disparition d’un avantage, sa probabilité d’émission diminue.

L’émergence de ces deux modèles a profondément transformé la psychologie en lui fournissant un ancrage dans les sciences naturelles. En substituant aux concepts d’« âme », de « volonté pure » ou d’« états de conscience inaccessibles » des variables mesurables — telles que la latence de réponse, le débit d’émission, l’amplitude sécrétoire et la résistance à l’extinction —, le conditionnement classique et le conditionnement opérant ont conféré à l’étude de l’esprit une assise empirique et reproductible. Ils représentent ainsi les fondements opérationnels sur lesquels s’est édifiée la psychologie scientifique du XXe siècle, instaurant une méthode d’investigation rigoureuse qui perdure aujourd’hui dans les neurosciences computationnelles et la psychiatrie translationnelle.

1.2 Les origines historiques au sein du mouvement béhavioriste

L’histoire de ces théories s’inscrit dans une rupture épistémologique majeure avec le structuralisme de Wilhelm Wundt et Edward Titchener, dont les protocoles reposaient presque exclusivement sur l’introspection expérimentale. Au tournant du XXe siècle, de nombreux chercheurs constatent l’impasse méthodologique d’une discipline incapable de parvenir à un consensus empirique sur la nature des états internes. La transition vers l’étude objective du comportement trouve ses racines préliminaires dans la réflexologie russe développée par Ivan Setchenov, puis brillamment concrétisée par Ivan Pavlov et Vladimir Bekhterev. Ces physiologistes postulent que l’activité psychique supérieure peut être décomposée en chaînes de réflexes physiologiques, modulables par l’expérience et régis par les lois de l’inhibition et de l’excitation corticales.

Aux États-Unis, cette approche objective résonne avec le pragmatisme philosophique et trouve son manifeste fondateur en 1913, lorsque John B. Watson publie son célèbre article intitulé Psychology as the Behaviorist Views It. Watson y soutient sans détour que la psychologie doit renoncer à toute référence à la conscience pour devenir une branche purement objective des sciences naturelles, dont le but ultime est la prédiction et le contrôle du comportement. Watson s’empare des découvertes pavloviennes pour affirmer que l’ensemble des conduites humaines, y compris les réponses émotionnelles les plus complexes, résulte d’un conditionnement répondant orchestré par l’histoire environnementale du sujet.

Néanmoins, le modèle watsonien centré sur le simple schéma stimulus-réponse ($S\text{–}R$) montre rapidement ses limites pour expliquer les comportements spontanés, exploratoires ou dirigés vers un but. C’est à partir des travaux précurseurs d’Edward Thorndike sur l’apprentissage animal et, plus tard, de la formalisation du béhaviorisme radical par Burrhus Frederic Skinner dans les années 1930, que la discipline connaît son second saut qualitatif. Skinner opère une distinction nette entre le comportement « répondant » (involontaire, déclenché par un stimulus) et le comportement « opérant » (émis spontanément, modulé par ses conséquences). Durant plusieurs décennies, le béhaviorisme dominera les départements universitaires nord-américains, perfectionnant des dispositifs d’expérimentation standardisés et enrichissant continuellement les cadres théoriques de l’apprentissage par les contributions de Clark Hull, Edward Tolman et Kenneth Spence, avant d’engager un dialogue critique avec la révolution cognitive à la fin des années 1960.

1.3 Pourquoi ces deux modèles sont-ils fréquemment confondus ?

En dépit de leur dissemblance fonctionnelle manifeste, le conditionnement classique et le conditionnement opérant sont continuellement amalgamés dans le discours profane, la vulgarisation médiatique et même certains manuels d’introduction aux sciences humaines. Cette confusion récurrente s’explique en premier lieu par le partage d’un corpus lexical rigoureusement identique. Les concepts d’« extinction », de « généralisation », de « discrimination », de « récupération spontanée » et, par-dessus tout, de « renforcement » sont employés dans les deux paradigmes pour désigner des phénomènes formellement comparables, bien que leurs mécanismes sous-jacents different radicalement. Dans le cadre pavlovien, le « renforçateur » désigne historiquement la présentation conjointe du stimulus inconditionnel venant confirmer l’association prédictive ; dans le cadre opérant, le « renforcement » renvoie à l’effet d’une conséquence qui accroît la probabilité future d’une action motrice.

La seconde raison de cette méprise réside dans le fait que, dans les contextes écologiques et cliniques du monde réel, ces deux mécanismes ne se déroulent presque jamais de manière isolée. L’environnement naturel présente une intrication constante des contingences. Prenons le cas d’un animal prédateur qui aperçoit un signal visuel lié à une proie : la vue de la proie déclenche des réactions physiologiques automatiques d’activation sympathique, de salivation et d’attention focalisée (conditionnement classique). Simultanément, la poursuite motrice engagée par le prédateur, ses ajustements de course et le saut final constituent des comportements opérants dont le succès ou l’échec alimentaire modulera la probabilité de réitération future (conditionnement opérant). Cette superposition temporelle masque fréquemment la dualité des mécanismes à l’observateur non averti.

Enfin, la confusion est alimentée par une incompréhension de la chronologie causale régissant l’apprentissage. Il est fréquent d’entendre qualifier de « classique » une situation où un individu modifie sa conduite pour recevoir une récompense, ou inversement d’appeler « opérant » un simple réflexe émotionnel acquis par appariement. La vulgarisation a tendance à réduire le béhaviorisme à une idée globale de manipulation comportementale par la « récompense et la punition », ignorant le distinguo fondamental entre la modification d’un arc réflexe par contiguïté/contingence de signaux et la sélection d’un répertoire moteur par rétroaction environnementale.

2. Le conditionnement classique : fondements, mécanismes et dynamique pavlovienne

2.1 Les travaux précurseurs d’Ivan Pavlov et l’arc réflexe

L’émergence du concept de conditionnement classique est indissociable des recherches menées par le physiologiste russe Ivan Petrovitch Pavlov sur la digestion, travaux couronnés par le prix Nobel de physiologie ou médecine en 1904. C’est en étudiant la régulation nerveuse des glandes salivaires chez le chien à l’aide de canules chirurgicales qu’il observe un phénomène inattendu, initialement qualifié de « sécrétions psychiques ». Les animaux se mettaient à sécréter de la salive non seulement lors du contact direct des substances alimentaires avec la muqueuse buccale, mais également à la simple vue de l’écuelle, au son des bruits de pas du laborantin apportant la nourriture, ou encore à la vue de la silhouette de l’expérimentateur.

Pavlov refuse de reléguer ces manifestations au rang d’artefacts gênants ou de les interpréter par un anthropomorphisme naïf prêtant des pensées ou des désirs conscients aux canidés. Il choisit au contraire de les conceptualiser selon les règles strictes de la neurophysiologie en s’appuyant sur la notion d’arc réflexe. L’arc réflexe représente le trajet nerveux fondamental reliant la stimulation d’un récepteur sensoriel périphérique à la contraction d’un muscle ou à la sécrétion d’une glande, en transitant par des centres nerveux intégrateurs sans intervention nécessaire de la volonté délibérée. Pavlov pose l’existence de deux catégories fondamentales de réflexes :

• Les réflexes inconditionnels (ou innés) : inscrits dans le patrimoine biologique de l’espèce, ils sont automatiques, stéréotypés et ne requièrent aucun apprentissage préalable pour se manifester. Dans son protocole expérimental, la nourriture déposée dans la gueule constitue le Stimulus Inconditionnel (SI), et la salivation immédiate qui en résulte représente la Réponse Inconditionnelle (RI).
• Les réflexes conditionnels (ou acquis) : flexibles et dépendants de l’histoire individuelle, ils apparaissent lorsqu’une liaison fonctionnelle nouvelle est forgée au sein du système nerveux central entre un stimulus environnemental préalablement dépourvu d’effet sécrétoire et le centre nerveux du réflexe inconditionnel.

Cette conceptualisation a permis d’arracher l’étude des facultés adaptatives au vitalisme pour l’ancrer dans les propriétés matérielles du tissu nerveux, démontrant que le cerveau est capable d’établir des ponts fonctionnels entre des domaines sensoriels initialement indépendants en réponse aux régularités du monde extérieur.

2.2 Le protocole d’appariement et la séquence temporelle

L’établissement d’un conditionnement classique obéit à un protocole standardisé rigoureux. Au point de départ, l’expérimentateur isole un Stimulus Neutre (SN). Par définition, ce stimulus — qu’il s’agisse d’une tonalité acoustique précise émise par un métronome, d’un son de cloche ou d’un flash lumineux — ne provoque aucune salivation chez l’animal, se bornant tout au plus à induire un réflexe d’orientation (redressement des oreilles, rotation de la tête vers la source sonore). Le protocole consiste ensuite à présenter ce SN de façon répétée et contingente juste avant ou conjointement avec le Stimulus Inconditionnel (SI).

Après un nombre variable d’appariements, une réorganisation fonctionnelle s’opère : le stimulus neutre change de statut pour devenir un Stimulus Conditionné (SC). Désormais, la simple présentation isolée du SC, en l’absence totale de nourriture, suffit à déclencher la salivation. Cette réponse sécrétoire, bien que physiologiquement analogue à la réponse innée, porte le nom de Réponse Conditionnée (RC) pour marquer son caractère acquis et contingent. Il est fondamental de noter que la RC n’est pas toujours une réplique exacte de la RI ; son amplitude est souvent moindre, sa latence plus longue, et elle s’accompagne parfois de composantes comportementales spécifiques de préparation motrice qui n’apparaissent pas lors du réflexe inné.

L’efficacité de cette association dépend dramatiquement de la disposition chronologique relative des deux stimuli au cours de l’essai d’apprentissage. La recherche expérimentale a formalisé quatre grands arrangements temporels :

• Le conditionnement différé (delay conditioning) : le SC apparaît en premier et persiste jusqu’à ce que le SI soit administré, les deux stimuli se chevauchant brièvement à la fin. Ce paradigme est de loin le plus robuste et produit l’acquisition la plus rapide et la plus stable, en particulier lorsque l’intervalle inter-stimuli (ISI) est court (typiquement de l’ordre de quelques centaines de millisecondes à quelques secondes selon les systèmes de réponse).
• Le conditionnement de trace (trace conditioning) : le SC est présenté puis s’éteint complètement avant le déclenchement du SI. Une période vide — l’intervalle de trace — sépare la fin du SC du début du SI. Ce protocole requiert que l’organisme maintienne une trace mnésique neurale du stimulus signal. Il est plus lent à s’établir et recrute des structures cérébrales supérieures, notamment l’hippocampe et le cortex préfrontal médian.
• Le conditionnement simultané (simultaneous conditioning) : le SC et le SI débutent et cessent exactement en même temps. Paradoxalement, bien que la contiguïté temporelle soit parfaite, ce mode de présentation engendre un conditionnement très faible, voire nul. L’organisme n’extrait aucune valeur prédictive d’un signal qui ne devance pas l’événement biologique signifiant.
• Le conditionnement rétrograde (backward conditioning) : le SI est présenté et se termine avant l’apparition du SC. Dans la majorité des cas, cette configuration n’induit aucun apprentissage excitateur ; elle peut même conférer au SC des propriétés inhibitrices conditionnées, le signal devenant annonciateur de la fin du stimulus inconditionnel et d’une période de sécurité relative.

2.3 Processus fondamentaux : acquisition, extinction et généralisation

La dynamique temporelle du conditionnement répondant est régie par des lois quantitatives universelles que l’on retrouve à travers l’ensemble du règne animal. Le premier de ces processus est la cinétique d’acquisition. La force de la réponse conditionnée suit une courbe d’apprentissage typiquement sigmoïde ou à rendements décroissants : les premiers essais d’appariement engendrent des gains d’intensité de la RC très marqués, puis la courbe s’aplatit progressivement pour atteindre un plateau asymptotique. Cette asymptote d’apprentissage reflète la limite physiologique du système de réponse ainsi que la valeur absolue de renforcement portée par le SI (une intensité de SI plus élevée produit une asymptote plus haute).

Le second processus névralgique est l’extinction expérimentale. Si le stimulus conditionné (SC) est présenté de façon répétée de manière isolée, sans jamais être suivi du stimulus inconditionnel (SI) — rupture de la contingence environnementale —, l’amplitude de la réponse conditionnée diminue progressivement jusqu’à disparaître. L’une des contributions fondamentales de Pavlov a été de prouver que l’extinction ne correspond pas à un effacement ou à un « oubli » de la trace mnésique initiale, mais bien à un nouvel apprentissage actif de nature inhibitrice. Plusieurs phénomènes empiriques démontrent cette persistance du conditionnement d’origine :

• La récupération spontanée : après une session d’extinction complète, si l’on laisse s’écouler un intervalle de rétention au cours duquel le sujet ne rencontre aucun stimulus, la réintroduction du SC réactive immédiatement une réponse conditionnée significative, bien que d’amplitude souvent réduite.
• Le renouvellement (renewal effect) : théorisé exhaustivement par Mark Bouton, ce phénomène montre que si l’extinction est réalisée dans un contexte environnemental distinct du contexte d’acquisition, le retour de l’organisme dans le contexte initial réinstalle instantanément la réponse conditionnée à son plein niveau. L’inhibition apprise lors de l’extinction est hautement contextuelle.
• Le réensemencement (reinstatement) : l’administration isolée et non annoncée du SI après extinction suffit à restaurer la capacité du SC à déclencher la RC lors des tests ultérieurs.

Le troisième processus concerne la généralisation du stimulus et la discrimination. Lorsqu’une réponse conditionnée a été consolidée avec un stimulus donné (par exemple un son d’une fréquence de 1000 Hz), des stimuli acoustiques présentant des caractéristiques physiques similaires (800 Hz ou 1200 Hz) provoquent également la RC, sans entraînement préalable. L’intensité de la réponse diminue à mesure que l’on s’écarte de la valeur physique du stimulus d’origine, décrivant un gradient de généralisation en cloche. À l’opposé, la discrimination représente la capacité de l’organisme à restreindre sa réponse au seul stimulus conditionné pertinent. Elle s’obtient par un apprentissage différentiel au cours duquel un stimulus ($SC^+$) est continuellement associé au SI, tandis qu’un stimulus voisin ($SC^-$) est systématiquement présenté dans le vide, forçant le système nerveux à affiner son pouvoir de résolution perceptif.

Ces observations ont trouvé leur formalisation mathématique majeure dans le célèbre modèle de Rescorla et Wagner (1972). Selon ce modèle, l’apprentissage à chaque essai ($\Delta V$) est proportionnel à la « surprise » de l’organisme, définie comme l’écart entre la valeur maximale prédite par le SI ($lambda$) et la somme des valeurs associatives de tous les stimuli présents lors de cet essai ($\Sigma V$) :

$$\Delta V_A = \alpha_A \beta (\lambda – V_{total})$$

Ce formalisme élégant explique avec une précision remarquable pourquoi l’apprentissage plafonne lorsque l’événement devient parfaitement prévisible, et pose les bases mécanistiques des phénomènes de blocage (blocking) et d’inhibition conditionnée.

2.4 Bases neurobiologiques de l’apprentissage pavlovien

L’exploration des substrats neuronaux du conditionnement classique a permis d’identifier avec une finesse anatomique sans précédent les circuits cérébraux responsables de ces modifications plastiques. Ces réseaux varient selon la nature de la réponse étudiée, mais ils partagent tous le recours à des mécanismes de plasticité synaptique dépendante de la coïncidence temporelle, dont le prototype par excellence est la potentialisation à long terme (LTP).

Dans le domaine du conditionnement classique de la peur (ou conditionnement aversif pavlovien), le complexe nucléaire de l’amygdale joue le rôle de carrefour intégrateur central. Les informations sensorielles relatives au stimulus neutre/conditionné (par exemple un son) et au stimulus aversif inconditionnel (par exemple un léger choc électrique podal) convergent simultanément au sein des neurones du noyau latéral de l’amygdale (LA). Le signal auditif transite via deux voies distinctes : une voie rapide sous-corticale directe issue du thalamus acoustique, et une voie plus lente mais plus résolue traversant le cortex auditif primaire. Le choc électrique atteint quant à lui ce même noyau par les voies spinothalamiques nociceptives. Lorsque les potentiels d’action générés par le SI dépolarisent intensément la membrane post-synaptique des neurones amygdaliens précisément au moment où les terminaisons synaptiques véhiculant le SC libèrent du glutamate, le blocage magnésien des récepteurs NMDA est levé. Cela entraîne un afflux massif d’ions calcium ($Ca^{2+}$), enclenchant des cascades de seconds messagers intracellulaires (notamment les voies MAPK et CREB) et une augmentation permanente de l’insertion de récepteurs AMPA fonctionnels.

En conséquence de cette modification synaptique, la transmission nerveuse issue du SC devient capable, à elle seule, de décharger les neurones du noyau latéral. Ces derniers projettent à leur tour vers le noyau central de l’amygdale (CeA), véritable tour de contrôle qui orchestre les multiples composantes de la réponse de peur : des projections sur la substance grise périaqueducale (PAG) déclenchent l’immobilité défensive (freezing), des projections sur l’hypothalamus latéral activent le système nerveux autonome sympathique (tachycardie, hypertension), et des axones vers le noyau paraventriculaire de l’hypothalamus stimulent l’axe hypothalamo-hypophyso-surrénalien pour provoquer la sécrétion de corticostéroïdes.

Dans le cadre du conditionnement moteur simple, dont le modèle classique est le réflexe de clignement palpébral (eyeblink conditioning) chez le lapin ou l’être humain, c’est le cervelet qui assure l’intégralité de l’apprentissage. Les signaux du SC (un son) sont acheminés par les fibres moussues issues des noyaux du pont vers les cellules granulaires et leurs fibres parallèles, tandis que les signaux du SI (un souffle d’air cornéen) sont transmis par les fibres grimpantes issues de l’olive inférieure. La convergence de ces deux afférences sur les épines dendritiques des cellules de Purkinje induit une dépression à long terme (LTD) des synapses entre fibres parallèles et cellules de Purkinje. Dans la mesure où les cellules de Purkinje exercent une action inhibitrice GABAergique sur les noyaux cérébelleux profonds (notamment le noyau interposé), cette LTD se traduit par une désinhibition fonctionnelle du noyau interposé. Il en résulte que le son acquiert la capacité d’activer le noyau interposé, qui commande alors les motoneurones du nerf facial pour abaisser la paupière avant même l’arrivée du jet d’air, réalisant ainsi une réponse motrice anticipatoire parfaitement synchronisée.

3. Le conditionnement opérant : lois de l’effet, contingences et approche skinnérienne

3.1 De la boîte à problèmes de Thorndike au béhaviorisme de Skinner

Alors que Pavlov explore en Russie les propriétés de l’arc réflexe, le psychologue américain Edward Lee Thorndike pose à l’université Columbia les bases de l’apprentissage instrumental à travers ses travaux pionniers sur l’intelligence animale publiés à la fin du XIXe siècle. Thorndike place des chats affamés à l’intérieur de dispositifs expérimentaux en bois qu’il baptise « boîtes à problèmes » (puzzle boxes). Pour s’échapper et atteindre une portion de nourriture disposée à l’extérieur, le félin doit manipuler un mécanisme spécifique, tel que tirer sur une boucle de corde, presser un loquet ou abaisser une pédale pivotante.

En observant méticuleusement le comportement des animaux et en chronométrant le temps requis pour chaque évasion, Thorndike constate l’absence totale d’« illumination » soudaine (insight) qui trahirait une compréhension rationnelle du mécanisme. Le comportement initial de l’animal est désordonné : il griffe les barreaux, s’étire, mord le bois et tente de passer la tête. Au cours de cette activité erratique qualifiée d’« essais et erreurs », l’animal finit par activer fortuitement le levier libérateur. Replacé successivement dans la boîte, le temps de latence de sortie ne chute pas brutalement, mais décline de manière progressive et continue. De ces observations, Thorndike formule en 1898 la célèbre loi de l’effet :

« Tout acte qui, dans une situation donnée, produit une satisfaction, devient associé à cette situation, de sorte que lorsque la situation se reproduit, l’acte a plus de chances de se reproduire. Tout acte qui produit un inconfort voit son association avec la situation affaiblie. »

Thorndike y adjoint la loi de l’exercice, postulant que les connexions entre le stimulus environnemental et la réponse motrice sont renforcées par la répétition fréquente de l’association ($S\text{–}R$). Toutefois, ce cadre restait mécaniste et présupposait que l’organisme était passif, subissant la formation mécanique d’habitudes motrices gravées par le plaisir ou la douleur.

Il faut attendre les années 1930 pour que B. F. Skinner repense intégralement le problème et fonde le béhaviorisme radical. Skinner récuse la vision thorndikienne de l’essai-erreur guidé par des états subjectifs comme la « satisfaction ». Pour systématiser ses observations, il invente un appareil qui révolutionnera la psychologie expérimentale : la boîte de conditionnement opérant, universellement connue sous le nom de « boîte de Skinner » (Skinner box). Ce compartiment d’isolation acoustique et visuelle comprend un manipulateur standardisé (un levier pour les rats, une clé translucide à picorer pour les pigeons), un distributeur automatique de granules alimentaires ou d’eau, et des sources de stimulation environnementale (voyants lumineux, haut-parleurs, plancher grillagé électrifiable). Skinner adjoint à cet appareil un enregistreur cumulatif à tambour d’encre mécanique, permettant de transcrire en continu le débit précis de réponses dans le temps sans intervention humaine perturbatrice.

Grâce à ce dispositif, Skinner opère une rupture conceptuelle majeure : le rat n’est pas « forcé » d’agir pour sortir de la boîte. L’animal explore librement, et ses actions s’inscrivent dans une temporalité ouverte. Skinner nomme comportement opérant toute conduite motrice émise spontanément par l’organisme qui opère une modification sur le milieu physique ou social, modification qui rétroagit à son tour sur la probabilité future d’émission de cette conduite. Le focus analytique se déplace ainsi de la connexion associative passive $S\text{–}R$ vers la sélection adaptative par les conséquences.

3.2 La contingence à trois termes (ABC : Antecedent, Behavior, Consequence)

L’édifice théorique du conditionnement opérant repose sur un modèle d’une grande rigueur formelle : la contingence à trois termes, souvent désignée par l’acronyme anglophone ABC pour Antecedent – Behavior – Consequence (Antécédent – Comportement – Conséquence). Ce schéma formalise l’interdépendance structurelle qui lie l’état de l’environnement, l’acte moteur et l’impact écologique de cet acte :

$$S^D \rightarrow R \rightarrow S^R$$

Le premier terme est le stimulus antécédent, ou stimulus discriminatif ($S^D$). Contrairement au stimulus conditionné pavlovien, le stimulus discriminatif ne provoque pas, n’extrait pas et n’élicite pas la réponse de manière obligatoire ou réflexe. Il remplit une fonction de signalétique probabiliste : sa présence informe l’organisme que la relation de contingence entre son comportement et la conséquence est actuellement opérationnelle. Par exemple, si un voyant vert est allumé ($S^D$), l’appui sur le levier entraînera la distribution d’un granule de nourriture ; si le voyant est éteint ($S^\Delta$, « S-delta »), le même appui restera stérile. Par apprentissage discriminatif, l’animal apprend à restreindre son activité motrice aux seules périodes où le $S^D$ est actif, manifestant ce que Skinner a nommé le contrôle par le stimulus (stimulus control).

Le second terme est la réponse opérante ($R$). Il est crucial de souligner que la réponse opérante ne se définit pas par sa morphologie biomécanique exacte (si le rat pousse le levier avec sa patte droite, sa patte gauche ou son museau), mais par son appartenance à une même classe fonctionnelle d’opérants. Tous les mouvements qui aboutissent à l’activation mécanique du commutateur et déclenchent l’interrupteur forment une unique et même classe opérante, unie par son effet commun sur l’appareil.

Le troisième terme est la conséquence ou stimulus renforçateur ($S^R$). Il s’agit de la modification environnementale survenant immédiatement après la production de la réponse. La nature spécifique de cette conséquence et la relation probabiliste étroite (la contingence) qui la lie à la réponse déterminent mathématiquement le sort du comportement : augmentation de sa fréquence d’apparition, maintien d’un débit stable, ou au contraire raréfaction et disparition progressive. La contingence à trois termes démontre que le comportement n’est ni purement autonome ni purement réactif : il est une fonction interactive continue de l’histoire des conséquences antérieures vécues par le sujet dans des contextes discriminatifs donnés.

3.3 Typologie des conséquences : renforcements et punitions

L’analyse comportementale appliquée repose sur une typologie rigoureuse à quatre quadrants, issue du croisement systématique de deux dimensions fondamentales : l’effet sur la fréquence du comportement (augmentation ou diminution) et la nature de l’opération environnementale appliquée (addition ou retrait d’un stimulus). La clarté épistémologique impose de définir chaque terme avec une précision chirurgicale, exempte de tout jugement moral ou subjectif :

• Le renforcement positif ($R^+$) : désigne une procédure dans laquelle l’émission d’une réponse opérante est immédiatement suivie par l’introduction, la présentation ou l’augmentation d’intensité d’un stimulus appétitif (agréable, désirable ou biologiquement valorisé). Cette contingence a pour effet fonctionnel direct d’accroître ou de maintenir la probabilité future d’occurrence de ce comportement. Exemples : un pigeon reçoit un grain de blé lorsqu’il picore une cible lumineuse ; un élève reçoit des félicitations verbales descriptives lorsqu’il termine son exercice de mathématiques.
• Le renforcement négatif ($R^-$) : désigne une procédure dans laquelle l’émission de la réponse opérante est immédiatement suivie par l’arrêt, le retrait, la réduction ou l’évitement d’un stimulus aversif (désagréable, douloureux ou délétère). L’effet fonctionnel est rigoureusement le même que pour le renforcement positif : il provoque l’augmentation de la probabilité d’occurrence du comportement. Il se subdivise classiquement en deux dynamiques :
  • L’échappement : le stimulus aversif est déjà présent dans l’environnement, et la réponse y met fin (ex. prendre un antalgique pour faire cesser une céphalée aiguë ; appuyer sur une touche pour couper une alarme stridente).
  • L’évitement : un stimulus précurseur avertit le sujet de l’imminence d’un événement aversif, et la réponse prévient totalement son apparition (ex. attacher sa ceinture de sécurité dès que l’on monte dans un véhicule pour éviter l’activation du signal sonore d’alerte).
• La punition positive ($P^+$) : parfois appelée punition par addition, elle correspond à une procédure où l’émission de la réponse est suivie de l’introduction ou de l’augmentation d’intensité d’un stimulus aversif. Cette procédure a pour conséquence fonctionnelle directe de diminuer la fréquence, la durée ou l’intensité du comportement cible dans des contextes similaires. Exemples : un chiot reçoit une décharge électrostatique via un collier de contention lorsqu’il aboie ; un individu touche une plaque de cuisson brûlante et retire sa main, la douleur inhibant les futures tentatives d’attouchement de surfaces similaires.
• La punition négative ($P^-$) : également qualifiée de punition par soustraction ou retrait, cette procédure intervient lorsque l’émission de la réponse entraîne la suppression, la suspension ou le retrait d’un stimulus appétitif dont bénéficiait l’organisme. Elle engendre inévitablement la diminution de la probabilité future d’émission du comportement. Deux applications cliniques et éducatives bien connues incarnent ce quadrant :
  • Le coût de la réponse (response cost) : retrait contingent d’une quantité définie d’un bien renforçateur (ex. retrait de points sur un permis de conduire lors d’un excès de vitesse ; retrait de jetons dans un système de points en classe).
  • L’exclusion du renforcement (time-out from positive reinforcement) : retrait temporaire du sujet d’un environnement riche en renforçateurs vers un milieu dépourvu de stimulation appétitive suite à une transgression comportementale.

Il convient de mentionner le principe de Premack (formulé par David Premack en 1959), qui a enrichi cette typologie en montrant qu’un stimulus renforçateur n’a pas besoin d’être un objet physique ou biologique (comme de la nourriture). Selon Premack, les comportements eux-mêmes possèdent une valeur relative sur une hiérarchie de probabilité : une activité à haute probabilité d’occurrence naturelle (comme courir dans une roue pour un rongeur, ou jouer à un jeu vidéo pour un enfant) peut être utilisée efficacement comme un renforçateur positif contingent pour consolider une activité située à un bas niveau de probabilité (comme boire une solution amère ou ranger sa chambre).

3.4 Les programmes de renforcement continu et intermittent

L’un des apports méthodologiques les plus prodigieux de B. F. Skinner et Charles Ferster réside dans la démonstration systématique que la relation entre le comportement et ses conséquences n’a nullement besoin d’être continue pour être efficace. Si le renforcement continu (CRF, Continuous Reinforcement) — où chaque émission d’un comportement est scrupuleusement récompensée — est idéal pour la phase initiale d’acquisition d’un nouveau comportement, il s’avère extrêmement vulnérable à l’extinction dès que les conséquences cessent d’être distribuées.

Dans la nature comme dans les structures sociales élaborées, le renforcement est presque exclusivement intermittent (ou partiel). Skinner a codifié quatre programmes de base de renforcement intermittent, structurés autour de deux axes : la règle de distribution (dépendante du nombre de réponses : ratio, ou dépendante de l’écoulement du temps : intervalle) et la régularité de cette règle (valeur fixe ou valeur variable) :

• Programme à proportion fixe (Fixed Ratio – FR) : le renforçateur est délivré après un nombre constant et prédéterminé de réponses opérantes. Par exemple, dans un programme FR-10, l’animal doit presser le levier exactement dix fois pour recevoir un granule. La cinétique comportementale engendrée par le FR est très caractéristique : elle produit un débit de réponse élevé et soutenu (le run rate), immédiatement suivi, dès l’obtention du renforçateur, d’une période de pause comportementale transitoire appelée « pause post-renforcement » (post-reinforcement pause). Plus le ratio exigé est élevé, plus la pause post-renforcement s’allonge. Si l’exigence est augmentée trop brutalement, le comportement peut s’effondrer par épuisement du ratio (ratio strain).
• Programme à proportion variable (Variable Ratio – VR) : le renforçateur est distribué après un nombre imprévisible de réponses, articulé autour d’une moyenne statistique. Dans un programme VR-50, le sujet peut être renforcé après 3 réponses, puis après 95 réponses, puis après 52, la moyenne sur l’ensemble de la session étant de cinquante réponses par renforçateur. Ce programme engendre un débit de réponses remarquablement rapide, continu et linéaire, dépourvu de pauses post-renforcement. L’organisme ne pouvant anticiper la proximité de l’événement renforçant, l’incertitude agit comme un puissant catalyseur comportemental. Ce schéma sous-tend la mécanique fondamentale des machines à sous, des loteries et de la grande majorité des jeux de hasard.
• Programme à intervalle fixe (Fixed Interval – FI) : la conséquence est rendue accessible seulement après l’écoulement d’une durée chronologique fixe depuis le dernier renfort. La première réponse motrice survenant une fois cette durée expirée déclenche la livraison du stimulus appétitif. Dans un FI-60 secondes, les réponses émises durant les 59 premières secondes sont enregistrées mais restent sans effet ; la réponse émise à la 60e seconde est récompensée. Ce programme façonne un profil graphique extrêmement singulier appelé le feston d’intervalle fixe (FI scallop) : immédiatement après le renforcement, l’organisme marque une longue pause inactive, puis le débit de réponse s’accélère progressivement de manière exponentielle à mesure que l’échéance du temps critique approche. L’étude intensive des étudiants révisant un examen semestriel uniquement dans les derniers jours précédant l’épreuve illustre parfaitement le feston de l’intervalle fixe.
• Programme à intervalle variable (Variable Interval – VI) : le renforçateur devient accessible après des durées temporelles variables fluctuant autour d’une valeur moyenne déterminée. Dans un VI-30 secondes, l’intervalle d’attente requis peut être de 5 secondes, puis de 45 secondes, puis de 20 secondes. Ce protocole génère un débit de réponse modéré mais d’une constance absolue, produisant des courbes cumulatives plates d’une stabilité métronomique. La vérification régulière de la boîte de réception de ses courriels ou de messages électroniques non sollicités constitue une analogie contemporaine flagrante du programme VI.

L’une des découvertes les plus fondamentales issues de l’étude de ces programmes est le phénomène de résistance accrue à l’extinction induit par le renforcement partiel (PREE, Partial Reinforcement Extinction Effect). Un comportement consolidé sous un programme de renforcement intermittent (spécialement en ratio variable) persiste infiniment plus longtemps lors d’une phase de rupture totale des renforcements qu’un comportement appris sous renforcement continu. L’organisme habitué à des périodes prolongées de non-renforcement ne perçoit pas immédiatement la transition vers l’extinction définitive, maintenant ainsi sa production motrice avec une ténacité prodigieuse.

4. Différences fondamentales entre conditionnement classique et opérant

4.1 Nature de la réponse : comportement réflexe contre comportement volontaire

L’analyse comparative de ces deux architectures comportementales met en relief une distinction ontologique de premier ordre : la nature biologique et fonctionnelle de la réponse émise. Dans le conditionnement classique, la réponse est dite élicitée (provoquée de façon nécessaire par une stimulation antécédente). Le comportement appartient en grande majorité au domaine des réflexes végétatifs, viscéraux et autonomes, sous le contrôle du système nerveux parasympathique et sympathique. Il s’agit de sécrétions glandulaires (salive, sueur, sucs gastriques), de modifications cardiovasculaires (vasodilatation, variations du rythme cardiaque), de spasmes musculaires involontaires (myosis, réflexe pupillaire, sursaut) ou d’états affectifs primaires (peur viscérale, dégoût). Le sujet ne dispose d’aucun contrôle volitif sur ces réactions ; elles s’imposent à lui de manière mécanique dès lors que la connectivité synaptique reliant le SC au centre de commande réflexe est activée.

À l’opposé, dans le conditionnement opérant, la réponse est dite émise par l’organisme. Le comportement relève ici de l’appareil musculosquelettique somatique strié, gouverné par les aires motrices corticales, les ganglions de la base et les voies pyramidales et extrapyramidales. L’action — qu’il s’agisse de marcher, d’appuyer sur un bouton, de manipuler un objet, de vocaliser ou de rédiger un texte — présente une plasticité biomécanique considérable. Elle s’inscrit dans un répertoire ouvert, capable de générer des variantes topographiques inédites. Il ne s’agit pas d’une réponse réflexe imposée de l’extérieur par un déclencheur automatique, mais d’une initiative motrice que l’organisme déploie dans le champ environnemental, lui conférant un degré élevé de flexibilité adaptative et de créativité comportementale par le biais du façonnement (shaping).

4.2 Chronologie causale et rôle des stimuli

La directionnalité temporelle et la causalité constituent le deuxième grand axe de différenciation entre les deux modèles. Dans le conditionnement pavlovien, l’agencement temporel est prospectif et unilatéralement centré sur l’événement antécédent. Le stimulus signifiant ($SC$) précède rigoureusement la réponse ($RC$), et la survenue du stimulus inconditionnel ($SI$) est absolument indépendante du comportement du sujet. Que le chien de Pavlov salive abondamment, qu’il aboie ou qu’il reste pétrifié, la viande lui sera invariablement présentée à l’instant fixé par l’expérimentateur. L’organisme n’exerce aucune maîtrise sur son destin ; il apprend simplement à décoder l’ordre séquentiel des signaux de son biotope.

Dans le conditionnement opérant, la logique causale est rétroactive et repose sur la rétroaction (feedback). Si le stimulus discriminatif ($S^D$) se situe en amont du comportement, il ne cause pas l’action : il signale seulement une opportunité d’action. L’événement décisif qui sélectionne et module la force du comportement survient après l’exécution de la réponse. La délivrance de la conséquence ($S^R$) est strictement contingente à la performance motrice de l’individu : si et seulement si l’organisme produit la réponse ciblée, la conséquence apparaîtra. Le flux temporel est donc orienté de l’action vers l’effet, instaurant un mécanisme de sélection ontogénétique directement comparable à la sélection naturelle darwinienne : de même que les mutations génétiques avantageuses sont retenues par l’environnement au fil des générations, les classes de comportements opérants produisant des conséquences adaptatives sont sélectionnées et conservées dans l’histoire de vie de l’individu.

4.3 Statut et posture de l’organisme

De ces caractéristiques structurelles découle une différence fondamentale quant à la posture écologique de l’organisme au sein de son environnement. Dans le cadre du conditionnement répondant, l’animal ou l’être humain se trouve dans une posture fondamentalement passive ou réactive. L’organisme subit les régularités statistiques de son univers physique. Les liaisons associatives se forgent en lui sous la contrainte de la répétition des contingences sensorielles externes. L’individu s’ajuste sur le plan homéostatique et physiologique aux changements imminents du milieu, mais il ne change rien à la structure concrète de ce milieu.

Dans l’univers opérant, l’organisme est pleinement acteur et interventionniste. Il adopte une posture proactive, exploratoire et modificatrice. Par son activité cinétique, il produit un travail mécanique sur son milieu physique et transforme l’état du système environnant pour maximiser l’accession aux ressources biologiques ou écologiques vitales et minimiser les expositions à la douleur ou à la privation. L’opérant confère au vivant une autonomie agentique : par l’apprentissage de la relation d’action-conséquence, l’organisme ne se contente plus de prédire le futur par des ajustements réflexes internes, il produit activement les états futurs du monde dans lequel il évolue.

4.4 Matrice comparative des dimensions d’analyse

Afin de synthétiser avec une rigueur formelle l’ensemble de ces divergences structurelles, le tableau suivant présente une comparaison analytique point par point des composantes majeures régissant le conditionnement classique et le conditionnement opérant :

Dimension d’analyse	Conditionnement classique (Pavlovien / Répondant)	Conditionnement opérant (Skinnérien / Instrumental)
Paradigme théorique fondamental	Apprentissage par association de stimuli (relation $S\text{–}S$). Un signal prédit un événement biologiquement signifiant.	Apprentissage par les conséquences de l’action (relation $R\text{–}S$). Une action modifie la probabilité de ses conséquences.
Pères fondateurs et figures de référence	Ivan Pavlov, Vladimir Bekhterev, John B. Watson.	Edward Thorndike, Burrhus F. Skinner, Charles Ferster.
Nature de la réponse comportementale	Involontaire, réflexe, neurovégétative, glandulaire ou émotionnelle.	Volontaire, spontanée, somatosensorielle, motrice et striée.
Mécanisme de déclenchement	La réponse est élicitée (provoquée obligatoirement par un stimulus antécédent).	La réponse est émise (produite spontanément par le sujet dans l’environnement).
Agencement temporel des événements	Le stimulus conditionné ($SC$) précède immédiatement le stimulus inconditionnel ($SI$), sans rôle de l’action.	Le comportement ($R$) précède immédiatement la conséquence ($S^R$). Le stimulus antécédent ($S^D$) pose le contexte.
Dépendance de la conséquence au comportement	Indépendante : le stimulus inconditionnel est administré quel que soit le comportement de l’organisme.	Strictement dépendante : la conséquence (renforçateur ou punition) n’apparaît que si l’action est exécutée.
Substrats neurobiologiques principaux	Amygdale (noyaux latéral et central), cervelet (cellules de Purkinje, noyau interposé), voies du système autonome.	Ganglions de la base (striatum dorsal et ventral), cortex préfrontal, voies dopaminergiques mésocorticolimbiques.
Mécanismes d’extinction	Disparition graduelle de la $RC$ par présentations répétées du $SC$ seul, sans jamais de $SI$.	Diminution graduelle du débit de $R$ lorsque l’action n’est plus jamais suivie de la conséquence renforçante.
Phénomènes de maintien	Récupération spontanée, renouvellement contextuel, réensemencement après latence.	Résistance majeure à l’extinction médiée par les programmes de renforcement intermittent variable.
Postulat sur l’organisme	Sujet réactif qui s’ajuste physiologiquement aux régularités du monde extérieur sans le modifier.	Agent actif qui intervient mécaniquement sur son biotope pour façonner intentionnellement ses états futurs.
Domaine d’application clinique privilégié	Étiologie et traitement des phobies spécifiques, désensibilisation systématique, contre-conditionnement émotionnel.	Gestion comportementale, réadaptation éducative, analyse appliquée du comportement (ABA), économie de jetons.

Cette matrice comparative met en exergue l’équilibre épistémologique existant entre les deux paradigmes : là où le conditionnement classique modélise la manière dont le système nerveux cartographie les liens de causalité du monde extérieur pour préparer le milieu intérieur, le conditionnement opérant formalise la manière dont ce même système nerveux apprend à agir sur ce monde extérieur pour optimiser sa trajectoire vitale.

5. Similitudes conceptuelles et convergences théoriques

5.1 Processus adaptatifs partagés

En dépit des lignes de démarcation nettes qui séparent la réponse réflexe de l’action motrice instrumentale, le conditionnement classique et le conditionnement opérant convergent vers des principes dynamiques communs d’une remarquable élégance. Tous deux constituent avant tout des solutions évolutives sélectionnées par la phylogenèse pour assurer l’adaptation ontogénétique des espèces au sein d’environnements intrinsèquement fluctuants et imprévisibles.

Le premier processus partagé est la vulnérabilité universelle à l’extinction en cas de rupture de contingence. Dans l’un comme dans l’autre modèle, si l’environnement cesse d’honorer la règle associative — que le $SC$ ne livre plus de $SI$, ou que le comportement $R$ ne génère plus de conséquence $S^R$ —, la force du comportement s’amenuise de manière asymptotique. Cette extinction obéit aux mêmes règles d’inhibition active : dans les deux cas, le comportement peut réémerger sous l’effet de la récupération spontanée après un temps de repos, prouvant que la plasticité synaptique originelle demeure latente et n’a pas été physiquement effacée.

Le deuxième processus commun concerne les dynamiques de généralisation et de discrimination. Un organisme conditionné de manière répondante à craindre un stimulus sonore de 1 000 Hz manifestera une frayeur proportionnelle à l’écoute d’un son de 900 Hz. De façon rigoureusement symétrique, un pigeon entraîné sous conditionnement opérant à picorer un disque jaune clair pour obtenir du maïs transférera spontanément son comportement de picorage vers un disque ocre ou jaune foncé. Dans les deux cas, un entraînement discriminatif rigoureux — confrontant le sujet à des stimuli appariés/renforcés et des stimuli non-appariés/non-renforcés — permet de resserrer le champ d’activation du comportement pour atteindre un calibrage perceptif optimal. Ces convergences démontrent que les processus de traitement de l’information perceptive opérant en amont de la prise de décision neuronale s’appuient sur des algorithmes computationnels similaires, qu’il s’agisse de piloter un arc réflexe ou une chaîne motrice complexe.

5.2 Rôle déterminant de la contingence et de la contiguïté

L’histoire de la psychologie scientifique a longtemps été marquée par le dogme de la contiguïté temporelle, hérité des philosophes associationnistes britanniques comme John Locke et David Hume. Selon cette conception initiale, il suffisait que deux événements surviennent à un intervalle temporel extrêmement bref pour qu’un lien associatif se forge automatiquement au sein du cerveau. Or, les révolutions expérimentales menées à partir de la fin des années 1960 — particulièrement les travaux fondateurs de Robert Rescorla en conditionnement classique et de Leon Kamin sur l’attention sélective — ont démontré que la simple proximité temporelle est une condition ni nécessaire, ni suffisante pour produire un apprentissage solide.

Le paramètre décisif et unificateur des deux modèles est la contingence statistique, c’est-à-dire la valeur prédictive ou la corrélation informationnelle existant entre les deux événements. Rescorla (1968) a prouvé avec éclat que si un rat est exposé à un nombre égal de stimuli neutres et de chocs électriques, mais que la probabilité d’avoir un choc en présence du son $P(SI|SC)$ est rigoureusement identique à la probabilité de subir un choc en l’absence du son $P(SI|\text{non } SC)$, aucun conditionnement classique n’apparaît, malgré des dizaines de cas de contiguïté temporelle fortuite. Le système nerveux n’apprend que si le stimulus conditionné réduit l’incertitude quant à l’occurrence de l’événement biologique signifiant. Le $SC$ doit agir comme un informateur fiable.

Ce principe de contingence s’applique avec une force rigoureusement égale dans le conditionnement opérant. Si un patron félicite ses employés de manière totalement aléatoire, indépendamment de la qualité ou de la fréquence de leur travail, ou si un enseignant délivre des récompenses à intervalles réguliers sans lien d’exclusivité avec une performance académique précise, le comportement ne se développe pas. L’organisme doit détecter une corrélation différentielle : la probabilité de recevoir le renforçateur sachant que l’action est produite doit être significativement différente de la probabilité de l’obtenir sans avoir agi ($P(S^R|R) \neq P(S^R|\text{non } R)$). Ce primat de l’information sur la contiguïté physique témoigne de la nature profondément cognitive et computationnelle des architectures sous-tendant les deux types de conditionnement.

De surcroît, le phénomène de blocage de Kamin (1969) confirme cette règle dans les deux champs : si un organisme a préalablement appris qu’un stimulus $A$ prédit parfaitement une conséquence (qu’il s’agisse d’un $SI$ pavlovien ou d’un $S^R$ opérant), et qu’on lui présente ensuite un stimulus composé $AB$ couplé à cette même conséquence, le sujet n’apprend absolument rien sur le stimulus $B$. Bien que $B$ soit en parfaite contiguïté temporelle avec le résultat final, sa présence n’apporte aucun supplément de valeur prédictive ; il est donc cognitivement et synaptiquement ignoré. Ce blocage démontre que l’apprentissage est régi par le calcul d’une erreur de prédiction, commune aux deux paradigmes.

5.3 Théorie bifactorielle de Mowrer et interactions systémiques

L’illustration la plus spectaculaire et cliniquement pertinente de la convergence fonctionnelle entre conditionnement classique et conditionnement opérant se trouve formalisée dans la célèbre théorie bifactorielle de l’évitement, énoncée par Orval Hobart Mowrer en 1947 et affinée en 1960. Cette modélisation systémique résout avec brio le paradoxe comportemental de l’apprentissage de l’évitement actif, où un sujet apprend à fuir un lieu ou une situation avant même de subir le moindre préjudice physique, maintenant ce comportement protecteur durant des années en l’absence de tout rappel aversif.

Mowrer postule que ce phénomène n’est pas réductible à un mécanisme opérant unique, mais exige l’action coordonnée et séquentielle de deux facteurs opérant en cascade :

1. Le premier facteur : acquisition par conditionnement classique. Un organisme fait l’expérience d’un stimulus inconditionnel traumatique ou aversif ($SI$, tel qu’une douleur physique, une morsure de chien ou un étouffement respiratoire) couplé à des signaux environnementaux initialement neutres ($SN$, comme la présence d’un animal canin, un espace confiné ou un ascenseur). Par appariement pavlovien, ces stimuli neutres se transforment en stimuli conditionnés de peur ($SC$). Dès cet instant, la simple présence de ces signaux élicite de façon réflexe une réponse conditionnée ($RC$) d’angoisse viscérale massive, d’activation sympathique et de détresse psychophysiologique.
2. Le second facteur : maintien par renforcement négatif opérant. Dès que l’organisme perçoit le $SC$ anxiogène ou anticipe son apparition, il produit une réponse motrice somatique d’éloignement, de fuite ou de contournement (comportement d’évitement, $R$). L’exécution immédiate de cette fuite a pour conséquence écologique directe d’interrompre l’exposition au $SC$, ou de prévenir sa rencontre. La cessation ou l’évitement de ce stimulus anxiogène entraîne une baisse abrupte de l’activation émotionnelle aversive. Ce soulagement physiologique interne opère instantanément comme un puissant renforçateur négatif ($S^{R-}$). Par conséquent, le comportement moteur d’évitement est sur-renforcé et voit sa probabilité future d’émission grimper en flèche.

Le cercle vicieux clinique mis en évidence par Mowrer est d’une lucidité redoutable : en fuyant systématiquement et de plus en plus précocement le stimulus conditionné, l’individu s’interdit d’expérimenter la réalité écologique selon laquelle le stimulus inconditionnel ne se produira pas nécessairement. L’évitement opérant isole hermétiquement le conditionnement classique de tout processus naturel d’extinction. Ce modèle intégrateur constitue la clé de voûte théorique utilisée pour modéliser le trouble panique avec agoraphobie, les phobies spécifiques et le trouble obsessionnel-compulsif (dans lequel les compulsions agissent comme des comportements opérants d’évitement réduisant l’angoisse obsédante pavlovienne), démontrant que la psychologie clinique contemporaine ne peut s’affranchir de l’articulation organique de ces deux paradigmes.

6. Quand et comment appliquer chaque modèle : contextes pratiques

6.1 Psychothérapie et prise en charge des troubles anxieux

L’intégration clinique du conditionnement classique et du conditionnement opérant constitue le socle historique et technique des thérapies comportementales et cognitives (TCC). Face à la psychopathologie, le clinicien ne choisit pas arbitrairement entre ces deux approches : il sélectionne le protocole thérapeutique en fonction de la composante fonctionnelle du trouble qu’il cherche à modifier.

Lorsque la cible thérapeutique est une réponse émotionnelle inadaptée, automatique et autonome — telle qu’une détresse phobique, une attaque de panique ou un état de stress post-traumatique —, les protocoles d’intervention dérivent directement des lois du conditionnement classique. La méthode de référence est l’exposition thérapeutique graduée, dont le précurseur direct fut la désensibilisation systématique formalisée par Joseph Wolpe dans les années 1950. Wolpe s’appuie sur le concept de « contre-conditionnement » par inhibition réciproque : un état physiologique incompatible avec l’angoisse (comme une relaxation neuromusculaire profonde selon Jacobson) est associé de façon séquentielle à des représentations imaginaires de plus en plus anxiogènes du stimulus conditionné ($SC$).

Aujourd’hui, l’exposition in vivo ou via des casques de réalité virtuelle privilégie l’extinction pavlovienne directe : le patient est confronté de façon prolongée et répétée au $SC$ anxiogène (ex. se trouver dans une pièce avec une araignée, monter dans un ascenseur) dans des conditions de sécurité physique totale, sans possibilité de fuite immédiate. Cette confrontation suspend l’arrivée du stimulus inconditionnel redouté (l’organisme constate l’absence de morsure ou d’asphyxie). Au bout d’un temps de latence incompressible, la réponse conditionnée sympathique s’épuise naturellement par habituation et par formation d’une trace mnésique corticale inhibitrice (extinction d’origine préfrontale sur l’amygdale), désamorçant définitivement la réactivité phobique.

À l’inverse, lorsque la cible clinique est un déficit comportemental ou le maintien d’actions pathologiques désadaptatives, le thérapeute déploie l’arsenal du conditionnement opérant. Dans la dépression caractérisée, l’activation comportementale s’attaque à la perte d’intérêt et au repli sur soi en programmant méthodiquement des activités gratifiantes réintroduisant des renforçateurs positifs naturels dans la vie quotidienne du patient. Dans la prise en charge du trouble obsessionnel-compulsif (TOC), l’Exposition avec Prévention de la Réponse (EPR) combine magistralement les deux approches : le patient s’expose au signal anxiogène (composante pavlovienne) tout en bloquant volontairement l’émission du rituel de lavage ou de vérification, empêchant ainsi le renforcement négatif opérant de consolider la compulsion.

Enfin, dans le traitement des addictions et des troubles de l’usage de substances, l’ingénierie comportementale contemporaine associe l’extinction des déclencheurs environnementaux (les stimuli contextuels pavloviens associés à la consommation, tels que les lieux, les odeurs ou les objets de consommation) à des protocoles opérants sophistiqués d’administration contingente de renforcements (Contingency Management). Dans ces programmes, la présentation d’analyses toxicologiques urinaires négatives est immédiatement rétribuée par des bons d’achat ou des privilèges concrets, détournant avec succès les circuits de la motivation vers des choix de vie sains.

6.2 Sciences de l’éducation et ingénierie pédagogique

Le milieu scolaire et institutionnel représente un champ d’application massif où le conditionnement classique et le conditionnement opérant s’entrecroisent continuellement, influençant de façon invisible mais déterminante la réussite ou l’échec des apprenants. Une compréhension fine de ces mécanismes permet de concevoir des environnements pédagogiques favorisant la motivation intrinsèque et l’épanouissement intellectuel, tout en évitant les écueils des approches coercitives archaïques.

Le conditionnement classique opère principalement sur le climat émotionnel et motivationnel associé à l’institution scolaire. Si un jeune élève est systématiquement confronté à des humiliations publiques au tableau noir, à des cris de colère de l’enseignant ou à l’angoisse brutale d’évaluations punitives non annoncées, ces événements douloureux jouent le rôle de stimuli inconditionnels générateurs de détresse psychologique. Par association contiguë répétée, les stimuli neutres entourant la scolarité — la matière académique spécifique (ex. les mathématiques), la salle de classe, le manuel scolaire, voire la silhouette de l’enseignant — deviennent des stimuli conditionnés capables de déclencher des réponses viscérales de tétanie motrice, de tachycardie et d’anxiété d’anticipation. L’élève développe une « phobie scolaire » ou un rejet affectif conditionné de l’apprentissage qui handicape lourdement ses capacités de mémoire de travail et ses performances cognitives supérieures.

Le rôle de l’ingénierie éducative consiste donc à pratiquer un conditionnement émotionnel positif : coupler la découverte des savoirs, l’investigation et l’erreur intellectuelle à des signaux d’encouragement, de curiosité partagée et de sécurité psychologique, transformant le cadre académique en un $SC$ appétitif inducteur de bien-être et de disposition cognitive d’ouverture.

Sur le versant opérant, l’ingénierie de la classe moderne s’inspire directement des concepts d’enseignement programmé formulés par Skinner dans les années 1950. Skinner dénonçait avec vigueur la temporalité trop lointaine des récompenses et des punitions scolaires classiques (une note sanctionnant un devoir trois semaines après sa rédaction n’a aucun pouvoir fonctionnel sur la conduite d’apprentissage). Il préconisait de découper le savoir en micro-unités d’acquisition logicielle, où chaque réponse correcte de l’élève est immédiatement validée par une rétroaction positive instantanée, délivrant un renforcement continu lors de la phase d’apprentissage d’un nouveau concept.

De nos jours, ces principes structurent les systèmes d’économie de jetons (token economies) déployés avec succès dans les classes spécialisées ou ordinaires. L’émission de comportements pro-sociaux ou d’efforts académiques soutenus est récompensée sur-le-champ par des jetons ou des points symboliques que l’apprenant pourra ultérieurement échanger contre des privilèges tangibles (temps de lecture libre, responsabilités valorisantes, accès à des jeux éducatifs). Parallèlement, l’analyse comportementale met en garde contre les dérives perverses de l’usage chronique de la punition positive (réprimandes d’hostilité, corvées d’écriture, exclusions). L’usage de stimuli aversifs en éducation n’enseigne jamais le comportement correct de substitution ; il provoque des stratégies opérantes indésirables de dissimulation, de mensonge et d’évitement de l’éducateur, tout en risquant d’induire le syndrome d’impuissance acquise (learned helplessness) décrit par Martin Seligman, dans lequel l’apprenant abandonne toute tentative d’action motrice face à un environnement perçu comme inéluctablement hostile et arbitraire.

6.3 Éthologie appliquée et apprentissage animal

L’entraînement des animaux de compagnie, des animaux de travail (chiens guides d’aveugles, chiens de recherche de stupéfiants) et la gestion des animaux sauvages en milieu zoologique ont connu une révolution éthique et technique sans précédent grâce à la vulgarisation des lois du comportement. Pendant des siècles, le dressage traditionnel s’est fondé sur un contrôle aversif brutal, usant massivement de la punition positive et du renforcement négatif sous contrainte mécanique (colliers étrangleurs, cravaches, privation de nourriture). L’éthologie appliquée moderne a largement banni ces pratiques au profit d’approches bienveillantes scientifiquement fondées sur l’orchestration vertueuse des deux paradigmes du conditionnement.

L’exemple archétypique de cette synergie est l’entraînement au clicker (clicker training), popularisé par Karen Pryor et utilisé aujourd’hui pour dresser des espèces aussi variées que les chiens, les chevaux, les dauphins et les oiseaux de proie. Le dispositif comprend un petit boîtier en plastique muni d’une lamelle métallique émettant un son mécanique sec et bref (« clic-clac »). Le protocole se déploie en deux phases coordonnées :

1. Phase pavlovienne (chargement du clicker) : l’animal est d’abord exposé à des dizaines d’appariements entre le clic sonore (stimulus neutre) et la délivrance immédiate d’une friandise très appétitive (stimulus inconditionnel). Par conditionnement classique, le clic devient un stimulus conditionné ($SC$) et acquiert le statut de renforçateur secondaire conditionné. Il déclenche instantanément une réaction dopaminergique d’anticipation agréable chez l’animal.
2. Phase opérante (le clic comme marqueur ou « pont ») : le son sert désormais d’outil de précision chronologique (bridging stimulus). Lorsque l’entraîneur souhaite façonner un comportement complexe (par exemple, un chien qui doit allumer un interrupteur avec sa truffe), le délai physique requis pour donner manuellement une friandise est trop long ; la contingence temporelle se dissiperait. En cliquant exactement au millième de seconde où la truffe effleure l’interrupteur, l’entraîneur marque le comportement opérant cible avec une netteté chirurgicale, comblant le vide temporel jusqu’à la remise de la nourriture.

Par ailleurs, face à des comportements de réactivité agressive ou de peur chez des animaux traumatisés (comme un chien attaquant les inconnus par terreur viscérale), le recours à la punition opérante aggrave dramatiquement la situation en confirmant à l’animal que la présence de l’humain est associée à la douleur. Les comportementalistes déploient alors des protocoles de contre-conditionnement classique et désensibilisation : l’animal est exposé à la présence de l’inconnu à une distance respectant son seuil de tolérance, tout en recevant continuellement des renforçateurs alimentaires d’une valeur exceptionnelle. La valeur émotionnelle attribuée au stimulus humain est ainsi biologiquement écrasée et reprogrammée de l’aversion vers la curiosité positive, éteignant de ce fait l’agressivité défensive à sa racine physiologique.

6.4 Ergonomie, marketing et technologies numériques

L’économie de l’attention qui caractérise notre monde hyperconnecté puise directement et délibérément ses méthodes dans les découvertes béhavioristes du siècle passé. Les concepteurs d’interfaces numériques, les plateformes de médias sociaux et les professionnels du marketing exploitent quotidiennement des architectures fondées sur le conditionnement classique et opérant pour capter, fidéliser et maximiser l’engagement comportemental des utilisateurs.

Le conditionnement évaluatif pavlovien règne en maître sur le domaine publicitaire. Une marque commerciale ne cherche que rarement à vanter de manière rationnelle les spécifications techniques de ses produits. L’objectif consiste à apparier visuellement et acoustiquement le logo de l’entreprise ou l’emballage du produit ($SN$ destiné à devenir $SC$) avec des stimuli inconditionnels profondément chargés sur le plan émotionnel et hédonique : corps athlétiques parfaits, mélodies entraînantes, panoramas naturels somptueux, célébrités iconiques ou rires d’enfants ($SI$). Par imprégnation répétée, l’évaluation affective attachée au stimulus inconditionnel se transfère sur la marque, de sorte que le consommateur éprouve une sensation de familiarité chaleureuse, de confiance et de plaisir lors de l’apparition du produit dans un rayon de supermarché, orientant ses choix d’achat sans aucune délibération logique consciente.

Sur le front du conditionnement opérant, les géants de la Silicon Valley ont transposé les principes de la boîte de Skinner au cœur des smartphones. L’architecture des applications modernes de divertissement et de réseaux sociaux est une machine de renforcement hautement calibrée :

• Les notifications comme stimuli discriminatifs ($S^D$) : la sonnerie d’un message, la vibration haptique brève dans la poche ou l’apparition d’une pastille rouge vif sur une icône d’application ne sont pas de simples informations neutres. Elles agissent comme des stimuli discriminatifs annonçant que l’émission du comportement de déverrouillage de l’écran et d’ouverture de l’application a une probabilité élevée d’être suivie d’un renforçateur social (un « j’aime », un commentaire, un message valorisant).
• Le geste de défilement infini et de tirage pour rafraîchir (Pull-to-refresh) : ce mouvement du pouce vers le bas pour mettre à jour un flux de contenu a été explicitement conçu sur le modèle mécanique du levier de la machine à sous. Le comportement opérant (glisser le doigt) est placé sous un programme de renforcement à proportion variable (VR). L’utilisateur ignore s’il va découvrir une vidéo humoristique géniale, une notification sentimentale ou un contenu sans intérêt ; c’est précisément l’imprévisibilité de la récompense qui maximise le déversement de dopamine et enracine le comportement de consultation compulsive, rendant l’extinction du réflexe numérique presque impossible à obtenir.
• La ludification (gamification) opérante : barres de progression, séries quotidiennes d’actions (streaks sur les applications d’apprentissage de langues ou de messagerie), déblocage de badges numériques constituent des systèmes de renforcement continu et intermittent imbriqués, exploitant la punition négative (la menace de perdre sa série de 50 jours consécutifs agit comme un puissant stimulus aversif maintenant l’action) pour souder l’usager à la plateforme numérique.

7. Foire aux questions (FAQ)

7.1 Peut-on conditionner simultanément un individu selon les deux méthodes ?

La réponse scientifique à cette question est un « oui » catégorique. Dans la majorité des contextes écologiques naturels et des situations d’apprentissage complexes, le conditionnement classique et le conditionnement opérant ne s’excluent nullement : ils s’opèrent de manière concomitante, interactive et synergique au sein du même organisme.

L’illustration la plus fascinante de cette simultanéité expérimentale se retrouve dans le phénomène d’autoshaping (ou façonnage automatique, découvert par Paul Brown et Herbert Jenkins en 1968). Dans ce protocole, un pigeon est placé dans une boîte expérimentale où une touche lumineuse s’allume brièvement à intervalles réguliers, puis s’éteint au moment exact où de la nourriture est délivrée, sans qu’aucune action ne soit requise de la part de l’oiseau (contingence pavlovienne pure $S\text{–}S$). De manière stupéfiante, bien que le picorage ne soit aucunement nécessaire pour recevoir la nourriture, l’oiseau commence spontanément à picorer vigoureusement la touche lumineuse dès qu’elle s’allume. Deux processus s’entrelacent : sur le plan pavlovien, la lumière est devenue un $SC$ apparié à la nourriture ; sur le plan moteur opérant, l’activation musculaire du bec est immédiatement confirmée et renforcée par l’accès à la mangeoire, fusionnant les dynamiques des deux paradigmes dans une conduite unique.

De même, dans toute situation de travail ou d’entraînement sportif, un individu développe simultanément des conditionnements opérants (perfectionnement des gestes techniques pour obtenir des victoires et des éloges) et des conditionnements classiques (associations émotionnelles entre le gymnase, le regard du coach et des réponses neurovégétatives de stress optimal ou de sidération). Isoler expérimentalement chaque composante exige des dispositifs d’une rigueur exceptionnelle, neutralisant l’une des dimensions par un contrôle strict des contingences.

7.2 Le renforcement négatif est-il synonyme de punition ?

Il s’agit sans conteste de la méprise théorique et sémantique la plus répandue dans le champ de la psychologie vulgarisée. De nombreux éducateurs, managers et journalistes emploient l’expression « renforcement négatif » pour désigner un châtiment, une sanction, une réprimande ou une punition sévère. D’un point de vue scientifique et comportemental, cette assimilation constitue un contresens fonctionnel absolu.

Pour dissiper définitivement cette confusion, il convient de se référer strictement à la définition opérationnelle des termes :

• Le mot « renforcement » indique de façon invariable et univoque que la procédure vise à augmenter, consolider ou maintenir la fréquence future d’un comportement. Tout protocole qualifié de renforcement, qu’il soit qualifié de positif ou de négatif, aboutit à la multiplication de l’action ciblée.
• Le mot « négatif » ne comporte aucun jugement de valeur morale ou qualitative ; il est emprunté aux mathématiques au sens de la soustraction. Il signifie simplement que la conséquence consiste en le retrait, la suppression ou l’interruption d’un stimulus dans l’environnement.

Ainsi, le renforcement négatif désigne l’augmentation d’un comportement rendu efficace parce qu’il permet d’éliminer un élément aversif (ex. fermer une fenêtre pour faire cesser un courant d’air glacial ; prendre un analgésique pour faire disparaître une douleur physique intense). Le comportement d’appui sur le commutateur ou d’ingestion de la pilule est sur-renforcé et réapparaîtra avec une probabilité accrue. À l’opposé, la punition (qu’elle soit positive par ajout d’un blâme ou négative par retrait d’argent) a pour finalité exclusive de diminuer la fréquence d’un comportement. L’opposition n’est donc pas accessoire : elle est diamétrale.

7.3 Quelles sont les limites cognitives et biologiques de ces conditionnements ?

Durant plusieurs décennies, le béhaviorisme orthodoxe a défendu le principe d’équipotentialité, postulant que les lois du conditionnement s’appliquaient de manière universelle et uniforme, quels que soient l’espèce animale, le type de stimulus ou la nature de la réponse étudiée. Les avancées de la biologie évolutive et de la psychologie cognitive ont profondément réfuté cette vision réductionniste en démontrant l’existence de contraintes biologiques infranchissables et le rôle médiateur incontournable des représentations internes.

Sur le plan biologique, la découverte majeure reste celle de la préparation biologique (biological preparedness), théorisée par Martin Seligman, et magistralement illustrée par les expériences de John Garcia sur l’aversion gustative apprise (l’effet Garcia). Garcia a montré que si l’on associe une saveur nouvelle chez un rat à des radiations ou à du chlorure de lithium induisant des nausées plusieurs heures après l’ingestion, l’animal développe une aversion gustative radicale et durable en un seul essai d’apprentissage, violant spectaculairement la loi sacrée de la contiguïté temporelle immédiate. Plus troublant encore : si l’on tente d’associer un son ou un flash lumineux à ces mêmes nausées, aucun apprentissage n’intervient. Réciproquement, la saveur ne peut être conditionnée à un choc électrique cutané. Le cerveau des vertébrés est pré-câblé par des millions d’années d’évolution pour associer les signaux internes (goût) aux conséquences viscérales (intoxication), et les signaux externes (audition, vision) aux agressions physiques périphériques. L’organisme n’est pas une ardoise vierge (tabula rasa) malléable à l’infini.

Sur le plan motivationnel et cognitif, l’effet de surjustification (démontré par Edward Deci, Mark Lepper et Richard Ryan) a révélé une faille critique dans l’usage mécanique du conditionnement opérant chez l’être humain. Lorsqu’un individu s’adonne à une activité par intérêt intrinsèque, curiosité intellectuelle ou pur plaisir (par exemple, dessiner ou résoudre des énigmes), l’introduction soudaine d’un renforçateur positif externe contingent (comme une prime financière systématique) déplace le lieu de contrôle motivationnel de l’interne vers l’externe. Si la récompense matérielle est ultérieurement supprimée, le comportement ne se maintient pas : au contraire, l’individu abandonne l’activité avec un désintérêt marqué, son enthousiasme originel ayant été érodé par le conditionnement.

Enfin, les travaux d’Edward Tolman sur les cartes cognitives et l’apprentissage latent dès les années 1930 avaient déjà démontré que des rats explorant un labyrinthe sans aucun renforçateur alimentaire encodaient une représentation spatiale globale et riche du milieu. Dès qu’un morceau de nourriture était introduit, ils utilisaient instantanément cette carte cognitive latente pour rejoindre la pitance par le chemin le plus court, prouvant que l’apprentissage peut demeurer silencieux et résulter d’un traitement complexe de l’information, indépendant de l’attribution d’une conséquence mécanique immédiate.

8. Conclusion : Synthèse comparative et perspectives contemporaines

8.1 Bilan comparatif des apports théoriques et pratiques

L’examen minutieux du conditionnement classique et du conditionnement opérant met en lumière l’extraordinaire complémentarité de ces deux mécanismes fondamentaux de la vie psychique. Loin de s’opposer dans une rivalité stérile, ils constituent les deux faces d’une même médaille adaptative par laquelle les êtres vivants naviguent dans la complexité de leur niche écologique :

• Le conditionnement classique dote l’organisme d’une capacité de détection prédictive : il transforme le milieu intérieur, le système cardiorespiratoire, l’appareil glandulaire et les circuits émotionnels primaires pour anticiper les chocs, les récompenses biologiques et les métamorphoses physiques de l’environnement avant même qu’ils ne surviennent.
• Le conditionnement opérant confère à l’organisme son pouvoir d’intervention intentionnelle : il sélectionne, affine et consolide le répertoire moteur somatique pour agir efficacement sur ces réalités environnementales, transformant le sujet en un agent capable d’échapper au danger, d’exploiter les opportunités et de réorganiser matériellement son écosystème.

L’héritage de ces deux géants théoriques demeure colossal. En débarrassant la psychologie des spéculations métaphysiques non testables, le conditionnement classique et le conditionnement opérant ont forgé une discipline scientifique robuste, équipée de méthodologies d’une précision mathématique irréprochable. Leurs retombées dans les sphères de la psychiatrie, de l’éducation, de l’ergonomie, de la réhabilitation neurologique et du bien-être animal témoignent de la portée universelle de ces principes d’apprentissage, applicables de la limace de mer (aplysie) à l’être humain contemporain.

8.2 L’intégration au sein des neurosciences computationnelles

À l’aube du XXIe siècle, la confrontation historique entre béhaviorisme et cognitivisme a trouvé son dépassement dialectique au sein des neurosciences computationnelles et de l’intelligence artificielle. Les modèles contemporains d’apprentissage par renforcement (Reinforcement Learning, formalisés notamment par Richard Sutton et Andrew Barto) unifient avec une rigueur mathématique éclatante les découvertes de Pavlov, de Thorndike et de Skinner sous l’égide de la théorie du contrôle optimal et du traitement probabiliste bayésien.

La découverte neurophysiologique majeure menée par Wolfram Schultz, Peter Dayan et P. Read Montague dans les années 1990 a révélé que les neurones dopaminergiques de l’aire tegmentale ventrale (VTA) et de la substance noire pars compacta ne codent pas la valeur brute du plaisir ou de la récompense hédonique en elle-même, mais calculent en temps réel une erreur de prédiction de récompense (Reward Prediction Error, RPE) :

$$\text{RPE} = \text{Récompense reçue} – \text{Récompense attendue}$$

Cette signature neurobiologique unifie magnifiquement les deux conditionnements :

• Au début de l’apprentissage (qu’il soit pavlovien ou opérant), l’arrivée inattendue de la récompense déclenche une bouffée phasique massive de dopamine. L’écart entre l’attente (nulle) et l’événement (positif) est maximal ; la plasticité synaptique est puissamment activée.
• À mesure que l’apprentissage progresse et que les stimuli annonciateurs ($SC$ ou $S^D$) deviennent parfaitement prédictifs, la décharge dopaminergique recule dans le temps : elle ne s’active plus lors de la remise de la nourriture, mais se déclenche dès l’apparition du signal précurseur. Si la récompense attendue fait défaut à la fin de la séquence, l’activité des neurones dopaminergiques s’effondre en-dessous de leur niveau de base spontané, signalant un déficit prédictif qui enclenche les mécanismes d’extinction.

Cette convergence algorithmique est aujourd’hui matérialisée dans l’architecture des systèmes d’intelligence artificielle les plus performants, tels que les réseaux de neurones profonds basés sur l’architecture Acteur-Critique (Actor-Critic). Dans ces architectures, le « Critique » calcule la valeur attendue des états environnementaux sur un mode prédictif d’inspiration pavlovienne, tandis que l’« Acteur » met à jour ses politiques d’action motrice sur un mode instrumental opérant guidé par le signal d’erreur délivré par le critique. Le clivage historique né des laboratoires de Saint-Pétersbourg et de Cambridge (Massachusetts) se dissout ainsi dans une synthèse computationnelle élégante, révélant que l’anticipation passive des signaux du monde et la sélection active des comportements ne sont que les deux rouages inséparables d’un même algorithme d’inférence active guidant l’ensemble de la matière vivante vers sa survie.

Références

• Bouton, M. E. (2004). Context and behavioral processes in extinction. Learning & Memory, 11(5), 485–494. https://doi.org/10.1101/lm.78804
• Brown, P. L., & Jenkins, H. M. (1968). Auto-shaping of the pigeon’s key-peck. Journal of the Experimental Analysis of Behavior, 11(1), 1–8. https://doi.org/10.1901/jeab.1968.11-1
• Ferster, C. B., & Skinner, B. F. (1957). Schedules of reinforcement. Appleton-Century-Crofts.
• Garcia, J., Ervin, F. R., & Koelling, R. A. (1966). Learning with prolonged delay of reinforcement. Psychonomic Science, 5(3), 121–122. https://doi.org/10.3758/BF03328311
• Kamin, L. J. (1969). Predictability, surprise, attention, and conditioning. In B. A. Campbell & R. M. Church (Eds.), Punishment and aversive behavior (pp. 279–296). Appleton-Century-Crofts.
• Mowrer, O. H. (1947). On the dual nature of learning—a re-interpretation of « conditioning » and « problem-solving ». Harvard Educational Review, 17(2), 102–148.
• Pavlov, I. P. (1927). Conditioned reflexes: An investigation of the physiological activity of the cerebral cortex (G. V. Anrep, Trans.). Oxford University Press.
• Premack, D. (1959). Toward empirical behavior laws: I. Positive reinforcement. Psychological Review, 66(4), 219–233. https://doi.org/10.1037/h0040891
• Rescorla, R. A. (1968). Probability of shock in the presence and absence of CS in fear conditioning. Journal of Comparative and Physiological Psychology, 66(1), 1–5. https://doi.org/10.1037/h0025984
• Rescorla, R. A., & Wagner, A. R. (1972). A theory of Pavlovian conditioning: Variations in the effectiveness of reinforcement and nonreinforcement. In A. H. Black & W. F. Prokasy (Eds.), Classical conditioning II: Current research and theory (pp. 64–99). Appleton-Century-Crofts.
• 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
• Seligman, M. E. (1971). Phobias and preparedness. Behavior Therapy, 2(3), 307–320. https://doi.org/10.1016/S0005-7894(71)80064-3
• Skinner, B. F. (1938). The behavior of organisms: An experimental analysis. Appleton-Century.
• Skinner, B. F. (1953). Science and human behavior. Macmillan.
• Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press.
• Thorndike, E. L. (1898). Animal intelligence: An experimental study of the associative processes in animals. The Psychological Review: Monograph Supplements, 2(4), i–109. https://doi.org/10.1037/h0092987
• Watson, J. B. (1913). Psychology as the behaviorist views it. Psychological Review, 20(2), 158–177. https://doi.org/10.1037/h0074428
• Wolpe, J. (1958). Psychotherapy by reciprocal inhibition. Stanford University Press.