Au croisement des sciences cognitives, de l’intelligence artificielle et des neurosciences computationnelles, la théorie du contrôle adaptatif de la pensée (couramment désignée sous l’acronyme ACT, puis ACT-R pour Adaptive Control of Thought-Rational) constitue l’un des cadres théoriques les plus ambitieux et aboutis visant à formaliser l’architecture cognitive globale de l’esprit humain. Développée principalement par le psychologue et informaticien John Robert Anderson au sein de l’Université Carnegie-Mellon, cette théorie postule que l’ensemble des activités mentales complexes émerge de l’interaction dynamique entre une mémoire déclarative basée sur des représentations propositionnelles et une mémoire procédurale régie par des règles de production. En unifiant les mécanismes élémentaires de l’attention, de la perception, de l’apprentissage et de la prise de décision, l’architecture ACT propose une explication computationnelle intégrée de la manière dont la cognition s’adapte continuellement aux exigences de son environnement.
Théorie du contrôle adaptatif de la pensée (ACT-R)
1. Définition concise
La théorie du contrôle adaptatif de la pensée est une macro-théorie et une architecture cognitive unifiée qui modélise le fonctionnement de l’esprit humain sous la forme d’un système de traitement de l’information symbolique et sous-symbolique. Elle postule que l’intelligence humaine repose sur la coordination temporelle étroite entre des modules spécialisés (perceptifs, moteurs et mnésiques) interagissant à travers une mémoire de travail centrale et un système central de règles de production condition-action.
Sur le plan fondamental, cette théorie soutient que la cognition humaine est optimisée de manière rationnelle par rapport à la structure statistique de l’environnement physique et social. Elle établit une distinction épistémologique et fonctionnelle majeure entre la mémoire déclarative (les faits, les concepts et les épisodes stockés sous forme de blocs d’information ou chunks) et la mémoire procédurale (les savoir-faire et compétences motrices ou cognitives incarnés par des productions logiques).
Enfin, l’architecture computationnelle ACT-R transcende le statut de simple modèle conceptuel descriptif en s’incarnant dans un simulateur informatique exécutable. Celui-ci permet aux chercheurs de simuler précisément les temps de réponse milliseconde par milliseconde, les taux d’erreur, les trajectoires d’apprentissage ainsi que les patrons d’activation neuronale associés à des tâches cognitives complexes allant de la résolution de problèmes mathématiques à la navigation aérienne.
2. Étymologie et origines linguistiques
L’expression « théorie du contrôle adaptatif de la pensée » est la traduction directe du syntagme anglophone Adaptive Control of Thought Theory. Chacun des termes constitutifs véhicule un héritage épistémologique spécifique au sein de la cybernétique et de la psychologie cognitive d’après-guerre.
Le vocable « adaptatif » provient du latin adaptare (« ajuster en vue de », composé du préfixe ad- signifiant « vers » et de aptare signifiant « convenir » ou « ajuster »). Dans la théorie, il réfère au principe d’adaptation évolutionniste et bayésienne : le système cognitif module la disponibilité de ses connaissances internes en fonction de la probabilité historique de leur pertinence dans le contexte actuel.
Le terme « contrôle » puise son origine dans le bas-latin contrarotulus (« registre tenu en double pour vérification »), qui a donné en moyen français l’idée d’inspection, puis en cybernétique moderne le principe de régulation dynamique d’un système téléologique orienté vers un but. Quant au mot « pensée », issu du latin classique pensare (« peser », « soupeser avec soin », « évaluer »), il désigne l’ensemble des opérations symboliques supérieures exécutées par le système nerveux central.
L’acronyme historique ACT a vu le jour en 1976 dans l’ouvrage fondateur d’Anderson Language, Memory, and Thought. L’adjonction de la lettre « R » au milieu des années 1990 pour forger « ACT-R » explicite l’intégration du principe de rationalité adaptative (Rational), inspiré de l’approche économique et évolutionniste de l’adaptation cognitive théorisée par John Anderson dans The Adaptive Character of Thought (1990).
3. Prononciation et forme grammaticale
En français, le syntagme s’emploie principalement sous sa forme nominale féminine : « la théorie du contrôle adaptatif de la pensée » ou plus communément par son sigle original « la théorie ACT » (prononcé phonétiquement akt) ou « ACT-R » (prononcé le plus souvent à l’américaine akt ɑːr ou à la française akt ɛʁ).
Sur le plan morphologique et syntaxique, le terme relève des locutions nominales complexes désignant des théories scientifiques. Le syntagme associe un substantif féminin (« théorie »), un complément du nom masculin singulier (« contrôle »), un adjectif qualificatif épithète (« adaptatif ») et un second complément du nom féminin singulier (« pensée »). L’usage académique emploie indifféremment l’expression intégrale ou le sigle anglophone ACT-R, ce dernier faisant foi pour désigner spécifiquement le logiciel de modélisation computationnelle.
Exemples d’usage standard : « Les postulats de la théorie du contrôle adaptatif de la pensée rendent compte de la procéduralisation des compétences chez les opérateurs experts » ; « Le modèle ACT-R a simulé avec fidélité les latences d’accès lexical observées chez les sujets bilingues ».
4. Explication conceptuelle détaillée
La théorie du contrôle adaptatif de la pensée repose sur l’hypothèse centrale selon laquelle la cognition humaine n’est pas un agrégat désordonné de processus disparates, mais une architecture modulaire harmonieuse façonnée pour optimiser l’adéquation entre l’organisme et son milieu. Au cœur de cette architecture se trouve une dichotomie fondatrice entre deux types fondamentaux de connaissances : les connaissances déclaratives (le « savoir quoi ») et les connaissances procédurales (le « savoir comment »).
La mémoire déclarative emmagasine l’information sous la forme d’unités de base appelées « chunks » (terme emprunté à George Miller). Chaque chunk représente un ensemble articulé d’éléments conceptuels organisés selon des attributs et des valeurs (par exemple : « Paris est la capitale de la France » ou « 4 + 3 = 7 »). L’accessibilité d’un chunk donné à un instant précis dépend de son « niveau d’activation », un paramètre sous-symbolique continu qui reflète la récence et la fréquence de ses utilisations passées, ainsi que l’attention contextuelle dirigée vers les éléments associés dans l’environnement immédiat.
À l’inverse, la mémoire procédurale est constituée d’un vaste répertoire de « règles de production ». Une règle de production est une instruction logique conditionnelle structurée selon le paradigme « SI [conditions internes et externes vérifiées] ALORS [actions cognitives ou motrices déclenchées] ». Les règles de production opèrent sur le contenu actuellement disponible dans les mémoires tampons (buffers) des différents modules cognitifs. Lorsqu’une production s’exécute, elle peut modifier l’état des mémoires tampons, requérir l’extraction d’un fait en mémoire déclarative, déplacer l’attention visuelle ou déclencher une commande motrice.
La théorie modélise l’esprit selon deux niveaux de description interdépendants : le niveau symbolique et le niveau sous-symbolique. Au niveau symbolique, le système manipule des représentations discrètes (chunks et productions logiques). Au niveau sous-symbolique, des équations mathématiques déterministes et stochastiques régissent la dynamique continue d’activation des chunks et la force compétitive des productions. Cette double couche permet à la théorie ACT-R de capturer à la fois la rigueur séquentielle du raisonnement logique et la flexibilité graduée, probabiliste et associative des réseaux de neurones.
Enfin, l’un des concepts les plus puissants de la théorie réside dans la « compilation de connaissances » (knowledge compilation). Ce mécanisme explique comment un individu passe du stade de novice, où chaque étape d’un problème exige l’extraction laborieuse et consciente de faits déclaratifs, au stade d’expert, où l’enchaînement des actions s’opère par des productions automatisées, rapides et requérant un coût attentionnel minimal. La compilation s’opère par la fusion de plusieurs productions successives en une règle macroscopique unique et hautement spécialisée.
5. Évolution et développement historique
L’histoire de la théorie du contrôle adaptatif de la pensée s’étend sur plus de cinq décennies de recherches ininterrompues, jalonnées par des révisions conceptuelles successives impulsées par John R. Anderson et ses collaborateurs à Carnegie Mellon :
- Les prémices et le modèle HAM (1973) : Avant ACT, John R. Anderson et Gordon Bower publient Human Associative Memory (HAM), un modèle computationnel sémantique fondé sur des réseaux propositionnels en arborescence. Bien que pionnier, HAM se limitait à la mémoire sémantique et manquait de mécanismes procéduraux actifs pour résoudre des problèmes complexes.
- La naissance d’ACT (ACTE et ACT*, 1976-1983) : Face aux limites de HAM, Anderson propose le modèle ACT (ultérieurement ACTE) en 1976, intégrant pour la première fois les règles de production d’Allen Newell et Herbert Simon. En 1983, l’ouvrage monumental The Architecture of Cognition officialise ACT*, introduisant la distinction tripartite entre mémoire de travail, mémoire déclarative et mémoire de production, ainsi que les principes de composition et de procéduralisation.
- Le tournant rationnel et l’avènement d’ACT-R (1990-1998) : Au début des années 1990, Anderson reformule les mécanismes sous-symboliques d’ACT à travers le prisme de l’« analyse rationnelle » (Rational Analysis). L’esprit n’est plus perçu comme un ensemble arbitraire de règles heuristiques, mais comme un système computationnel mathématiquement optimisé pour maximiser le gain cognitif net sous contraintes de ressources temporelles et métaboliques. Cela mène aux versions ACT-R 2.0, 3.0 et 4.0.
- L’intégration neurobiologique et ACT-R 5.0/6.0 (2000-2015) : À l’orée du XXIe siècle, la théorie franchit une étape décisive en reliant explicitement chacun de ses modules et mémoires tampons à des structures cérébrales anatomiquement identifiées grâce à l’imagerie par résonance magnétique fonctionnelle (IRMf). L’architecture devient un pont direct entre la cognition computationnelle et les neurosciences.
- ACT-R 7.0 et perspectives contemporaines (depuis 2015) : Les versions actuelles perfectionnent l’intégration des modules perceptivo-moteurs, la modélisation des boucles corticostriatales et l’interfaçage avec des simulateurs robotiques complexes et des agents virtuels autonomes.
6. Fondements théoriques et épistémologiques
La théorie du contrôle adaptatif de la pensée s’inscrit au carrefour de trois courants épistémologiques majeurs de la science cognitive contemporaine : le paradigme du traitement de l’information symbolique, le computationalisme rationaliste et le fonctionnalisme adaptatif inspiré de la biologie évolutionniste.
Sur le plan computationnel, ACT-R hérite directement de la vision cybernétique formalisée par Alan Turing et développée par Allen Newell et Herbert Simon dans leur hypothèse des systèmes de symboles physiques (Physical Symbol Systems Hypothesis). Selon ce postulat, l’existence d’une intelligence générale nécessite et suffit à la manipulation formelle de symboles physiques discrets. ACT-R implémente ce principe par le truchement de ses productions et de ses représentations propositionnelles.
Sur le plan philosophique, la théorie souscrit à un rationalisme computationnel modéré par des contraintes biologiques. John Anderson s’est grandement inspiré de la rationalité limitée (bounded rationality) de Simon et de l’approche adaptationniste de David Marr. Marr postulait que pour comprendre un système de traitement d’information biologique, il faut d’abord analyser le « niveau computationnel » : quel est l’objectif poursuivi par l’organisme et pourquoi cette stratégie est-elle optimale dans son écologie spécifique ? ACT-R applique cette logique en modélisant chaque étape de traitement comme une tentative d’optimisation probabiliste (inférence bayésienne implicite).
Enfin, sur le plan architectural de l’esprit, ACT-R adopte une version interactive de la modularité de Jerry Fodor. Contrairement à la modularité fodorienne classique qui postule l’isolation hermétique des modules (cloisonnement informationnel), les modules d’ACT-R sont fonctionnellement autonomes et encapsulés, mais communiquent en continu par l’intermédiaire de « goulots d’étranglement » informationnels appelés mémoires tampons, synchronisés par le module procédural central.
7. Composantes clés, types et dimensions
L’architecture standard ACT-R est articulée autour d’un ensemble de modules périphériques et centraux, chacun doté d’une mémoire tampon (buffer) dédiée de capacité strictement limitée, reliés par le système de production central :
- Le module de but (Goal Module) : Associé au cortex préfrontal dorsolatéral, il conserve la trace des objectifs courants de l’individu, sous-objectifs et contextes d’action, garantissant la poursuite d’une activité cohérente sans dérive attentionnelle.
- Le module déclaratif (Declarative Module) : Physiquement relié à la formation hippocampique et au lobe temporal médian, il stocke la mémoire des faits sous forme de chunks. Sa mémoire tampon (retrieval buffer) ne peut contenir qu’un seul chunk extrait à la fois.
- Le module procédural (Procedural Module) : Situé dans les noyaux gris centraux (notamment le striatum) et le cortex moteur préfrontal, il contient le moteur d’appariement des motifs (pattern matching). Il compare en permanence le contenu de toutes les mémoires tampons aux conditions des règles de production.
- Le module visuel (Visual Module) : Correspondant aux voies visuelles occipito-pariétales et occipito-temporales, il comprend deux sous-systèmes : la vision de localisation (« où » se trouve un objet) et la vision d’identification (« quoi », identification des formes et symboles).
- Le module moteur ou manuel (Manual Module) : Mappé sur le cortex moteur et le cervelet, il planifie et programme l’exécution physique des actions (frapper une touche, déplacer une souris, actionner un levier).
- Le niveau sous-symbolique d’activation de base (Base-Level Activation) : Paramètre mathématique calculé pour chaque chunk selon une loi logarithmique de déclin temporel compensée par la fréquence des rappels, traduisant la courbe de l’oubli d’Ebbinghaus.
- Le mécanisme de diffusion d’activation (Spreading Activation) : Énergie cognitive transmise par les éléments actuellement présents dans les mémoires tampons vers les concepts associés en mémoire déclarative, modélisant les effets d’amorçage sémantique.
- La résolution de conflit (Conflict Resolution) : Processus de sélection stochastique par lequel le module procédural élit une seule règle de production parmi plusieurs productions candidates éligibles, en choisissant celle dont l’utilité espérée (rapport coût/bénéfice) est la plus élevée.
8. Exemples concrets et cas illustratifs
Pour illustrer la théorie dans la vie quotidienne, prenons l’exemple de l’apprentissage de la conduite automobile, particulièrement le démarrage en côte avec boîte manuelle. Chez le conducteur novice, ce comportement mobilise intensément le module de but et la mémoire déclarative :
Le novice se répète verbalement des instructions déclaratives (« Relâcher doucement l’embrayage jusqu’au point de patinage, puis accélérer légèrement »). Chaque action requiert une production d’extraction déclarative : le chunk d’instruction doit être chargé dans la mémoire tampon de récupération, puis une seconde production doit vérifier la position du pied, et une troisième actionner le muscle. La synchronisation est hachée, lente, génératrice d’erreurs (le moteur cale fréquemment) et sature la mémoire de travail.
Après des semaines de pratique, le mécanisme de « compilation de connaissances » intervient. Deux productions successives (« Si le but est de démarrer et que l’embrayage patine » -> « accélérer ») fusionnent en une seule macro-production directe. L’étape intermédiaire de récupération du chunk déclaratif est définitivement éliminée. La conduite devient un automatisme procédural fluide : le conducteur expérimenté démarre sans effort cognitif conscient tout en maintenant une conversation complexe.
Un autre cas emblématique concerne l’apprentissage de l’arithmétique élémentaire chez l’enfant. Lorsqu’on lui demande de calculer « 3 + 2 », un jeune enfant utilise initialement une stratégie algorithmique procédurale de comptage sur les doigts (« 3… 4, 5 »). Chaque itération fait l’objet d’une règle de comptage pas à pas. À force de répétitions, le résultat « 3 + 2 = 5 » est stocké en mémoire déclarative sous forme de chunk direct. Lorsque l’activation de base de ce chunk dépasse le seuil critique d’extraction, la stratégie de récupération directe surpasse en vitesse la stratégie de comptage. Le modèle ACT-R simule précisément cette bascule développementale de la stratégie algorithmique vers la mémoire déclarative automatisée.
9. Mesure, modélisation et évaluation empirique
Contrairement aux modèles psychologiques purement descriptifs ou qualitatifs, la théorie du contrôle adaptatif de la pensée est une théorie computationnelle stricte dont les prédictions sont mesurables et vérifiables numériquement avec une précision millimétrique et milliseconde :
La formalisation mathématique de l’accessibilité d’un souvenir repose sur l’équation de l’activation totale $A_i$ d’un chunk $i$ :
$$A_i = B_i + \sum_j W_j S_{ji} + \epsilon$$
Dans cette équation, $B_i$ représente l’activation de base (fonction de la loi logarithmique de puissance de la pratique et de l’oubli), $W_j$ désigne le poids attentionnel attribué à l’élément de contexte $j$, $S_{ji}$ symbolise la force d’association associative entre l’indice $j$ et le chunk $i$, et $epsilon$ est une composante de bruit stochastique garantissant le caractère probabiliste des choix humains. Le temps nécessaire pour extraire un chunk en mémoire ($T$) est ensuite calculé via une fonction exponentielle négative : $T = F e^{-A_i}$, où $F$ est un coefficient d’échelle temporelle.
L’évaluation empirique des modèles ACT-R s’effectue en comparant les séries temporelles générées par la simulation aux données réelles issues de protocoles comportementaux de laboratoire (oculométrie, enregistrement des frappes de clavier, temps de réaction, taux d’erreurs). Les chercheurs évaluent l’adéquation du modèle par des indices de corrélation de Pearson ($r^2 > 0.90$ requis dans les publications de référence) et l’erreur quadratique moyenne (RMSE).
De surcroît, depuis les travaux d’Anderson de 2004, l’activité de chaque mémoire tampon d’ACT-R est convoluée avec la fonction de réponse hémodynamique standard (HRF) pour prédire les signaux BOLD mesurés en IRMf dans des régions cérébrales d’intérêt (ROI) prédéterminées. Cette triple triangulation (modèle computationnel, chronométrie comportementale et neuro-imagerie fonctionnelle) confère à ACT-R une puissance de falsifiabilité scientifique exceptionnelle.
10. Applications pratiques et portée translationnelle
La théorie du contrôle adaptatif de la pensée a généré des répercussions concrètes majeures dans plusieurs champs appliqués :
En premier lieu, le domaine de l’éducation a été révolutionné par les « tuteurs cognitifs » (Cognitive Tutors). Conçus par John Anderson, Kenneth Koedinger et leurs équipes, ces logiciels éducatifs intelligents intègrent un modèle computationnel interne de l’élève basé sur les règles de production ACT-R. En observant chaque clic et saisie de l’élève résolvant une équation d’algèbre ou un problème de géométrie, le tuteur compare son cheminement aux productions de l’expert et aux productions d’erreurs typiques (buggy rules). Cela permet d’offrir une remédiation individualisée en temps réel. Ces tuteurs sont aujourd’hui déployés auprès de millions d’élèves aux États-Unis via Carnegie Learning.
Dans le domaine des facteurs humains et de l’ergonomie cognitive, ACT-R sert à tester la navigabilité d’interfaces logicielles et d’habitacles de pilotage avant même la construction de prototypes physiques. Des modèles simulent le comportement de pilotes d’avion ou de conducteurs automobiles en situation de distraction (par exemple en téléphonant au volant), prédisant avec précision les temps de regard détourné de la route et les risques de collision.
Dans l’ingénierie de la défense et la simulation militaire, l’architecture permet de concevoir des « forces d’opposition synthétiques » (agents autonomes réalistes) capables d’adopter des comportements tactiques crédibles présentant des biais, des limites de charge de travail et des dégradations de vigilance identiques à ceux de combattants humains soumis au stress.
11. Recherches empiriques et preuves scientifiques
L’assise empirique d’ACT-R s’appuie sur des milliers d’articles évalués par des pairs couvrant l’ensemble du spectre de la cognition :
Les études séminales de John R. Anderson et Michael Matessa ont permis de valider les équations de mémoire en répliquant précisément les phénomènes d’amorçage sémantique (fan effect). Leurs travaux ont démontré que plus un concept est relié à de multiples faits concurrents en mémoire déclarative, plus la diffusion d’activation se dilue, allongeant systématiquement les temps de réaction de reconnaissance.
Dans les neurosciences cognitives, Anderson, Qin, Sohn, Stenger et Carter (2003, 2004) ont mené des expériences décisives en IRMf démontrant que les mémoires tampons d’ACT-R correspondent fidèlement aux profils temporels d’activation de structures cérébrales spécifiques : le cortex pariétal postérieur pour la mémoire tampon visuo-spatiale, le striatum pour la sélection des règles de production procédurales, et le cortex préfrontal antérieur pour le maintien du but actif.
Plus récemment, des chercheurs comme Niels Taatgen et Frank Lee ont investigué le multitâche cognitif et le transfert de compétences. Leurs données ont démontré que le « goulot d’étranglement central » n’est pas causé par un manque global d’attention, mais par l’impossibilité physique pour le module procédural de sélectionner plus d’une règle de production à la fois au cours d’un cycle cognitif élémentaire d’environ 50 millisecondes.
12. Considérations culturelles et interlinguistiques
Bien que la théorie postule des mécanismes universels fondés sur la phylogenèse humaine (déclin de la mémoire de travail, cycle procédural de 50 ms), l’instanciation des chunks déclaratifs et des règles de production est profondément tributaire de l’environnement culturel et linguistique des individus.
Sur le plan linguistique, la formalisation de la morphosyntaxe et du traitement syntaxique au sein d’ACT-R a révélé des différences structurelles majeures selon les langues. Par exemple, la modélisation de la résolution des ambiguïtés sémantiques ou de l’accord en genre et en nombre requiert des productions différentes selon que la langue analysée présente un ordre canonique Sujet-Verbe-Objet (comme le français ou l’anglais) ou Sujet-Objet-Verbe (comme le japonais ou le turc). Les chunks encodant la morphologie flexionnelle riche des langues slaves ou sémitiques imposent une charge de diffusion d’activation différente de celle observée dans les langues isolantes comme le mandarin.
De surcroît, les règles procédurales acquises durant l’apprentissage scolaire (telles que les techniques de calcul mental, la lecture de gauche à droite versus de droite à gauche, ou les stratégies de catégorisation d’objets holistiques versus analytiques) modifient radicalement la chaîne de productions mobilisées par le système pour résoudre une tâche identique. La théorie ACT-R offre ainsi un cadre computationnel rigoureux pour comprendre comment des architectures cognitives invariantes produisent des répertoires comportementaux culturellement hétérogènes.
13. Critiques, controverses et limites conceptuelles
Malgré sa longévité et sa robustesse, la théorie du contrôle adaptatif de la pensée a suscité de vigoureux débats au sein des sciences cognitives :
L’une des critiques majeures, formulée notamment par les tenants de la cognition incarnée (embodied cognition) et de l’énaction (comme Francisco Varela), reproche à ACT-R son intellectualisme désincarné et son computationalisme computationnel classique. Ces chercheurs soutiennent que la pensée ne consiste pas en une manipulation désincarnée de symboles propositionnels dans une boîte crânienne isolée, mais émerge de l’interaction sensorimotrice continue et directe du corps situé dans son environnement physique.
Une seconde limite concerne le grand nombre de paramètres libres dans les modèles ACT-R complexes. Des psychologues méthodologues ont souligné le risque de « sur-ajustement » (overfitting) statistique : en ajustant finement le niveau de bruit stochastique, les seuils d’activation, les latences d’extraction et les coefficients de pénalité, un modélisateur habile peut théoriquement ajuster les courbes du modèle à quasiment n’importe quelle série de données comportementales réelles, réduisant ainsi la portée de falsifiabilité poppérienne de l’architecture.
Enfin, les chercheurs issus du connexionnisme profond et des neurosciences computationnelles ont critiqué le découpage modulaire discret d’ACT-R, jugé trop rigide face à la plasticité neuronale et à la connectivité massivement parallèle et distribuée du néocortex biologique. L’intégration des dynamiques affectives et émotionnelles profondes dans ACT-R demeure également un chantier incomplet, l’architecture étant historiquement optimisée pour les processus froids de la pensée logique et rationnelle.
14. Termes associés et distinctions conceptuelles
Pour appréhender adéquatement la théorie ACT-R, il convient de la situer par rapport à d’autres constructions théoriques de la psychologie cognitive contemporaine :
- Soar (State, Operator And Result) : Architecture cognitive rivale majeure créée par Allen Newell, John Laird et Paul Rosenbloom. Contrairement à ACT-R qui sépare strictement mémoire déclarative et procédurale, Soar unifie initialement toutes les connaissances sous la forme unique de règles de production et repose sur la résolution de problèmes par réduction de l’espace d’états et le mécanisme de chunking universel.
- Architecture EPIC (Executive-Process Interactive Control) : Modèle computationnel développé par David Kieras et David Meyer centré quasi-exclusivement sur les contraintes motrices et perceptives périphériques et le multitâche de haute précision, sans goulot d’étranglement central dans les règles de production, là où ACT-R impose une sélection séquentielle centrale.
- Mémoire déclarative versus procédurale : Distinction théorique classique due à Gilbert Ryle (« Knowing that » vs « Knowing how ») et popularisée en neuropsychologie par Endel Tulving et Larry Squire. ACT-R l’opérationnalise sous forme de structures de données formelles manipulables informatiquement.
- Connexionnisme (Réseaux de neurones artificiels) : Approche computationnelle distribuée sans manipulation explicite de symboles logiques, par opposition au niveau symbolique hybride d’ACT-R.
15. Synthèse et points clés
La théorie du contrôle adaptatif de la pensée (ACT-R) demeure l’un des accomplissements intellectuels les plus spectaculaires de la psychologie cognitive moderne. En postulant une architecture unifiée capable de lier des mécanismes cérébraux élémentaires mesurables en millisecondes à des conduites intellectuelles complexes s’étendant sur des années d’expertise, elle a durablement transformé notre compréhension de l’intelligence biologique.
Ses concepts pivots – la dualité déclarative/procédurale, l’optimisation rationnelle par adaptation statistique à l’environnement, le cycle de sélection procédurale de 50 ms et la compilation de connaissances – offrent une grille de lecture inégalée tant pour décrypter les performances du cerveau humain que pour concevoir des systèmes d’intelligence artificielle explicables et centrés sur l’humain.
Références
- Anderson, J. R. (1976). Language, Memory, and Thought. Lawrence Erlbaum Associates.
- Anderson, J. R. (1983). The Architecture of Cognition. Harvard University Press.
- Anderson, J. R. (1990). The Adaptive Character of Thought. Lawrence Erlbaum Associates.
- Anderson, J. R. (2007). How Can the Human Mind Occur in the Physical Universe?. Oxford University Press. Site officiel ACT-R
- Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., & Qin, Y. (2004). An integrated theory of the mind. Psychological Review, 111(4), 1036–1060.
- Newell, A. (1990). Unified Theories of Cognition. Harvard University Press.
- Taatgen, N. A., & Anderson, J. R. (2002). Why do children make addition errors? A computational model of children’s addition based on ACT-R. Cognitive Science, 26(2), 211–237.