L’interface cerveau-ordinateur, ou interface cerveau-machine, constitue l’une des frontières technologiques et neuroscientifiques les plus fascinantes du XXIe siècle, redéfinissant la relation intime entre l’activité cérébrale et l’environnement matériel. En établissant un canal de communication direct et bidirectionnel entre le système nerveux central et un dispositif informatique externe, ce paradigme transforme les intentions motrices et cognitives en commandes opérationnelles sans solliciter les voies neuromusculaires traditionnelles. Au carrefour de la psychologie cognitive, de la neurophysiologie et de l’ingénierie logicielle, elle ouvre des horizons inédits tant pour la réhabilitation des déficits moteurs sévères que pour l’exploration fondamentale des processus de la conscience humaine.
Interface cerveau-ordinateur (ICO)
1. Définition concise
Une interface cerveau-ordinateur (ICO), souvent désignée sous l’appellation d’interface cerveau-machine (ICM) ou par le sigle anglophone BCI (Brain-Computer Interface), est un système matériel et logiciel qui mesure l’activité du système nerveux central, en extrait des caractéristiques neurophysiologiques spécifiques et les traduit en signaux de commande exécutables par un dispositif externe, sans recourir aux voies effectrices périphériques (nerfs périphériques et muscles squelettiques).
Dans le domaine des sciences psychologiques et cognitives, l’interface cerveau-ordinateur représente à la fois un outil d’investigation des architectures neurales sous-tendant la volition, l’attention et les représentations sensori-motrices, et un vecteur thérapeutique puissant. En fermant la boucle entre l’intention mentale de l’individu et la rétroaction sensorielle générée par la machine, l’ICO met en jeu des mécanismes d’apprentissage instrumental et de réorganisation synaptique au sein des réseaux corticaux et sous-corticaux.
2. Étymologie et origine linguistique
L’expression française « interface cerveau-ordinateur » est un calque du terme anglophone brain-computer interface, forgé pour la première fois dans la littérature scientifique en 1973 par l’informaticien et neuroscientifique Jacques J. Vidal à l’Université de Californie à Los Angeles (UCLA). Le terme « interface » dérive du préfixe latin inter- (signifiant « entre », « parmi ») et du substantif fの内acies (devenu « face » en français, désignant la surface, l’apparence ou l’aspect d’une chose), formalisé au XIXe siècle dans le vocabulaire de la physique pour décrire une surface de contact commune à deux états ou deux corps distincts.
Le vocable « cerveau » puise ses origines dans le latin vulgaire cerebellum, diminutif de cerebrum (« cerveau », « siège de la pensée »), tandis que « ordinateur » a été introduit en 1955 par le philologue Jacques Perret à la demande d’IBM France, dérivant du latin ordinator, signifiant « celui qui met en ordre » ou « ordonnateur ». L’alternance entre « interface cerveau-machine » (ICM) et « interface cerveau-ordinateur » (ICO) reflète souvent une nuance technique : l’ICM renvoie historiquement à la commande d’actionneurs physiques tels que des prothèses robotisées ou des exosquelettes, tandis que l’ICO évoque plus particulièrement la manipulation de logiciels, de curseurs virtuels ou de systèmes d’information symboliques.
3. Prononciation et forme grammaticale
Sur le plan morphosyntaxique, l’expression s’emploie comme un syntagme nominal féminin singulier : « une interface cerveau-ordinateur » (au pluriel : « des interfaces cerveau-ordinateur » ou « des interfaces cerveau-ordinateurs » selon les conventions typographiques adoptées pour les termes composés). La prononciation phonétique standard en français international s’articule comme suit : /ɛ̃.tɛʁ.fas sɛʁ.vo ɔʁ.di.na.tœʁ/.
Dans le discours académique et clinique contemporain, l’acronyme BCI (/bi.si.aɪ/ ou francisé /be.se.i/) cohabite fréquemment avec les sigles francophones ICO ou ICM. Le terme s’utilise principalement avec des verbes d’action ou de contrôle (ex. « piloter un effecteur via une interface cerveau-ordinateur », « entraîner l’opérateur à l’usage d’une ICO ») et régit généralement des adjectifs au féminin accordés avec « interface » (ex. « une interface cerveau-ordinateur invasive », « synchrone », « passive »).
4. Explication conceptuelle détaillée
Le fonctionnement d’une interface cerveau-ordinateur repose sur une chaîne de traitement séquentielle et hautement intégrée, structurée en quatre étapes cardinales : l’acquisition du signal cérébral, l’extraction de ses caractéristiques discriminantes, la classification de ces signaux en commandes logiques, et l’émission d’un retour d’information (biofeedback) vers le sujet.
La première phase, l’acquisition, mobilise des capteurs électrophysiologiques, magnétiques ou hémodynamiques capables d’enregistrer les fluctuations spatiotemporelles de l’activité nerveuse. Ces signaux bruts, particulièrement sensibles aux bruits de fond biologiques (artefacts oculaires, musculaires ou cardiaques) et environnementaux, sont ensuite filtrés et numérisés. L’étape de prétraitement permet d’isoler les bandes de fréquences pertinentes ou les potentiels évoqués d’intérêt.
La seconde phase concerne l’extraction des caractéristiques : le système identifie les variations d’amplitude, d’énergie spectrale ou de phase qui correspondent à un état mental délibéré. Par exemple, lors d’une tâche d’imagerie motrice, la simple intention d’effectuer une flexion du poignet induit une désynchronisation liée à un événement (ERD) au niveau du cortex moteur controlatéral, caractérisée par une chute transitoire de la puissance des rythmes mu (8–12 Hz) et bêta (13–30 Hz).
La troisième phase, la classification ou traduction algorithmique, transforme ces descripteurs mathématiques en vecteurs de commande univoques. Utilisant des modèles d’apprentissage automatique supervisé, des classificateurs linéaires (comme l’analyse discriminante linéaire) ou des réseaux neuronaux profonds, le système assigne l’état cérébral identifié à une intention précise, comme le déplacement d’un curseur vers la gauche ou la fermeture d’une pince robotique.
Enfin, la quatrième étape fondamentale consiste en la restitution d’un retour sensoriel immédiat, visuel, auditif ou haptique, matérialisant l’effet produit par la commande cérébrale. Ce retour ferme la boucle sensori-motrice artificielle, permettant à la plasticité neuronale d’entrer en jeu : le cerveau de l’utilisateur apprend progressivement à moduler volontairement ses dynamiques électriques pour optimiser l’efficacité de l’interaction avec le système artificiel.
5. Évolution historique
La trajectoire scientifique des interfaces cerveau-ordinateur s’enracine dans la découverte fondamentale de l’électroencéphalographie humaine par Hans Berger en 1924. En démontrant que l’activité électrique du cerveau humain pouvait être captée à la surface du scalp et qu’elle variait selon l’état de vigilance, Berger a jeté les bases indispensables de toute neurotechnologie de lecture cérébrale.
Durant les années 1960, le neurophysiologiste Eberhard Fetz mène des expériences pionnières chez le primate non humain, démontrant que des singes peuvent apprendre, via un conditionnement opérant, à contrôler la fréquence de décharge d’un seul neurone cortical pour obtenir une récompense liquide. Cette découverte historique prouve expérimentalement la plasticité du codage neuronal et la capacité du système nerveux central à moduler volontairement son activité élémentaire.
En 1973, Jacques J. Vidal publie son article séminal Toward Direct Brain-Computer Communication, dans lequel il pose les fondations théoriques du domaine et conçoit le premier prototype expérimental exploitant les potentiels évoqués visuels pour contrôler un curseur sur un écran cathodique à l’UCLA. Les années 1980 et 1990 voient l’émergence des premiers systèmes cliniquement viables : Jonathan Wolpaw développe à l’Albany Wadsworth Center un protocole fondé sur la modulation des rythmes sensorimoteurs, tandis que Farwell et Donchin conçoivent en 1988 le célèbre « speller P300 », un système de saisie textuelle reposant sur l’onde P300 du potentiel évoqué cognitif.
Au tournant des années 2000, les travaux de Miguel Nicolelis et John Donoghue marquent l’avènement des interfaces intracorticales invasives chez l’animal puis chez l’humain. Le projet BrainGate démontre dès 2006 qu’un patient tétraplégique peut manipuler un bras robotique et commander un ordinateur par l’implantation d’une matrice de microélectrodes dans le cortex moteur primaire. Depuis les années 2010, l’intégration des algorithmes d’apprentissage profond et l’essor de dispositifs miniaturisés à très haute densité d’enregistrement ont propulsé les ICO au rang d’enjeu industriel et clinique mondial.
6. Fondements théoriques
L’interface cerveau-ordinateur s’appuie sur une convergence de modèles issus des sciences cognitives, de la cybernétique et de la neurobiologie computationnelle. Au premier rang de ces cadres théoriques figure la théorie du contrôle en boucle fermée issue de la cybernétique de Norbert Wiener. Dans cette perspective, l’ensemble formé par le cerveau, le décodeur algorithmique et l’effecteur constitue un système dynamique unifié régi par des boucles de rétroaction négative visant à minimiser l’erreur entre l’état visé et l’état observé.
Sur le plan cognitif, la théorie de l’apprentissage moteur et du conditionnement opérant éclaire la manière dont le sujet acquiert la maîtrise de l’ICO. L’opérateur ne transmet pas simplement des pensées préexistantes : il engage un apprentissage procédural similaire à l’acquisition d’un nouveau geste moteur. Par le renforcement contingent offert par le feedback, le sujet affine ses représentations mentales, stabilisant les patrons d’activation nécessaires à la commande.
Le concept de réaffectation corticale et la théorie du schéma corporel apportent un éclairage neurobiologique crucial : lorsqu’un effecteur externe est piloté de façon fluide et congruente avec l’intention motrice, il tend à être incorporé dans la représentation somatotopique du sujet, un phénomène connu sous le nom d’« incorporation d’outil » ou embodiment.
Enfin, les modèles bayésiens de la perception et de l’action suggèrent que le cerveau génère continuellement des prédictions descendantes (top-down) comparées aux flux d’informations sensorielles ascendants (bottom-up). L’interaction avec une interface computationnelle exige du cortex une réactualisation de ses modèles internes pour intégrer les temps de latence et les imprécisions intrinsèques du système de décodage.
7. Composantes clés, typologies et dimensions
Les interfaces cerveau-ordinateur se structurent selon plusieurs dimensions techniques, anatomiques et opérationnelles complémentaires :
- Selon le degré d’invasivité de l’enregistrement :
- Non invasives : reposent sur des capteurs placés à la surface de la peau (EEG, fNIRS, magnétoencéphalographie). Elles offrent une excellente sécurité d’emploi et une grande facilité de mise en place, mais souffrent d’une résolution spatiale limitée et d’une forte atténuation des signaux due à la traversée de la boîte crânienne.
- Semi-invasives (ou électrocorticographie – ECoG) : les grilles d’électrodes sont insérées chirurgicalement à la surface de la dure-mère ou de la pie-mère sans pénétrer le tissu cérébral, garantissant un excellent compromis entre stabilité du signal et innocuité relative.
- Invasives (intracorticales) : des matrices de microaiguilles pénètrent directement le parenchyme cérébral au niveau des couches neuronales, permettant d’enregistrer les potentiels d’action d’unités isolées (spikes) avec une résolution spatiale et temporelle maximale, au prix de risques chirurgicaux et d’une dégradation progressive par réaction gliale.
- Selon le paradigme de contrôle cérébral :
- Exogènes (dépendantes de stimuli externes) : exploitent les réponses cérébrales évoquées par des stimulations sensorielles régulières, telles que les potentiels évoqués visuels en régime permanent (SSVEP) ou l’onde P300 provoquée par le paradigme de détection de cibles insolites (oddball).
- Endogènes (indépendantes) : reposent sur la modulation spontanée et volontaire des états cérébraux par l’opérateur, sans stimulation externe requise, notamment via l’imagerie motrice mentale ou le contrôle cognitif de l’attention.
- Selon la nature fonctionnelle de l’interface :
- Actives : le sujet produit une commande intentionnelle consciente pour actionner un dispositif.
- Réactives : le sujet réagit à une stimulation externe pour sélectionner une alternative.
- Passives : l’interface analyse l’activité cérébrale spontanée en arrière-plan (sans intention explicite de commande) pour inférer la charge mentale, le niveau de fatigue ou l’état émotionnel de l’opérateur afin d’adapter dynamiquement un environnement logiciel.
8. Exemples et cas illustratifs
Pour illustrer la réalité clinique de ces dispositifs, considérons le cas d’une patiente atteinte d’une sclérose latérale amyotrophique (SLA) avancée, privée de toute motricité volontaire et entrée dans un état d’enfermement partiel (locked-in syndrome). Grâce à une interface cerveau-ordinateur non invasive basée sur le potentiel évoqué P300, une matrice alphanumérique clignote de manière pseudo-aléatoire sur un moniteur face à elle. Lorsqu’elle focalise son attention sur la lettre qu’elle souhaite composer, le clignotement de cette case précise déclenche une déflexion positive caractéristique de son tracé électroencéphalographique environ 300 millisecondes après le flash. L’algorithme identifie la convergence de ces signaux et retranscrit la lettre, rétablissant ainsi un canal autonome de communication verbale avec son entourage et l’équipe soignante.
Dans le domaine de la rééducation post-accident vasculaire cérébral (AVC), un patient hémiplégique peut être équipé d’un casque EEG couplé à une orthèse robotisée fixée sur son membre parétique. Lorsqu’il s’exerce à imaginer mentalement l’ouverture de sa main sans la mouvoir, l’ICO détecte la désynchronisation des rythmes sensorimoteurs dans l’hémisphère lésé et commande l’ouverture mécanique de l’orthèse. Ce jumelage temporel strict entre l’effort cortical et le mouvement induit renforce, selon les règles de la plasticité hebbienne, les circuits corticomoteurs résiduels, accélérant significativement la récupération motrice fonctionnelle comparativement à une thérapie conventionnelle.
Un autre exemple marquant relève de la neuro-ingénierie invasive : des patients tétraplégiques équipés de réseaux d’électrodes intracorticales insérés dans l’aire motrice du langage parviennent aujourd’hui à générer du texte sur un écran à des vitesses dépassant 60 à 90 mots par minute, le système décodant en temps réel les trajectoires motrices virtuelles que le cerveau tente d’imprimer aux articulateurs vocaux ou aux gestes d’écriture manuscrite.
9. Mesure, acquisition et évaluation
L’évaluation des performances et de la fidélité d’une interface cerveau-ordinateur repose sur une batterie d’indicateurs psychométriques et techniques rigoureusement standardisés. L’indicateur historique de référence est le taux de transfert d’information (ITR), exprimé en bits par minute, formulé initialement d’après le théorème de Claude Shannon. L’ITR combine la vitesse de décision (temps nécessaire pour émettre une commande), le nombre de choix possibles offerts à l’utilisateur et l’exactitude moyenne de la classification.
Sur le plan neurophysiologique, la qualité du signal brut s’estime par le rapport signal sur bruit (SNR). Dans les modalités non invasives par EEG, la stabilité temporelle de la ligne de base, l’impédance de contact inter-électrodes (idéalement maintenue sous le seuil de 5 kΩ) et l’atténuation des artefacts électromyographiques sont des prérequis indispensables pour garantir la validité des données recueillies.
Sur le versant psychologique et ergonomique, l’acceptabilité et l’utilisabilité de l’outil sont couramment mesurées à l’aide d’échelles standardisées comme l’échelle de charge de travail NASA-TLX (Task Load Index), qui évalue la charge mentale, physique, temporelle et l’effort perçu par le participant. De surcroît, le questionnaire d’utilisabilité SUS (System Usability Scale) permet d’appréhender le sentiment d’auto-efficacité, la fatigue cognitive induite par les sessions d’entraînement répétées et la frustration ressentie en cas d’erreurs de décodage répétées.
10. Applications et portée pratique
Les champs d’application des interfaces cerveau-ordinateur s’étendent bien au-delà de la recherche fondamentale en laboratoire et s’articulent autour de plusieurs pôles majeurs :
Médecine de réadaptation et suppléance fonctionnelle : Il s’agit du champ historique le plus développé. Pour les personnes souffrant de quadriplégie traumatique, de séquelles d’accidents vasculaires cérébraux ou de dystrophies neuromusculaires, l’ICO offre le contrôle autonome de fauteuils roulants électriques, de bras manipulateurs, de prothèses myoélectriques ou de systèmes domotiques environnementaux (gestion de l’éclairage, du chauffage ou des interfaces numériques grand public).
Thérapie psychiatrique et neurofeedback : L’utilisation des ICO passives ou de neurofeedback permet à des patients atteints de trouble du déficit de l’attention avec ou sans hyperactivité (TDAH), de trouble de stress post-traumatique (TSPT) ou d’états anxieux sévères d’apprendre à auto-réguler des bandes spectrales spécifiques (telles que le ratio thêta/bêta ou les rythmes alpha) afin de restaurer un fonctionnement exécutif et émotionnel adaptatif.
Ergonomie cognitive et sécurité opérationnelle : Dans les domaines à haut risque tels que le pilotage aéronautique, l’exploitation ferroviaire ou le contrôle de centrales nucléaires, les ICO passives permettent de surveiller en continu l’état d’éveil de l’opérateur. En détectant précocement les surcharges cognitives ou les épisodes de somnolence via les signatures spectrales cérébrales, ces systèmes peuvent adapter le niveau d’assistance automatisée en temps réel pour prévenir l’accidentologie humaine.
Divertissement, réalité virtuelle et jeux vidéo : L’intégration des capteurs d’activités neurales au sein de casques de réalité immersive autorise la manipulation d’objets virtuels ou l’adaptation de la narration interactive en fonction de l’état émotionnel direct du joueur, créant un sentiment de présence et d’agentivité hautement immersif.
11. Recherche empirique et données scientifiques
La recherche contemporaine valide avec constance l’efficacité clinique des systèmes BCI tout en mettant en lumière d’importants défis méthodologiques. Les méta-analyses publiées au cours des dernières années confirment que la réhabilitation motrice post-AVC assistée par ICO combinée à une stimulation motrice passive surpasse significativement les thérapies conventionnelles seules en termes d’amélioration des scores moteurs sur l’échelle de Fugl-Meyer.
Cependant, les travaux expérimentaux conduits par des chercheurs tels qu’Andrea Kübler ont mis en évidence un phénomène récurrent documenté sous le nom d’« analphabétisme BCI » ou d’« inaptitude BCI » (BCI illiteracy ou BCI inefficiency). Les données suggèrent qu’environ 15 % à 30 % des utilisateurs s’avèrent incapables d’acquérir une modulation neuronale suffisante pour faire fonctionner une interface non invasive avec un taux de précision supérieur au seuil de chance statistique, même après des phases d’entraînement intensives. Les investigations actuelles corrèlent ce phénomène à des variations anatomiques de la cytoarchitecture corticale, à des styles cognitifs individuels ou à des niveaux élevés d’anxiété de performance qui parasitent les rythmes sensorimoteurs.
Sur le plan des neurotechnologies invasives, les essais cliniques dirigés par des équipes de recherche de premier plan ont franchi des jalons décisifs : des enregistrements chroniques étalés sur plus de cinq ans chez des patients implantés ont prouvé la faisabilité du décodage à haute vitesse des signaux corticaux, bien que les réactions immunitaires de l’hôte (encapsulation astrocytaire des microélectrodes) demeurent une variable limitante pour la stabilité du signal au long cours.
12. Considérations culturelles et transculturelles
Bien que les mécanismes biophysiques régissant la dépolarisation membranaire des neurones soient universels, la perception, l’adoption et les implications sociétales des interfaces cerveau-ordinateur varient grandement selon les ancrages culturels et philosophiques. Dans les cultures occidentales, fortement marquées par l’individualisme et l’héritage cartésien séparant le corps et l’esprit, l’ICO est fréquemment théorisée à travers le prisme de l’augmentation des capacités individuelles, de l’indépendance fonctionnelle et de l’optimisation des performances cognitives.
À l’inverse, dans d’autres traditions philosophiques ou contextes collectifs, l’introduction de prothèses cérébrales soulève des interrogations prégnantes quant à la frontière du soi, à la cohésion communautaire et à l’harmonie holistique entre l’être vivant et son environnement naturel. L’incorporation d’une machine au sein même de l’organe de la pensée peut être appréhendée comme une rupture ontologique avec la corporéité biologique.
De surcroît, les disparités économiques et géopolitiques conditionnent l’accès à ces innovations de pointe. Le coût prohibitif des procédures chirurgicales d’implantation, des dispositifs mécatroniques de pointe et de leur maintenance logicielle risque de creuser un fossé d’iniquité sanitaire majeur à l’échelle mondiale, cantonnant les applications curatives ou augmentatives aux populations des pays à très haut revenu.
13. Critiques, controverses et limites
L’essor vertigineux des interfaces cerveau-ordinateur suscite de vifs débats éthiques, juridiques et épistémologiques articulés autour du concept émergent des « neurodroits » (neurorights). Plusieurs problématiques centrales dominent les discussions savantes contemporaines :
La confidentialité mentale et la protection des neurodonnées : L’activité cérébrale recèle les corrélats les plus intimes de la vie mentale : préférences inconscientes, intentions non verbalisées, vulnérabilités affectives ou marqueurs prédictifs de pathologies psychiatriques. L’interception non régulée, le stockage sur des serveurs distants ou l’exploitation commerciale des biomarqueurs neuronaux posent des risques d’intrusion sans précédent dans la vie privée des individus.
L’agentivité morale et la responsabilité juridique : Si un utilisateur commande un actionneur robotique ou un véhicule autonome via une ICO et qu’un accident survient à la suite d’une erreur d’interprétation algorithmique, qui porte la responsabilité légale du préjudice causé ? L’opérateur humain qui a conçu l’intention, l’ingénieur ayant élaboré le classificateur probabiliste, ou le fabricant du matériel ? Cette dilution de l’agentivité interroge profondément les catégories traditionnelles du droit de la responsabilité et de l’éthique de l’action.
Les limitations techniques et le mythe de la « lecture de pensée » : Une critique récurrente émise par les spécialistes des neurosciences vise les représentations sensationalistes colportées par certains promoteurs industriels promettant une télépathie artificielle ou un décodage exhaustif de la pensée abstraite. En l’état actuel des connaissances scientifiques, les ICO ne décodent pas le « sens » ou la complexité sémantique de l’esprit ; elles identifient de manière probabiliste des signatures d’activité biophysique globale pré-calibrées pour un nombre très restreint de catégories opérationnelles.
14. Termes associés et distinctions conceptuelles
Afin d’éviter tout flou conceptuel, il convient de distinguer l’interface cerveau-ordinateur d’autres notions connexes de la psychophysiologie et du génie biomédical :
- Interface cerveau-machine (ICM) : Souvent utilisée comme synonyme direct de l’ICO, l’expression privilégie historiquement le pilotage d’actionneurs physiques et mécaniques (exosquelettes, bras prothétiques) plutôt que la gestion d’environnements purement numériques.
- Neurofeedback : Modalité thérapeutique qui renvoie à l’utilisateur des informations sur son activité cérébrale afin de lui apprendre à s’auto-réguler volontairement. Contrairement à l’ICO, le neurofeedback n’a pas pour objectif de traduire cette activité en commandes de pilotage d’un système externe fonctionnel, mais constitue un protocole d’entraînement cérébral intrinsèque.
- Stimulation cérébrale profonde (SCP) : Dispositif thérapeutique invasif qui injecte des impulsions électriques dans des structures cérébrales cibles (comme le noyau sous-thalamique dans la maladie de Parkinson) pour restaurer un équilibre fonctionnel. Alors que l’ICO classique procède par « lecture » de l’activité, la SCP procède par « écriture » ou stimulation unilatérale (bien que les dispositifs modernes dits en « boucle fermée » combinent désormais ces deux approches).
- Interfaces neuromusculaires (électromyographiques – EMG) : Systèmes captant les potentiels d’action générés par la contraction des muscles résiduels au niveau des membres. Ces interfaces utilisent le système nerveux périphérique et les unités motrices musculaires, tandis que l’ICO fait impérativement l’impasse sur ces voies effectrices en se connectant directement au système nerveux central.
15. Synthèse et points clés
En synthèse, l’interface cerveau-ordinateur constitue une technologie de rupture matérialisant la communication directe et bidirectionnelle entre le cerveau humain et des processeurs électroniques sans médiation neuromusculaire. Elle repose sur des protocoles d’acquisition variés allant du recueil non invasif par EEG à l’implantation intracorticale de microélectrodes à haute densité d’enregistrement. En traduisant des états mentaux définis (tels que l’imagerie motrice ou les potentiels cognitifs évoqués) en signaux opérationnels, elle restaure des fonctions fondamentales chez les personnes en situation de handicap lourd et ouvre de nouvelles perspectives pour la rééducation neurologique, l’ergonomie de sécurité et l’exploration de la cognition.
Toutefois, la pérennisation et la généralisation de ces dispositifs imposent de surmonter d’importants défis scientifiques — tels que la variabilité interindividuelle, le phénomène d’analphabétisme BCI et l’usure biologique des interfaces invasives — tout en instaurant des garde-fous éthiques robustes pour préserver l’intégrité cognitive, l’agentivité et la confidentialité neuronale des utilisateurs.
Références
- Berger, H. (1929). Über das Elektrenkephalogramm des Menschen. Archiv für Psychiatrie und Nervenkrankheiten, 87(1), 527–570. https://link.springer.com/article/10.1007/BF01797193
- Farwell, L. A., & Donchin, E. (1988). Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials. Electroencephalography and Clinical Neurophysiology, 70(6), 510–523. https://www.sciencedirect.com/science/article/pii/0013469488901496
- Fetz, E. E. (1969). Operant conditioning of cortical unit activity. Science, 163(3870), 955–958. https://www.science.org/doi/10.1126/science.163.3870.955
- Vidal, J. J. (1973). Toward direct brain-computer communication. Annual Review of Biophysics and Bioengineering, 2(1), 157–180. https://www.annualreviews.org/doi/10.1146/annurev.bb.02.060173.001105
- Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., & Vaughan, T. M. (2002). Brain–computer interfaces for communication and control. Clinical Neurophysiology, 113(6), 767–791. https://www.sciencedirect.com/science/article/pii/S1388245702000573