Prototypicité vs Théorie des exemplaires

La capacité de l’esprit humain à découper la continuité foisonnante du réel en entités intelligibles et discrètes constitue l’un des piliers fondamentaux de la cognition. Sans la catégorisation, chaque objet, chaque visage ou chaque événement perçu serait appréhendé comme une singularité absolue, saturant immédiatement nos capacités de traitement de l’information et interdisant toute forme de généralisation inductive ou d’apprentissage adaptatif. Percevoir un moineau, une chaise ou un acte d’injustice implique nécessairement d’assigner un ensemble d’informations sensorielles ou contextuelles à une classe conceptuelle préalable, permettant ainsi d’inférer instantanément des propriétés non visibles, d’anticiper des comportements et d’adapter notre motricité avec une remarquable économie d’énergie cognitive.

Pourtant, la nature exacte de l’architecture mentale qui sous-tend cette faculté fondamentale a fait l’objet, au cours des cinquante dernières années, de débats théoriques d’une intensité remarquable au sein des sciences cognitives, de la psychologie expérimentale et de la linguistique. Dès lors que l’on a constaté l’échec de la conception logique classique — héritée d’Aristote et postulant des frontières catégorielles tranchées fondées sur des conditions nécessaires et suffisantes —, deux grands paradigmes probabilistes se sont imposés pour rendre compte de la flexibilité et de la structure floue de nos concepts : la théorie du prototype et la théorie des exemplaires. L’une défend l’idée d’une synthèse mentale abstraite et économique, tandis que l’autre postule une mémoire riche conservant l’intégrité de nos rencontres individuelles avec le monde.

Cet article propose une analyse comparative approfondie et systématique de ces deux géants de la modélisation conceptuelle. En parcourant leurs fondations épistémologiques, leurs formulations computationnelles précises, leurs substrats neurobiologiques respectifs et leurs implications contemporaines en intelligence artificielle, nous explorerons les forces et les limites de chaque modèle. L’objectif est d’offrir une vision globale et nuancée du débat séculaire opposant abstraction synthétique et préservation indicielle, tout en examinant comment les neurosciences et la modélisation hybride contemporaine tentent aujourd’hui de dépasser ce dualisme pour concevoir un esprit à la fois économe et prodigieusement fidèle à la contingence de son expérience vécue.

1. Introduction générale aux paradigmes de la catégorisation mentale

1.1 Définition conceptuelle et mise en contexte historique

L’étude scientifique de la catégorisation conceptuelle a longtemps été dominée par ce que les psychologues cognitifs nomment la « vue classique » ou « modèle aristotélicien ». Selon cette tradition philosophique millénaire, un concept est formellement défini par un ensemble de critères intrinsèques qui sont individuellement nécessaires et conjointement suffisants pour déterminer l’appartenance d’une entité à une classe donnée. Dans ce cadre rigide, un animal est un mammifère s’il possède des glandes mammaires, du poil et s’il est homéotherme ; un polygone est un triangle s’il possède strictement trois côtés et trois sommets fermés dans un plan euclidien. Cette approche présentait un avantage logique indéniable : elle postulait des frontières conceptuelles nettes, binaires et univoques, où chaque élément appartenait ou n’appartenait pas à la catégorie, sans degré intermédiaire, conférant à chaque membre un statut égalitaire parfait.

Cependant, à partir du milieu du XXe siècle, ce bel édifice logique s’est heurté à des apories expérimentales insurmontables. Les observations empiriques ont révélé que le lexique et la perception humaine du monde ne se conforment presque jamais à ce formalisme austère. La plupart des catégories naturelles et artisanales du quotidien, telles que « oiseau », « meuble », « fruit » ou « jeu », résistent farouchement à toute tentative d’énoncer une liste exhaustive de traits nécessaires et suffisants. Un oiseau sans plumes ou incapable de voler (comme le manchot ou le kiwi) demeure reconnu comme un oiseau ; une chaise dépourvue de pieds ou un meuble servant uniquement d’ornement reste classifié dans sa catégorie respective. L’existence de cas limites, de variations continues et d’hésitations systématiques chez les sujets humains a forcé les chercheurs à rompre avec la vision classique pour embrasser des paradigmes probabilistes.

C’est dans cette brèche épistémologique qu’ont émergé, dans les années 1970 et 1980, deux cadres théoriques concurrents. D’un côté, la théorie du prototype a postulé que la catégorie n’est pas un ensemble de règles strictes, mais une représentation mentale abstraite et synthétique. Cette représentation résume les propriétés les plus fréquemment rencontrées et les plus corrélées au sein d’une catégorie. Le prototype fonctionne comme un centre de gravité statistique ou une moyenne idéale des membres observés. Catégoriser un nouvel objet consiste alors à comparer ce stimulus entrant à ce schéma abstrait unifié conservé en mémoire à long terme.

D’un autre côté, la théorie des exemplaires a pris le contre-pied radical de toute forme d’abstraction précoce. Portée par des psychologues expérimentaux désireux de fonder la catégorisation sur des processus de mémoire épisodique directe, cette approche avance qu’un individu ne stocke aucun résumé abstrait. Au lieu de cela, la catégorie est constituée par l’ensemble cumulatif de toutes les traces mnésiques distinctes des instances singulières (exemplaires) effectivement vécues et encodées au fil des interactions avec l’environnement. Classer un nouvel objet ne revient pas à le confronter à une abstraction fictive, mais à activer simultanément et de manière pondérée une vaste population de souvenirs concrets préalablement stockés.

1.2 Le problème fondamental de la structure conceptuelle

L’opposition entre théorie du prototype et théorie des exemplaires s’enracine au cœur d’un arbitrage fondamental de la cognition : la tension perpétuelle entre l’économie cognitive et la fidélité représentationnelle. Pour survivre et agir efficacement, un organisme biologique doit extraire des régularités du monde sans s’épuiser dans le traitement de détails superficiels. L’abstractionnisme défendu par les modèles prototypiques offre une solution élégante à l’impératif d’économie cognitive énoncé notamment par Eleanor Rosch : en compressant des millions de rencontres singulières en un vecteur unique de traits moyens, le cerveau allège drastiquement sa charge de stockage et accélère la prise de décision. Une fois le résumé calculé, les détails singuliers de chaque épisode perceptif peuvent être oubliés sans dommage pour la fonction catégorielle.

Toutefois, cette économie par compression se paie d’un coût épistémique lourd : la perte irrémédiable de la variabilité interne et des corrélations fines propres à l’environnement physique et social. Lorsque l’on réduit une population diversifiée à son seul centre de gravité statistique, on efface l’information relative à sa dispersion, à ses sous-groupes structurels et aux cas atypiques pourtant récurrents. Si un prédateur peut se présenter sous deux formes morphologiques très distinctes (par exemple, un polymorphisme de couleur ou de taille), un prototype fusionnant ces deux états en une valeur moyenne intermédiaire créerait une représentation aberrante, potentiellement fatale pour la survie.

C’est ici que la théorie des exemplaires fait valoir son exigence de fidélité. En préservant chaque trace épisodique avec son contexte spatiotemporel et la conjonction exacte de ses attributs, elle dote le système cognitif d’une capacité supérieure à cartographier les distributions de probabilités complexes, discontinues ou multivariées. Le défi se déplace alors du stockage vers le computationnel : comment un système biologique fini peut-il maintenir des milliards de traces mnésiques et calculer en quelques dizaines de millisecondes des métriques de similarité globale sur un volume de données aussi massif ? Les sciences cognitives se trouvent ainsi confrontées à la nécessité de modéliser avec une haute précision mathématique et psychologique les mécanismes sous-jacents à la généralisation inductive chez l’être humain.

1.3 Pourquoi ces deux théories sont fréquemment confondues

Dans la littérature scientifique de vulgarisation, ainsi que dans de nombreux manuels d’introduction à la psychologie ou aux sciences du langage, la théorie du prototype et la théorie des exemplaires sont fréquemment amalgamées ou présentées comme de simples variantes interchangeables d’un même modèle général. Cette confusion provient avant tout du fait que ces deux théories partagent un postulat critique fondateur : le rejet absolu du binarisme aristotélicien et la reconnaissance explicite de la structure graduée des catégories. Toutes deux admettent l’existence de frontières floues (fuzzy boundaries) entre les concepts et s’accordent pour affirmer que certains membres d’une classe sont jugés psychologiquement « meilleurs » ou plus représentatifs que d’autres.

De surcroît, les deux paradigmes possèdent la remarquable capacité de prédire avec un succès empirique équivalent les mêmes effets comportementaux élémentaires, au premier rang desquels figure le célèbre « effet de typicalité ». Dans une tâche expérimentale de vérification sémantique, un participant réagit beaucoup plus rapidement pour confirmer que « le rouge-gorge est un oiseau » que pour valider que « l’autruche est un oiseau ». Pour la théorie du prototype, cette asymétrie s’explique par le fait que le vecteur de traits du rouge-gorge est spatialement plus proche du centre statistique abstrait des oiseaux que celui de l’autruche. Pour la théorie des exemplaires, cette même rapidité découle du fait que le rouge-gorge active massivement un réservoir dense d’exemplaires d’oiseaux stockés qui partagent ses caractéristiques (petite taille, vol, chant), tandis que l’autruche ne suscite qu’un écho de similarité globale faible et diffus.

L’erreur commune consiste ainsi à confondre le phénomène descriptif et le mécanisme explicatif. La typicalité est une donnée expérimentale de surface, mesurable par des temps de réaction, des classements subjectifs ou des taux d’erreurs. La théorie du prototype et la théorie des exemplaires ne sont pas des descriptions concurrentes de ce phénomène, mais des théories rivales sur l’architecture représentationnelle interne qui engendre cette typicalité. L’une loge la typicalité dans la proximité par rapport à un étalon synthétique unique ; l’autre la dérive émergente de la densité locale d’un essaim de traces particulières réparties dans un espace psychologique multidimensionnel.

2. La théorie du prototype : architecture, principes et portée

2.1 Origines épistémologiques et travaux fondateurs d’Eleanor Rosch

L’émergence formelle de la théorie du prototype dans le paysage cognitif des années 1970 trouve son ancrage philosophique dans les travaux tardifs de Ludwig Wittgenstein, particulièrement dans ses Recherches philosophiques (1953). Wittgenstein y critique l’essentialisme en analysant la notion de « jeu » : il démontre qu’aucun trait unique n’est partagé par tous les jeux (certains impliquent la compétition, d’autres non ; certains font appel à la chance, d’autres à la seule habileté ; certains sont amusants, d’autres austères). En lieu et place d’une essence commune, il propose le concept novateur de ressemblance de famille (family resemblance) : un réseau complexe de chevauchements et de parentés croisées, comparable à la façon dont les membres d’une même famille partagent des traits physiques (le nez, la couleur des yeux, la démarche) sans qu’un trait morphologique unique ne soit nécessairement présent chez chacun d’entre eux.

S’emparant de cette intuition philosophique, la psychologue américaine Eleanor Rosch et sa collaboratrice Carolyn Mervis ont déployé un programme expérimental novateur pour examiner la structure interne des catégories naturelles et sémantiques. Dans ses études séminales sur la perception des couleurs focales auprès de la population Dani de Nouvelle-Guinée — dont la langue ne possédait que deux termes chromatiques fondamentaux —, Rosch a démontré que les frontières perceptives et la mémoire des teintes s’organisaient spontanément autour de couleurs « idéales » ou prototypes universels, réfutant l’hypothèse d’un relativisme linguistique absolu. Elle a ensuite étendu cette méthodologie aux catégories taxonomiques du quotidien : les meubles, les véhicules, les oiseaux, les vêtements ou les fruits.

Dans ses publications majeures de 1975, Rosch a opérationnalisé le concept de prototype en montrant que les individus possèdent une cohérence statistique remarquable pour évaluer le caractère représentatif des membres d’une classe. Par des analyses corrélationnelles minutieuses, Rosch et Mervis ont établi que la représentativité d’un membre est directement corrélée à son indice de ressemblance de famille : les membres les plus typiques sont ceux qui partagent le plus grand nombre d’attributs avec les autres membres de la catégorie considérée, tout en partageant le moins d’attributs possible avec les membres des catégories contrastives concurrentes. Le prototype s’est ainsi imposé dans la littérature comme le centre de gravité statistique d’un nuage de traits, une moyenne idéale qui condense le maximum de cohérence interne.

2.2 Mécanismes computationnels et niveaux de catégorisation

L’architecture prototypique développée par Eleanor Rosch ne se limite pas à une modélisation horizontale de la typicalité ; elle propose également une structuration verticale rigoureuse du savoir humain en trois paliers taxonomiques fondamentaux : le niveau superordonné (ex. : animal, meuble), le niveau de base (basic level, ex. : chien, chaise), et le niveau subordonné (ex. : caniche royal, chaise berçante). Le niveau de base occupe une position privilégiée dans l’économie cognitive : c’est à ce niveau que les individus identifient les objets le plus rapidement, que les jeunes enfants acquièrent leurs premiers mots, et que les membres d’une catégorie partagent pour la première fois une silhouette globale similaire et un même schème d’interaction motrice.

Sur le plan formel, la puissance explicative de ce modèle repose sur la notion de validité d’indice (cue validity). La validité d’un indice $x$ pour prédire une catégorie $C$ correspond à la probabilité conditionnelle $P(C mid x)$. Plus un attribut possède une validité d’indice élevée, plus sa présence garantit que l’entité observée relève de cette catégorie. Le niveau de base maximise la validité globale de la catégorie car il regroupe une constellation d’indices hautement discriminants qui coïncident rarement en dehors de cette classe. À l’inverse, le niveau superordonné offre peu de traits communs (il est difficile de dessiner ou de mimer un « vêtement » générique), tandis que le niveau subordonné n’ajoute que des différentiations marginales au détriment de la parcimonie.

Le mécanisme de décision catégorielle opère alors par un appariement vectoriel direct. Lorsqu’un sujet est exposé à un nouveau stimulus, son système perceptif encode les attributs du stimulus sous la forme d’un vecteur dimensionnel. Ce vecteur est instantanément confronté au prototype mental unique représentant chaque catégorie candidate. La décision s’apparente à une règle de proximité métrique : le stimulus est attribué à la classe dont le prototype maximise la fonction de similarité additive sur les dimensions pertinentes. Ce processus de comparaison un-à-un garantit une vitesse d’exécution optimale, puisque l’individu n’a besoin d’interroger qu’un nombre restreint de représentations centrales stockées au sommet de la hiérarchie locale de ses concepts.

2.3 Avantages cognitifs et limites intrinsèques du modèle prototypique

L’atout majeur de la théorie du prototype réside dans sa formidable sobriété computationnelle. En condensant l’immensité de l’expérience sensible en une entité générique stable, le cerveau réalise une opération de compression de données remarquablement efficace. Cette modélisation s’accorde intimement avec les observations psychologiques sur la mémoire de travail : il est bien plus aisé de manipuler une image ou une description prototype d’un « oiseau moyen » que d’évoquer l’intégralité des milliers d’oiseaux particuliers croisés au cours d’une vie. De surcroît, le prototype offre une résilience robuste face au bruit perceptif : les variations accidentelles, les distorsions lumineuses ou les malformations morphologiques mineures sont naturellement lissées par la métrique de moyenne statistique.

Néanmoins, cette abstraction drastique induit des failles structurelles profondes qui ont progressivement fragilisé l’hégémonie de la théorie. La première limite majeure concerne l’incapacité intrinsèque des prototypes à capturer les corrélations d’attributs au sein d’une même catégorie. Dans le monde biologique réel, les traits morphologiques ne se distribuent pas de manière indépendante : les petits oiseaux ont tendance à chanter et à voler rapidement, tandis que les grands oiseaux (comme l’émeu ou l’aigle) ont tendance à ne pas chanter de mélodie aiguë ou à planer. Un modèle de prototype additif calcule la moyenne indépendante de chaque dimension (la taille moyenne, le type de cri moyen, le mode de locomotion moyen) et perd ainsi toute trace des covariations dimensionnelles. En créant un être composite moyen qui n’associe pas correctement les traits mutuellement exclusifs dans la réalité, le prototype échoue à prédire comment les sujets intègrent intuitivement ces corrélations fines.

La seconde faiblesse structurelle réside dans la cécité du prototype à l’égard de la variance et de la taille d’échantillon des catégories. Prenons l’exemple d’une catégorie dont la dispersion morphologique est très vaste (comme les « chiens », allant du chihuahua au dogue allemand) comparée à une catégorie dont la dispersion est extrêmement resserrée (comme les « corbeaux »). Si un être humain n’utilisait qu’un prototype centroïde pour chaque espèce, il devrait juger un animal s’écartant de dix centimètres du prototype de chien avec la même sévérité qu’un oiseau s’écartant de dix centimètres du prototype de corbeau. Or, les données psychologiques montrent rigoureusement l’inverse : l’être humain ajuste immédiatement ses seuils de tolérance à la dispersion intrinsèque de la catégorie observée, un comportement que la théorie du prototype ne peut expliquer sans lui adjoindre artificiellement des paramètres externes de variabilité.

3. La théorie des exemplaires : principes, modélisation et dynamique

3.1 Rupture théorique et formalisation mathématique

Face aux limites démonstratives de l’abstractionnisme prototypique, une rupture théorique radicale a été initiée à la fin des années 1970 par Douglas Medin et Marguerite Schaffer (1978) avec la formulation du Context Model. Medin et Schaffer ont avancé une thèse iconoclaste : l’esprit humain n’a nul besoin de construire un résumé ou un prototype synthétique pour catégoriser le monde. Les régularités conceptuelles, les effets de typicalité et les inférences généralisatrices peuvent être entièrement générés comme des sous-produits dynamiques de la confrontation à une collection d’instances concrètes et contextuelles stockées en mémoire à long terme.

Cette approche a trouvé sa consécration mathématique moderne grâce aux travaux novateurs de Robert M. Nosofsky au cours des années 1980, qui a développé le Modèle Généralisé du Contexte (Generalized Context Model, GCM). Nosofsky a articulé la théorie des exemplaires autour des principes géométriques de la psychologie mathématique de Roger Shepard, formalisant explicitement comment la similarité psychologique décroît en fonction de la distance spatiale dans un espace psychologique continu issu de techniques de positionnement multidimensionnel (Multidimensional Scaling, MDS).

Le postulat central du GCM est d’un dépouillement méthodologique absolu : aucun concept n’existe en tant qu’entité abstraite autonome intermédiaire entre le système perceptif et la mémoire épisodique. La catégorie $A$ n’est rien d’autre que l’ensemble des traces mnésiques ${e_{1}, e_{2}, dots, e_{N}}$ étiquetées comme appartenant à $A$. Le GCM élimine ainsi l’hypothèse de l’abstraction permanente et relève le défi de démontrer qu’un modèle fondé sur le souvenir d’instances concrètes rend compte des données empiriques avec une fidélité statistique supérieure à celle des modèles prototypiques.

3.2 Fonctionnement du processus de catégorisation par exemplaires

Le fonctionnement computationnel de la catégorisation par exemplaires s’articule en trois étapes rigoureusement modélisées. Tout d’abord, chaque rencontre perceptive avec un objet est encodée comme un point $x_j$ dans un espace psychologique à $M$ dimensions. Lorsqu’un nouvel item sonde $i$ (stimulus cible) est présenté au sujet, le modèle calcule la distance psychologique $d_{ij}$ entre le stimulus $i$ et chaque exemplaire stocké $j$. Cette distance est généralement mesurée par une métrique de Minkowski pondérée par des poids d’attention sélective :

$$d_{ij} = \left[ \sum_{m=1}^{M} w_m left| x_{im} – x_{jm} right|^r \right]^{\frac{1}{r}}$$

Dans cette équation, $w_m$ représente le poids d’attention alloué à la dimension $m$ (avec $\sum w_m = 1$), reflétant la capacité du sujet à focaliser son attention sur les dimensions diagnostiques pour la tâche. L’indice métrique prend la valeur $r = 1$ pour les dimensions dites « séparables » (distance de Manhattan, comme la taille et la couleur) et $r = 2$ pour les dimensions « intégrales » (distance euclidienne, comme la saturation et la clarté lumineuse).

Dans un deuxième temps, la distance psychologique est convertie en une mesure de similarité non-linéaire $s_{ij}$ grâce à la célèbre fonction de décroissance exponentielle établie par Roger Shepard :

$$s_{ij} = \exp\left(-c \cdot d_{ij}^p\right)$$

où $c$ est un paramètre d’échelle globale de discrimination (déterminant l’acuité de la décroissance de similarité) et $p$ prend typiquement la valeur de 1 pour une décroissance exponentielle simple, ou 2 pour une fonction gaussienne. Cette fonction non-linéaire est cruciale : elle postule que la similarité s’effondre très rapidement à mesure que la distance augmente, accordant ainsi un poids disproportionné aux exemplaires qui sont extrêmement proches du stimulus perçu.

Enfin, le stimulus cible $i$ active simultanément l’ensemble des exemplaires stockés dans toutes les catégories en mémoire. La similarité globale du stimulus avec une catégorie $A$ correspond à la somme des similarités individuelles avec tous les exemplaires $j$ appartenant à $A$ : $S(i, A) = \sum_{j in A} s_{ij}$. La probabilité conditionnelle $P(A mid i)$ d’assigner l’item $i$ à la catégorie $A$ plutôt qu’à une catégorie concurrente $B$ est alors calculée selon la règle de choix probabiliste de Duncan Luce :

$$P(A mid i) = \frac{\sum_{j in A} s_{ij}}{\sum_{j in A} s_{ij} + \sum_{k in B} s_{ik}}$$

Ce mécanisme élégant montre qu’aucun calcul abstrait n’est nécessaire : la réponse catégorielle émerge naturellement de la résonance collective globale de la mémoire épisodique face au stimulus entrant.

3.3 Richesse descriptive et défis computationnels

La puissance explicative de la théorie des exemplaires provient de sa remarquable flexibilité descriptive. En préservant la singularité de chaque instance vécue, le modèle conserve intactes la topologie globale de la catégorie, sa dispersion locale et, surtout, les corrélations dimensionnelles internes. Si, dans l’environnement d’apprentissage, les objets de petite taille sont systématiquement de couleur verte tandis que les objets de grande taille sont toujours rouges, cette structure bivariée est préservée sans distorsion par l’ensemble des points stockés. Lorsqu’un nouvel objet « petit et vert » apparaît, il bénéficie de la proximité immédiate de tous les exemplaires analogues, déclenchant un écho de similarité puissant que le prototype, en moyennant aveuglément les tailles et les couleurs, ne saurait appréhender avec une telle acuité.

De plus, la théorie des exemplaires résout de façon organique l’épineux problème de l’apprentissage des exceptions et des règles discontinues. Dans la vie quotidienne comme dans les classifications spécialisées, les catégories comportent fréquemment des anomalies flagrantes : le kiwi est un oiseau aptère, la baleine est un mammifère marin sans pattes arrière, l’ornithorynque pond des œufs. Dans un système prototypique, ces membres anormaux constituent des valeurs aberrantes qui déstabilisent le centroïde ou sont purement et simplement rejetées. Dans un réseau d’exemplaires, l’exception est stockée en tant que trace épisodique singulière dotée de son étiquette catégorielle correcte. Si un nouveau stimulus se présente avec des propriétés similaires à cette exception, la non-linéarité de la fonction de décroissance de Shepard garantit que la similarité locale avec cette trace spécifique l’emportera largement sur l’attraction distante des membres réguliers.

Cependant, ce réalisme descriptif place la théorie des exemplaires devant des objections computationnelles et neurobiologiques substantielles. L’objection première concerne la plausibilité d’un stockage quasi-infini : un individu cumule au cours de son existence des dizaines de millions de stimulations visuelles, auditives et linguistiques. Postuler que chaque rencontre avec un membre d’une catégorie est préservée avec une haute fidélité métrique impose une contrainte démesurée sur les systèmes de stockage biologique. La seconde objection concerne la complexité algorithmique du calcul de similarité : comment le cerveau pourrait-il, en moins de deux cents millisecondes, calculer la distance vectorielle multidimensionnelle entre un chien aperçu à l’instant et des milliers de représentations singulières de canidés croisés au cours des quarante dernières années ? Ce dilemme a contraint les théoriciens des exemplaires à affiner leurs hypothèses mémorielles pour répondre aux exigences de la réalité neurophysiologique.

4. Différences fondamentales : analyse comparative systématique

Pour clarifier les divergences structurales qui séparent ces deux approches emblématiques de la cognition, le tableau suivant synthétise les points d’opposition majeurs à travers les dimensions représentationnelles, computationnelles et neurobiologiques clés :

Dimension d’analyse	Théorie du prototype	Théorie des exemplaires
Format représentationnel	Résumé abstrait unifié condensant la tendance centrale (moyenne statistique ou centroïde de traits).	Collection discrète de traces mnésiques épisodiques préservant la singularité de chaque instance.
Nature du stockage mémoriel	Structure sémantique synthétique indépendante des épisodes particuliers d’apprentissage.	Stockage direct en mémoire épisodique dépendant du contexte spatiotemporel initial.
Mécanisme de décision catégorielle	Comparaison un-à-un : distance métrique directe entre le stimulus perçu et le prototype central de chaque classe.	Comparaison un-à-plusieurs : sommation pondérée non-linéaire de la similarité sur l’ensemble des exemplaires stockés.
Traitement des atypicités et exceptions	Vulnérable : les exceptions perturbent le centroïde ou sont traitées comme des anomalies marginales.	Naturel et robuste : chaque exception forme une trace locale préservée capable d’attirer des items similaires.
Sensibilité aux corrélations de traits	Faible ou nulle : les attributs sont moyennés indépendamment, perdant les covariations croisées.	Intégrale : la topologie multidimensionnelle conserve intactes les liaisons préférentielles entre dimensions.
Sensibilité à la variance et à la dispersion	Aveugle sans ajout de paramètres externes de variance catégorielle.	Sensibilité intrinsèque résultant naturellement de la répartition spatiale des traces mémorisées.
Coût computationnel et mémoriel	Extrêmement faible en stockage ; computation rapide et constante.	Potentiellement très élevé en stockage ; complexité computationnelle proportionnelle au corpus mémorisé.
Substrats neurobiologiques prédominants	Lobe temporal antérieur (ATL), cortex préfrontal ventromédian (vmPFC).	Complexe hippocampique (formation hippocampique, cortex périrhinal), cortex occipito-temporal.

4.1 Format représentationnel et nature du stockage

La divergence la plus manifeste entre les deux paradigmes concerne le format sémiotique et computationnel de l’information stockée. Dans le cadre de la théorie du prototype, la représentation mentale est par essence synthétique, générique et unifiée. L’expérience sensorielle brute est soumise à une opération d’induction immédiate : à mesure que les instances défilent, le système extrait les redondances, élimine les éléments accidentels et met à jour un vecteur central de propriétés prototypiques. Une fois cette tendance centrale cristallisée dans la mémoire sémantique, la trace singulière de l’objet déclencheur peut être effacée ou reléguée à l’oubli épisodique sans que la compétence conceptuelle de l’individu n’en soit diminuée. Le prototype jouit ainsi d’une autonomie absolue à l’égard de l’histoire empirique qui lui a donné naissance : il est un condensé atemporel de connaissances génériques.

À l’opposé, la théorie des exemplaires refuse catégoriquement l’existence de cette entité intermédiaire abstraite. La représentation conceptuelle se confond rigoureusement avec la mémoire des épisodes singuliers. Chaque fois qu’un individu perçoit et identifie un membre d’une classe, cette interaction est encodée avec son cortege de spécificités : la posture singulière de l’animal, la luminosité du sous-bois lors de la rencontre, l’émotion ressentie ou le contexte d’interaction. Les concepts n’ont donc pas de format propre distinct des traces mémorielles brutes ; ils sont distribués au sein d’un espace psychologique discontinu. En conséquence, la structure d’une catégorie selon la théorie des exemplaires est infiniment dynamique : chaque nouvelle rencontre avec un objet réajuste la topologie locale du réseau, augmentant la densité de certaines régions et modifiant ainsi en permanence le champ de gravitation de la catégorie.

4.2 Mécanisme décisionnel et traitement de l’information

Ces choix architecturaux contrastés imposent des logiques décisionnelles radicalement distinctes lors de la confrontation à un nouvel item. Pour le tenant du modèle prototypique, le jugement d’appartenance relève d’une comparaison un-à-un. Soit un objet inconnu présentant les caractéristiques dimensionnelles vectorielles $\vec{x}$. Cet objet est projeté dans l’espace conceptuel et comparé séquentiellement ou parallèlement aux quelques centroïdes représentant les catégories candidates : $\vec{P}_{\text{oiseau}}$, $\vec{P}_{\text{mammifère}}$, $\vec{P}_{\text{reptile}}$. Le coût temporel de ce processus est minimal et demeure strictement indépendant du nombre total d’oiseaux que le sujet a observés au cours de sa vie. Le prototype agit comme une balise centrale invariante vers laquelle converge le vecteur de traits du stimulus.

Dans la perspective des exemplaires, la décision catégorielle procède d’une dynamique un-à-plusieurs massivement parallèle. Le stimulus perçu n’est pas comparé à un résumé, mais « interroge » instantanément l’ensemble de la constellation des traces individuelles archivées. Chaque exemplaire réagit avec une intensité proportionnelle à sa proximité psychologique, déterminée par la fonction de Shepard. La décision émerge alors d’un calcul de sommation globale au sein de chaque classe, arbitrée par la compétition non-linéaire de la règle de Luce. De surcroît, le modèle formalisé par Robert Nosofsky intègre une flexibilité attentionnelle continue : en fonction du but poursuivi par le sujet ou des indices contextuels disponibles, les dimensions spatiales de l’espace psychologique sont dilatées ou comprimées par des poids d’attention $w_m$. Une dimension diagnostique clé (par exemple la présence d’écailles) voit son axe spatial amplifié, repoussant les exemplaires non concordants à des distances psychologiques infinies et éliminant leur contribution dans la somme globale de similarité.

4.3 Traitement des atypicités et corrélations d’attributs

L’aptitude à traiter les structures environnementales complexes constitue le terrain sur lequel la théorie des exemplaires a historiquement infligé ses démentis empiriques les plus sévères à la théorie du prototype. Prenons la question fondamentale de la structure corrélationnelle des propriétés naturelles. Les attributs du monde biologique ne sont pas indépendants : si un oiseau a une masse corporelle importante, la physique impose que ses ailes soient d’une envergure colossale ou qu’il soit inapte au vol stationnaire. Dans la théorie du prototype classique, les attributs sont résumés par leur moyenne marginale indépendante : le prototype d’oiseau comportera une taille moyenne, une envergure moyenne et une modalité de vol moyenne. Si l’on présente à un sujet un oiseau artificiel présentant une taille minuscule mais une envergure géante, le modèle prototypique additif lui attribuera une similarité modérée acceptable (puisque chaque trait est moyenné séparément). Pourtant, les sujets humains rejettent immédiatement cet item comme aberrant, car ils sont intimement sensibles à la covariance naturelle entre taille et morphologie alaire. En stockant des oiseaux réels et cohérents, le modèle des exemplaires reflète d’emblée cette covariance : aucun exemplaire en mémoire ne présente cette conjonction absurde de dimensions, et la similarité globale s’effondre à zéro.

Le traitement des cas atypiques et des exceptions récurrentes illustre la même divergence fonctionnelle. Dans la théorie du prototype, l’incorporation de cas extrêmes ou périphériques (le manchot, l’autruche, l’ornithorynque) déplace le centre de gravité de la catégorie vers des valeurs intermédiaires non représentatives de la majorité, diluant la netteté de la représentation prototypique. Pour éviter cette distorsion, le modèle prototypique est souvent contraint de traiter les exceptions comme des règles logiques ad hoc ou des anomalies marginales mémorisées en marge du concept. Pour la théorie des exemplaires, au contraire, l’hétérogénéité interne est le mode par défaut : l’autruche ne menace nullement la représentation des rouge-gorges ou des mésanges, car elle réside dans une enclave périphérique isolée de l’espace psychologique. Dès lors qu’une nouvelle entité partageant les traits singuliers de l’autruche se présente, elle active sélectivement ce cluster marginal sans perturber la résonance des milliers d’exemplaires d’oiseaux chanteurs réguliers.

4.4 Substrats neurobiologiques et dissociation des circuits cérébraux

La confrontation entre ces deux modèles a largement dépassé le cadre des temps de réaction comportementaux pour s’investir dans le domaine de la neuropsychologie et de l’imagerie par résonance magnétique fonctionnelle (IRMf). Si l’esprit opère par abstraction prototypique ou par rétention d’exemplaires épisodiques, ces deux stratégies computationnelles devraient mobiliser des réseaux neuronaux distincts, répondant aux lois fonctionnelles connues des différents systèmes de mémoire du cerveau humain.

Les investigations en neurosciences cognitives ont largement confirmé l’existence d’une double dissociation neuro-anatomique. La récupération et la comparaison d’exemplaires individuels mobilisent de manière préférentielle le complexe hippocampique (comprenant l’hippocampe propre, le cortex périrhinal et le cortex entorhinal) ainsi que les aires visuelles extrastriées et le cortex pariétal postérieur impliqués dans la réactivation épisodique contextuelle. Dès lors qu’une tâche de catégorisation requiert la discrimination d’exceptions subtiles ou l’identification d’instances spécifiques, l’hippocampe — structure maîtresse de la mémoire déclarative épisodique — présente une élévation significative de son signal BOLD (Blood Oxygen Level Dependent).

À l’inverse, l’abstraction prototypique et l’extraction de régularités sémantiques stables reposent sur un réseau cortical distinct, dominé par le lobe temporal antérieur (ATL, Anterior Temporal Lobe), considéré comme le carrefour (« hub ») intégrateur sémantique du cerveau, et le cortex préfrontal ventromédian (vmPFC). Des travaux menés sur des patients amnésiques présentant des lésions bilatérales massives du lobe temporal médian (comme le célèbre patient H.M. ou des cohortes de patients post-encéphalitiques) ont révélé un phénomène spectaculaire : bien qu’incapables de reconnaître ou de se souvenir des stimuli spécifiques auxquels ils venaient d’être exposés (amnésie antérograde absolue pour les exemplaires), ces patients conservent intacte leur capacité à extraire le prototype moyen d’une série de formes géométriques ou de nuages de points de Posner et Keele. Cette préservation de l’apprentissage catégoriel par prototype en dépit de la destruction du substrat hippocampique dédié aux exemplaires démontre qu’un système cortical néocortical est capable de calculer des tendances centrales statistiques de manière autonome, offrant un argument biologique irréfutable en faveur de la réalité fonctionnelle des processus prototypiques.

5. Points de convergence et similitudes structurelles

5.1 Rejet du modèle logique classique

Malgré l’âpreté des débats méthodologiques qui ont opposé leurs promoteurs respectifs, la théorie du prototype et la théorie des exemplaires reposent sur un socle épistémologique partagé qui les unit contre l’héritage logiciste aristotélicien. Toutes deux récusent vigoureusement l’idée que les catégories naturelles soient gouvernées par des critères de définition infaillibles, universels et immuables. L’un des apports majeurs de ces deux approches a été de démontrer que l’appartenance catégorielle est une affaire de gradation plutôt que d’assignation binaire : un membre peut appartenir plus ou moins intensément à une catégorie, et les limites séparant deux domaines conceptuels adjacents (comme « tasse » et « bol », ou « arbre » et « buisson ») constituent des zones de transition floues et perméables.

Cette convergence philosophique a profondément transformé la psycholinguistique et la sémantique cognitive. En actant le fait que le vague sémantique n’est pas un défaut de logique ou une lacune lexicale du locuteur, mais la condition même de l’adaptabilité de l’esprit humain à un environnement physique instable et continu, prototypes et exemplaires ont déplacé l’analyse conceptuelle de la logique formelle vers les mathématiques de l’approximation, de la topologie géométrique et des statistiques bayésiennes. Pour l’une comme pour l’autre, classer ne consiste jamais à appliquer un algorithme de déduction formelle, mais à évaluer une affinité globale dans un continuum de formes et de fonctions.

5.2 Centralité du calcul de similarité

Le second pivot structurel commun aux deux théories est la primauté absolue accordée au concept psychologique de similarité. Dans l’un et l’autre camp, l’opération de catégorisation est modélisée comme la projection d’un input perceptif au sein d’un espace métrique abstrait où la probabilité de réponse est une fonction décroissante de la distance psychologique. Qu’il s’agisse de mesurer la distance d’un point à un centroïde unique ou d’additionner des distances à un essaim de points disséminés, les deux modèles exploitent les mêmes formalisations de géométrie riemannienne ou euclidienne et les mêmes métriques de pondération attentionnelle.

Cette dépendance partagée envers les métriques de ressemblance les expose toutefois à une critique théorique identique, formulée avec force par des psychologues cognitivistes tels que Gregory Murphy, Douglas Medin ou Lance Rips : le piège du réductionnisme perceptif. La similarité brute, non contrainte, est une notion notoirement circulaire : deux objets quelconques de l’univers partagent une infinité de propriétés arbitraires (une prune et une tondeuse à gazon pèsent toutes deux moins de cent tonnes, ne parlent pas l’anglais, existent dans le système solaire et contiennent des atomes de carbone). Pour qu’une métrique de similarité fonctionne, l’esprit doit obligatoirement sélectionner au préalable les dimensions pertinentes. Or, cette sélection des dimensions ne peut être dictée par la similarité elle-même : elle procède de théories causales naïves, de connaissances de fond (background knowledge) et de croyances sur les essences biologiques ou physiques des objets. Ni la théorie du prototype ni celle des exemplaires ne parviennent à expliquer, par la seule géométrie de la ressemblance, pourquoi nous classons un faux billet de cent euros d’une ressemblance perceptive parfaite avec les vrais billets dans la catégorie des contrefaçons plutôt que dans celle de la monnaie légale.

5.3 Convergence vers les architectures hybrides contemporaines

Face au constat qu’aucune des deux théories pures ne parvient à épuiser la complexité des données empiriques observées chez l’être humain, la recherche contemporaine a progressivement abandonné l’opposition manichéenne au profit d’architectures computationnelles hybrides. Les données expérimentales indiquent clairement que l’esprit n’est ni un pur synthétiseur de prototypes oublieux des instances, ni un simple disque dur accumulant des exemplaires sans capacité d’abstraction intégrée.

L’une des concrétisations les plus remarquables de cette réconciliation théorique est le modèle SUSTAIN (Supervised and Unsupervised Stratified Adaptive Incremental Network) développé par Bradley Love, Douglas Medin et Todd Gureckis (2004). SUSTAIN postule que le système cognitif est régi par un principe d’économie adaptative maximale : il débute l’apprentissage d’un domaine avec une hypothèse représentationnelle extrêmement simple — un prototype unique condensant la catégorie. Tant que ce prototype permet d’effectuer des prédictions correctes et d’éviter les erreurs de classification, le système n’alloue aucune ressource mnésique supplémentaire. En revanche, dès qu’une instance entre en conflit flagrant avec les prédictions du prototype (une exception ou une sous-classe très divergente), SUSTAIN recrute un nouveau « cluster » (un exemplaire spécifique ou un sous-prototype local) pour loger cette anomalie sans altérer la représentation globale existante.

Ce modèle montre comment l’apprentissage conceptuel s’apparente à une transition développementale continue : nous commençons par mémoriser quelques exemplaires concrets lors des toutes premières expositions ; puis nous extrayons des régularités robustes formant des prototypes de base ; enfin, au fur et à mesure que l’expertise s’affine, nous réintroduisons des réservoirs d’exemplaires spécialisés pour capturer la texture fine et les cas pathologiques d’un domaine. Le continuum prototype-exemplaires s’impose dès lors non plus comme une controverse binaire, mais comme les deux pôles fonctionnels d’un même système d’apprentissage adaptatif.

6. Conditions d’application et pertinence contextuelle

6.1 Degré d’expertise et trajectoire d’apprentissage

La primauté de l’une ou l’autre modalité de catégorisation dépend intimement du niveau d’expertise du sujet et de son positionnement sur la courbe temporelle de l’apprentissage. Lors des phases initiales de découverte d’un domaine totalement inconnu (par exemple un étudiant découvrant la radiologie pulmonaire ou un novice observant des traces de faune en forêt), la capacité d’abstraction est quasi nulle. Le système cognitif s’ancre obligatoirement sur les rares exemplaires concrets mémorisés au cours des premiers cas d’entraînement. L’apprenant compare chaque nouveau motif aux deux ou trois images mémorisées dans son manuel, procédant par analogie directe et locale.

Au fil d’un entraînement modéré et de l’exposition répétée à des centaines de stimuli congruents, une extraction statistique passive s’opère dans les réseaux neuronaux corticaux. Les détails idiosyncrasiques des cas initiaux s’estompent pour laisser place à un prototype sémantique robuste. À ce stade intermédiaire, le sujet a intériorisé le « patient typique » ou la « radiographie normale moyenne ». La prise de décision devient rapide, automatique et fortement gouvernée par des heuristiques de typicalité, réduisant au minimum la charge cognitive.

Pourtant, un phénomène fascinant s’observe lorsque l’on étudie l’expertise chevronnée de haut niveau (les spécialistes disposant de décennies de pratique clinique ou d’analyse naturaliste) : l’expert revient massivement à une stratégie fondée sur des exemplaires, mais un répertoire d’exemplaires hautement enrichi et structuré. L’expert en dermatologie n’a plus besoin du prototype de mélanome standard pour identifier les cas évidents ; en revanche, sa mémoire épisodique abrite des milliers de cas rares et singuliers vécus tout au long de sa carrière. Devant une lésion atypique, sa vitesse diagnostique découle de sa capacité à faire résonner ce stimulus inhabituel avec un cas singulier précis rencontré vingt ans auparavant. L’expertise mature conjugue ainsi un socle prototypique pour la routine et un catalogue d’exemplaires critiques pour la détection fine des signaux faibles.

6.2 Structure distributionnelle de l’environnement

L’efficacité comparée des prototypes et des exemplaires est directement conditionnée par la topologie statistique des objets dans l’environnement physique ou perceptif. Deux grands régimes de distribution se distinguent :

• Les catégories unimodales et homogènes : Lorsque les membres d’une catégorie se concentrent densément autour d’un unique pôle central dans l’espace des attributs, suivant approximativement une loi de distribution normale multivariée (comme les pommes rouges courantes ou les moineaux d’une région donnée), le modèle du prototype est imbattable. Il offre une vitesse de calcul maximale et une résistance optimale au bruit d’échantillonnage, le centroïde capturant parfaitement l’essence distributionnelle du groupe.
• Les catégories multimodales, discontinues ou disjonctives : Lorsque la structure d’une catégorie est morcelée en sous-groupes morphologiquement incompatibles (comme la catégorie « animaux de compagnie » englobant des chiens, des poissons tropicaux et des tarentules, ou la catégorie « véhicules d’urgence » mêlant des hélicoptères et des ambulances au sol), le prototype s’effondre. Calculer la moyenne arithmétique d’un hélicoptère et d’une fourgonnette produit une chimère mentale dépourvue de tout pouvoir prédictif. Seul un réseau d’exemplaires peut cartographier ces sous-îlots disjoints sans forcer une convergence illusoire.

À ces contraintes spatiales s’ajoutent des contraintes temporelles strictes : les expériences de psychologie expérimentale manipulant la vitesse de réponse imposée montrent qu’en situation d’urgence vitale ou de catégorisation ultra-rapide (exposition tachistoscopique de moins de 50 millisecondes), le système visuel humain recourt prioritairement au prototype global par un traitement descendant grossier (coarse-to-fine processing). Si du temps de délibération cognitive est accordé, le sujet affine son jugement en interrogeant son stock d’exemplaires singuliers pour confirmer ou invalider sa première impression globale.

6.3 Applications en intelligence artificielle et science des données

Les deux paradigmes de la catégorisation mentale trouvent des correspondances formelles directes au sein des algorithmes majeurs de l’apprentissage automatique (machine learning) et de la science des données, illustrant la fécondité des transferts entre sciences cognitives computationnelles et ingénierie logicielle.

La théorie du prototype s’incarne mathématiquement de manière parfaite dans les algorithmes de partitionnement par centroïdes, au premier rang desquels figure le célèbre algorithme des K-Moyennes (K-Means) et le classifieur du centroïde le plus proche (Nearest Centroid Classifier). Dans ces systèmes non supervisés ou supervisés, chaque classe de données est résumée par le vecteur moyen de ses instances (le barycentre ou centre de gravité statistique). La classification d’un nouveau point de données non étiqueté procède par calcul d’une distance euclidienne minimale vis-à-vis des différents centroïdes de classes, reproduisant exactement la parcimonie et la cécité corrélationnelle postulées par Eleanor Rosch.

À l’opposé, la théorie des exemplaires constitue l’exact équivalent algorithmique des méthodes dites basées sur les instances (instance-based learning ou memory-based learning). L’algorithme des k-plus proches voisins (k-Nearest Neighbors, k-NN) applique à la lettre le mécanisme de Nosofsky : l’algorithme n’effectue aucune phase d’apprentissage abstrait préalable (« lazy learning ») ; il conserve en mémoire l’intégralité du jeu de données d’entraînement. Lors de la requête, il calcule la distance entre l’item test et chaque observation stockée pour attribuer la classe dominante du voisinage immédiat. De même, les méthodes à noyaux (comme les Support Vector Machines avec un noyau RBF ou gaussien) et les processus gaussiens traduisent mathématiquement la décroissance exponentielle de Shepard en mesurant la proximité par rapport à un ensemble d’exemplaires critiques (les vecteurs de support).

Dans l’ère contemporaine des réseaux de neurones profonds (Deep Learning) et des grands modèles de langage (LLM), cette tension se rejoue sous une forme nouvelle au sein des espaces de plongement vectoriel (embeddings). Les représentations latentes de ces architectures massives oscillent en permanence entre la synthèse d’abstractions sémantiques généralisées dans leurs couches profondes et la capacité de restituer textuellement ou visuellement des fragments quasi intacts de données d’entraînement singulières, démontrant que la maîtrise conceptuelle des systèmes artificiels complexes repose sur l’intrication étroite de l’essence prototypique et de la fidélité indicielle.

7. Foire aux questions (FAQ)

7.1 Le prototype existe-t-il réellement dans la mémoire ou n’est-il qu’un sous-produit statistique ?

Cette interrogation constitue l’un des débats épistémologiques les plus stimulants des sciences cognitives. Pour les tenants stricts de la théorie des exemplaires comme Robert Nosofsky, le prototype n’a aucune réalité ontologique : il n’existe pas dans le cerveau d’archive neuronale contenant un « oiseau moyen ». Le comportement prototypique observé en laboratoire (reconnaissance accélérée d’items moyens jamais vus auparavant) est, selon eux, une illusion mathématique causée par la sommation globale d’exemplaires. L’item moyen étant situé à une distance globale minimale de l’ensemble des exemplaires réels, il bénéficie naturellement du plus fort écho de résonance, donnant l’impression trompeuse qu’un étalon central préexistait en mémoire.

Cependant, les preuves neurobiologiques contemporaines suggèrent que le prototype possède bel et bien une réalité biologique concrète. Les enregistrements par électrophysiologie et l’imagerie fonctionnelle cérébrale révèlent que les réseaux synaptiques du néocortex temporal antérieur encodent des schémas d’activation stables et invariants représentant la configuration moyenne d’un concept, indépendamment de toute réactivation épisodique particulière. Le prototype n’est donc pas qu’un artifice computationnel émergent : il constitue un état dynamique effectif des circuits corticaux engagés dans la compression sémantique du réel.

7.2 Comment la théorie des exemplaires gère-t-elle la finitude des capacités de la mémoire humaine ?

L’argument de la saturation mémorielle est l’objection la plus fréquente adressée à la théorie des exemplaires : comment le cerveau pourrait-il stocker chaque instance perçue sans dépasser les limites physiques du système nerveux ? Les formulations modernes de la théorie répondent à cette critique en abandonnant le postulat naïf d’une mémoire photographique parfaite au profit d’un encodage stochastique, dégradé et sélectif.

D’une part, l’esprit applique une loi de décroissance temporelle et d’oubli sélectif : les exemplaires rarement réactivés voient leur force de trace s’éroder progressivement dans les circuits synaptiques, réduisant leur contribution à la résonance globale. D’autre part, la théorie de l’échantillonnage mnésique montre qu’il n’est nullement nécessaire d’activer des millions d’instances : un échantillon aléatoire représentatif de quelques dizaines de traces suffit mathématiquement à stabiliser les prédictions d’appartenance catégorielle avec une précision remarquable. Enfin, les processus physiologiques de consolidation synaptique durant le sommeil éliminent le bruit superficiel et compressent les redondances au sein de l’hippocampe, garantissant une économie biologique parfaitement compatible avec les contraintes neurophysiologiques.

7.3 Lequel des deux modèles est le plus adapté au raisonnement médical diagnostique ?

Le raisonnement médical constitue un terrain d’application clinique privilégié pour l’étude de la catégorisation, car l’erreur de jugement y entraîne des conséquences vitales immédiates. Les recherches en éducation médicale démontrent que les deux systèmes sont non seulement présents, mais strictement indispensables à la prise en charge clinique rationnelle, intervenant à des moments différents de l’analyse.

L’enseignement médical universitaire s’appuie massivement sur des prototypes nosologiques : on enseigne aux étudiants le « tableau clinique typique » d’un infarctus du myocarde, d’une crise d’appendicite ou d’un diabète de type 1. Ce prototype est une abstraction synthétique indispensable qui structure le cadre diagnostique primaire. Néanmoins, en pratique réelle, une proportion considérable de patients se présente avec une symptomatologie fruste ou trompeuse (l’infarctus de la femme âgée ou du patient diabétique s’exprimant souvent sans douleur thoracique typique, mais par un malaise digestif isolé). Dans ces configurations critiques, les médecins expérimentés s’appuient sur leur mémoire des exemplaires réels : ils reconnaissent immédiatement un tableau rare parce qu’ils ont été confrontés à un cas analogue dix ans plus tôt. La dépendance exclusive au prototype induit des biais de représentativité mortels (rejeter un diagnostic car le patient ne correspond pas à l’image classique du manuel), tandis que la dépendance exclusive aux exemplaires expose au biais d’ancrage anecdotique. L’expertise médicale requiert l’oscillation constante et vigilante entre ces deux modes cognitifs.

7.4 Ces théories permettent-elles d’expliquer les concepts abstraits comme la justice ou la liberté ?

La théorie du prototype tout comme la théorie des exemplaires ont été initialement modélisées pour rendre compte d’objets physiques perceptifs concrets (animaux, meubles, couleurs, formes géométriques). Face aux concepts hautement abstraits, institutionnels ou philosophiques tels que la « justice », la « souveraineté », la « démocratie » ou la « trahison », ces modèles empiristes se heurtent à des limites intrinsèques évidentes, car ces notions ne possèdent aucun attribut morphologique ou sensoriel unifié direct.

Pour surmonter cette aporie, les sciences cognitives font appel à la Theory-Theory (la théorie des concepts vus comme des théories causales naïves) et à la linguistique des métaphores conceptuelles développée par George Lakoff et Mark Johnson. L’assignation d’un événement à la catégorie « acte injuste » ne repose pas sur une ressemblance géométrique, mais sur la violation d’un modèle moral de réciprocité causale. Néanmoins, des mécanismes d’exemplaires et de prototypes persistent en arrière-plan : pour juger un cas de justice complexe, nous nous référons fréquemment à des scénarios exemplaires emblématiques gravés dans notre mémoire culturelle ou personnelle (le jugement de Salomon, le procès de Nuremberg, une injustice vécue à l’école), ou à des prototypes d’acteurs moraux incarnant la rectitude ou la perfidie.

8. Conclusion et perspectives épistémologiques

8.1 Bilan de l’opposition abstraction versus instanciation

Le long débat ayant opposé partisans du prototype et défenseurs des exemplaires au cours du dernier demi-siècle a constitué l’un des moteurs les plus puissants du raffinement conceptuel et méthodologique des sciences de l’esprit. Loin de s’achever sur la défaite unilatérale de l’un des deux paradigmes, cette confrontation théorique a mis en lumière la fausseté de l’alternative binaire imposée initialement. L’esprit humain n’est pas prisonnier d’un dilemme rigide entre une parcimonie amnésique et une accumulation encyclopédique passive d’instanciations particulières.

Ce que révèle la synthèse des données comportementales, computationnelles et neurobiologiques, c’est l’extraordinaire plasticité adaptative de la cognition. L’architecture mentale humaine se caractérise par sa capacité à ajuster en continu le niveau d’abstraction de ses représentations en fonction des exigences de la tâche, des contraintes de temps, de la structure distributionnelle de l’environnement et du niveau de familiarité du sujet. Le prototype offre l’ossature d’une navigation sémantique économique, rapide et résistante à l’entropie quotidienne ; l’exemplaire offre la texture fine, la sensibilité aux corrélations masquées et la capacité de reconnaître l’exception critique garantissant la survie face à l’imprévu.

8.2 Horizons futurs des sciences cognitives contemporaines

À l’aube du XXIe siècle, la question de la catégorisation conceptuelle se reformule au croisement de la neuroimagerie computationnelle et des architectures prédictives du cerveau. Le paradigme du traitement prédictif (Predictive Processing) et de l’inférence bayésienne fournit aujourd’hui un cadre unificateur séduisant pour dépasser définitivement l’antagonisme historique : le cerveau peut être conçu comme une machine générative qui maintient des modèles de probabilité a priori (lesquels s’apparentent fonctionnellement à des prototypes abstraits), tout en révisant continuellement ces distributions à la lumière des erreurs de prédiction induites par la confrontation avec chaque instance empirique singulière (l’exemplaire).

De surcroît, le déploiement planétaire des modèles de fondation en intelligence artificielle invite à repenser la nature même des concepts au sein d’espaces dimensionnels à des millions de variables. En observant comment ces architectures artificielles parviennent à réaliser des généralisations inductives stupéfiantes en compressant des corpus gigantesques d’expériences textuelles ou visuelles, les chercheurs en sciences cognitives découvrent que la frontière entre abstraction et mémoire d’exemplaires n’est qu’une question de perspective mathématique au sein de réseaux multicouches complexes. L’étude de la catégorisation demeure plus que jamais la clé de voûte de notre compréhension de l’intelligence, qu’elle soit incarnée dans le tissu biologique du cerveau ou simulée dans les circuits du silicium.

Références

Ashby, F. G., & Maddox, W. T. (2005). Human category learning. Annual Review of Psychology, 56(1), 149-178. https://doi.org/10.1146/annurev.psych.56.091103.070217

Brooks, L. R. (1978). Nonanalytic concept formation and memory for instances. In E. Rosch & B. B. Lloyd (Eds.), Cognition and Categorization (pp. 169-211). Lawrence Erlbaum Associates.

Love, B. C., Medin, D. L., & Gureckis, T. M. (2004). SUSTAIN: A network model of category learning. Psychological Review, 111(2), 309-332. https://doi.org/10.1037/0033-295X.111.2.309

Medin, D. L., & Schaffer, M. M. (1978). Context theory of classification learning. Psychological Review, 85(3), 207-238. https://doi.org/10.1037/0033-295X.85.3.207

Murphy, G. L. (2002). The Big Book of Concepts. The MIT Press. https://doi.org/10.7551/mitpress/1603.001.0001

Nosofsky, R. M. (1986). Attention, similarity, and the identification-categorization relationship. Journal of Experimental Psychology: General, 115(1), 39-57. https://doi.org/10.1037/0096-3445.115.1.39

Nosofsky, R. M. (1988). Exemplar-based accounts of relations between classification, recognition, and typicality. Journal of Experimental Psychology: Learning, Memory, and Cognition, 14(4), 700-708. https://doi.org/10.1037/0278-7393.14.4.700

Posner, M. I., & Keele, S. W. (1968). On the genesis of abstract ideas. Journal of Experimental Psychology, 77(3p1), 353-363. https://doi.org/10.1037/h0025953

Posner, M. I., & Keele, S. W. (1970). Retention of abstract ideas. Journal of Experimental Psychology, 83(2p1), 304-308. https://doi.org/10.1037/h0028558

Rosch, E. (1973). Natural categories. Cognitive Psychology, 4(3), 328-350. https://doi.org/10.1016/0010-0285(73)90017-0

Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192-233. https://doi.org/10.1037/0096-3445.104.3.192

Rosch, E., & Mervis, C. B. (1975). Family resemblances: Studies in the internal structure of categories. Cognitive Psychology, 7(4), 573-605. https://doi.org/10.1016/0010-0285(75)90024-9

Wittgenstein, L. (1953). Philosophical Investigations. Blackwell.