Abraham Wald<\/a> (1939, 1950), ces ing\u00e9nieurs montr\u00e8rent que la d\u00e9cision optimale de classifier une perturbation comme \u00ab signal pr\u00e9sent \u00bb ou \u00ab bruit seul \u00bb d\u00e9pendait conjointement des lois de probabilit\u00e9 du bruit, de la structure de l’information attendue, mais \u00e9galement des co\u00fbts \u00e9conomiques et tactiques associ\u00e9s aux destructions caus\u00e9es par une frappe ennemie non anticip\u00e9e ou, inversement, au gaspillage de carburant caus\u00e9 par l’interception d’un faux \u00e9cho.<\/p>\nL’analogie structurelle entre le r\u00e9cepteur \u00e9lectronique coupl\u00e9 \u00e0 l’op\u00e9rateur radar et le syst\u00e8me perceptif humain s’imposa alors avec une clart\u00e9 aveuglante. Tout comme l’\u00e9cran radar est balay\u00e9 d’artefacts \u00e9lectroniques al\u00e9atoires, le cerveau humain est le si\u00e8ge d\u2019un bruit spontan\u00e9 ininterrompu, issu des d\u00e9charges synaptiques thermiques et de l’activit\u00e9 m\u00e9tabolique basale. L’op\u00e9rateur humain scrute son environnement int\u00e9rieur tout comme le technicien de d\u00e9fense a\u00e9rienne scrute son oscilloscope : confront\u00e9 \u00e0 une \u00e9l\u00e9vation locale d’\u00e9nergie neurosensorielle, il doit trancher la question fondamentale de savoir si cette fluctuation r\u00e9sulte du simple jeu stochastique du syst\u00e8me ou de la pr\u00e9sence effective d’une perturbation distale dans l’environnement.<\/p>\n
1.3 L’ouvrage s\u00e9minal de 1966 : David M. Green et John A. Swets<\/h3>\n
Bien que plusieurs articles pr\u00e9curseurs eussent commenc\u00e9 \u00e0 diffuser ces id\u00e9es dans des revues d\u2019acoustique et de psychologie au cours des ann\u00e9es 1950 \u2014 notamment sous l’impulsion de John A. Swets, Wilson P. Tanner Jr. et David M. Green \u2014, c\u2019est l’ann\u00e9e 1966 qui marque l’acte de refondation officiel avec la parution du livre de r\u00e9f\u00e9rence : Signal Detection Theory and Psychophysics<\/em>, co-\u00e9crit par David M. Green et John A. Swets. Cet ouvrage op\u00e8re une rupture paradigmatique radicale avec la tradition fechn\u00e9rienne en unifiant de mani\u00e8re magistrale la psychologie math\u00e9matique, la physique acoustique, la statistique bay\u00e9sienne et la physiologie des organes des sens.<\/p>\nL’apport \u00e9pist\u00e9mologique d\u00e9cisif de Green et Swets consiste en l\u2019\u00e9viction d\u00e9finitive et irr\u00e9vocable de la notion de seuil sensoriel fixe. \u00c0 cette construction conceptuelle na\u00efve, ils substituent un mod\u00e8le stochastique reposant sur des distributions de variables al\u00e9atoires continues au sein du syst\u00e8me nerveux central. Dans leur cadre th\u00e9orique, la perception n’est plus envisag\u00e9e comme un \u00e9v\u00e9nement d’allumage tout-ou-rien r\u00e9gul\u00e9 par une barri\u00e8re physiologique \u00e9tanche, mais comme une cascade d’inf\u00e9rences statistiques o\u00f9 l’observateur \u00e9value continuellement la probabilit\u00e9 que son \u00e9tat neurosensoriel interne pr\u00e9sent ait \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9 par la pr\u00e9sence conjointe d’un signal et de bruit, ou par le bruit seul.<\/p>\n
Cette reconfiguration conceptuelle eut un retentissement consid\u00e9rable sur la r\u00e9volution cognitive alors en pleine gestation durant les ann\u00e9es 1960. En arrachant la d\u00e9cision perceptuelle au carcan m\u00e9caniste et associationniste du behaviorisme, Green et Swets ont r\u00e9introduit l’organisme vivant comme un agent d\u00e9cisionnel actif, computationnel, qui pond\u00e8re de l’\u00e9vidence sensorielle floue en regard d\u2019attentes pr\u00e9alables et de matrices d’utilit\u00e9 subjective. La Th\u00e9orie de la D\u00e9tection du Signal offrait ainsi pour la premi\u00e8re fois une m\u00e9thode math\u00e9matique \u00e9l\u00e9gante, universelle et falsifiable pour sonder les m\u00e9canismes intimes du traitement de l’information humaine en s\u00e9parant rigoureusement ce qui rel\u00e8ve de la m\u00e9canique des capteurs de ce qui proc\u00e8de de la rationalit\u00e9 du d\u00e9cideur.<\/p>\n
2. L’architecture conceptuelle : Signal, Bruit et Processus D\u00e9cisionnel<\/h2>\n2.1 La distinction ontologique entre le signal et le bruit<\/h3>\n
Au c\u0153ur de l’\u00e9difice conceptuel \u00e9labor\u00e9 par Green et Swets r\u00e9side une dichotomie ontologique fondamentale entre le signal<\/em> et le bruit<\/em>. Le signal est d\u00e9fini comme une modulation spatio-temporelle coh\u00e9rente d’\u00e9nergie, induite de mani\u00e8re contr\u00f4l\u00e9e par une source environnementale ou exp\u00e9rimentale, v\u00e9hiculant une information sp\u00e9cifique que le syst\u00e8me perceptif a pour objectif d’extraire. Le bruit, en revanche, d\u00e9signe toute composante stochastique, non corr\u00e9l\u00e9e au signal d’int\u00e9r\u00eat, qui vient parasiter, masquer ou alt\u00e9rer la transmission et l’interpr\u00e9tation de cette information. La TDS insiste sur le fait que le bruit n’est jamais une simple nuisance anecdotique qu’une bonne conception exp\u00e9rimentale pourrait \u00e9liminer, mais une propri\u00e9t\u00e9 universelle, constitutive et permanente de tout syst\u00e8me de mesure physique et biologique.<\/p>\nPour comprendre la gen\u00e8se du bruit sensoriel, la th\u00e9orie distingue le bruit externe<\/em> du bruit interne<\/em>. Le bruit externe prend racine dans l’environnement physique et dans les instruments de transmission : il peut s’agir des fluctuations quantiques de photons atteignant la r\u00e9tine dans une pi\u00e8ce sombre, des turbulences de l’air et de la r\u00e9verb\u00e9ration thermique affectant une onde acoustique, ou de l’impr\u00e9cision des transducteurs \u00e9lectroniques. Le bruit interne, quant \u00e0 lui, est inh\u00e9rent \u00e0 l’architecture m\u00eame du syst\u00e8me nerveux central. Il d\u00e9coule de la nature biologique des neurones : agitation thermique brownienne des ions \u00e0 travers les canaux membranaires, lib\u00e9ration quantique probabiliste des v\u00e9sicules de neurotransmetteurs au niveau des fentes synaptiques, fluctuations m\u00e9taboliques et oscillations rythmiques spontan\u00e9es des r\u00e9seaux corticaux. M\u00eame en l’absence absolue de tout stimulus distal \u2014 dans l’obscurit\u00e9 totale et la chambre an\u00e9cho\u00efque la plus parfaite \u2014, l’activit\u00e9 des voies sensorielles n’est jamais nulle ; elle enregistre en permanence un d\u00e9bit al\u00e9atoire d’influx nerveux.<\/p>\nLe signal n’intervient donc jamais sur une ardoise biologique vierge, mais s’additionne alg\u00e9briquement ou vectoriellement \u00e0 cette trame d’activit\u00e9 de fond pr\u00e9existante. Formellement, lorsque le monde ext\u00e9rieur ne pr\u00e9sente aucune cible, le syst\u00e8me sensoriel est stimul\u00e9 par l’\u00e9tat \u00ab Bruit seul \u00bb (not\u00e9 conventionnellement N<\/em>, pour Noise<\/em>). Lorsqu’un stimulus est \u00e9mis, le syst\u00e8me est confront\u00e9 \u00e0 l’\u00e9tat \u00ab Signal plus Bruit \u00bb (not\u00e9 SN<\/em>, pour Signal plus Noise<\/em>). D\u00e8s lors, le d\u00e9fi auquel fait face l’observateur n’est pas d’identifier un signal isol\u00e9 dans le vide, mais de discerner si une fluctuation d’\u00e9nergie nerveuse interne exc\u00e8de le niveau attendu r\u00e9sultant des seules perturbations stochastiques du bruit d’arri\u00e8re-plan.<\/p>\n2.2 Les distributions de probabilit\u00e9 et le continuum sensoriel interne<\/h3>\n
Pour formaliser cette incertitude inh\u00e9rente, la Th\u00e9orie de la D\u00e9tection du Signal postule l’existence d’une variable al\u00e9atoire continue unidimensionnelle, souvent d\u00e9sign\u00e9e par la variable d\u00e9cisionnelle interne $X$<\/span>. Cette variable $X$<\/span> agr\u00e8ge l’ensemble des r\u00e9ponses neurophysiologiques suscit\u00e9es par une stimulation \u00e0 un instant donn\u00e9 ; elle peut \u00eatre intuitivement conceptualis\u00e9e comme le degr\u00e9 de \u00ab sensation \u00bb, la quantit\u00e9 d’\u00e9vidence neurale ou l’intensit\u00e9 subjective d’excitation enregistr\u00e9e par les centres c\u00e9r\u00e9braux sup\u00e9rieurs responsables de la d\u00e9lib\u00e9ration.<\/p>\nPuisque le bruit biologique et environnemental est soumis \u00e0 la sommation d’une infinit\u00e9 de micro-\u00e9v\u00e9nements ind\u00e9pendants, le th\u00e9or\u00e8me central limite s’applique avec une remarquable pertinence. La valeur de la variable d\u00e9cisionnelle $X$<\/span> en r\u00e9ponse \u00e0 la condition \u00ab Bruit seul \u00bb est donc distribu\u00e9e de mani\u00e8re continue selon une fonction de densit\u00e9 de probabilit\u00e9 normale (ou gaussienne), caract\u00e9ris\u00e9e par une moyenne $\\mu_N$<\/span> et une variance $\\sigma_N^2$<\/span> :<\/p>\n$$f(x mid N) = \\frac{1}{\\sigma_N \\sqrt{2\\pi}} \\exp\\left( -\\frac{(x – \\mu_N)^2}{2\\sigma_N^2} \\right)$$<\/span><\/p>\nPar convention m\u00e9trique, l’\u00e9chelle de l’\u00e9vidence sensorielle peut \u00eatre fix\u00e9e de telle sorte que la distribution du bruit serve de r\u00e9f\u00e9rence standard, avec $\\mu_N = 0$<\/span> et $\\sigma_N = 1$<\/span>. Lorsque le signal s’ajoute au bruit d’arri\u00e8re-plan, son effet principal est de d\u00e9caler l’esp\u00e9rance de cette distribution vers des valeurs d’excitation plus \u00e9lev\u00e9es. Dans le mod\u00e8le gaussien standard \u00e0 \u00e9gale variance (homosc\u00e9dastique), la distribution de la condition \u00ab Signal plus Bruit \u00bb est mod\u00e9lis\u00e9e par une seconde courbe normale, de m\u00eame \u00e9cart-type $\\sigma_{SN} = \\sigma_N = 1$<\/span>, mais translat\u00e9e d’une magnitude moyenne $\\mu_{SN} > 0$<\/span> :<\/p>\n$$f(x mid SN) = \\frac{1}{\\sigma_{SN} \\sqrt{2\\pi}} \\exp\\left( -\\frac{(x – \\mu_{SN})^2}{2\\sigma_{SN}^2} \\right)$$<\/span><\/p>\nLa cons\u00e9quence capitale de cette architecture probabiliste r\u00e9side dans le chevauchement in\u00e9vitable<\/strong> des deux distributions. Quelle que soit la puissance moyenne du signal, les queues des densit\u00e9s de probabilit\u00e9 s’\u00e9tendent th\u00e9oriquement de $-\\infty$<\/span> \u00e0 $+\\infty$<\/span>. D\u00e8s lors, une valeur interne particuli\u00e8re $x_0$<\/span> peut statistiquement survenir aussi bien sous l’effet du bruit seul (par exemple lors d’une fluctuation extr\u00eame positive du r\u00e9seau synaptique) que sous l’effet conjoint du signal et du bruit (lorsque le stimulus s’est produit en conjonction avec une crevasse n\u00e9gative du bruit). Aucune valeur scalaire sur l’axe interne ne porte en elle-m\u00eame un certificat ontologique de sa provenance : le syst\u00e8me sensoriel ne manipule que des vraisemblances relatives.<\/p>\n2.3 La d\u00e9composition du traitement : encodage sensoriel et d\u00e9cision<\/h3>\n
L\u2019avanc\u00e9e th\u00e9orique d\u00e9terminante de Green et Swets consiste \u00e0 scinder l’acte perceptif en deux \u00e9tapes computationnelles strictement distinctes et hi\u00e9rarchis\u00e9es : la phase de transduction et d\u2019int\u00e9gration sensorielle, d’une part, et la phase de d\u00e9cision cognitive, d’autre part. Cette dissociation structurelle rompt d\u00e9finitivement avec la vision unitaire et passive de la psychophysique classique.<\/p>\n
La premi\u00e8re phase, purement sensorielle, rel\u00e8ve de la neurophysiologie des r\u00e9cepteurs et des voies de projection ascendante. Elle convertit l\u2019\u00e9nergie physique externe en un \u00e9v\u00e9nement neurochimique interne et projette le r\u00e9sultat de cette int\u00e9gration spatio-temporelle sous la forme d\u2019une valeur scalaire sur l\u2019axe d’\u00e9vidence $X$<\/span>. La qualit\u00e9 m\u00e9trologique de cette \u00e9tape refl\u00e8te la sensibilit\u00e9<\/em> intrins\u00e8que du syst\u00e8me : plus les r\u00e9cepteurs sont efficaces, plus les connexions synaptiques sont stables et le syst\u00e8me immunis\u00e9 contre le bruit, plus la s\u00e9paration spatiale entre les moyennes des distributions $\\mu_N$<\/span> et $\\mu_{SN}$<\/span> sera prononc\u00e9e. Cette distance entre distributions est une propri\u00e9t\u00e9 objective de l’organisme, d\u00e9termin\u00e9e par son int\u00e9grit\u00e9 biologique et les conditions physiques du stimulus.<\/p>\nLa seconde phase est de nature strat\u00e9gique, cognitive et d\u00e9cisionnelle. Confront\u00e9 \u00e0 une valeur fluctuante $x$<\/span> \u00e9chantillonn\u00e9e sur le continuum interne, l’observateur est contraint par les exigences de la t\u00e2che de produire une r\u00e9ponse cat\u00e9gorielle binaire (par exemple : \u00ab Oui, le signal est pr\u00e9sent \u00bb ou \u00ab Non, il est absent \u00bb). Pour convertir cette grandeur analogique continue en une d\u00e9cision discr\u00e8te, l’agent doit impl\u00e9menter une r\u00e8gle de d\u00e9cision, mat\u00e9rialis\u00e9e math\u00e9matiquement par la s\u00e9lection d’un seuil critique ou crit\u00e8re de d\u00e9cision, not\u00e9 $k$<\/span> ou $x_c$<\/span>. La r\u00e8gle op\u00e9ratoire est universelle et imp\u00e9rative :<\/p>\n\n- Si la valeur d’\u00e9vidence sensorielle \u00e9chantillonn\u00e9e $x$<\/span> est sup\u00e9rieure ou \u00e9gale au crit\u00e8re ($x ge x_c$<\/span>), l’observateur r\u00e9pond \u00ab Oui \u00bb ;<\/li>\n
- Si la valeur d’\u00e9vidence sensorielle \u00e9chantillonn\u00e9e $x$<\/span> est strictement inf\u00e9rieure au crit\u00e8re ($x < x_c$), l'observateur r\u00e9pond \u00ab Non \u00bb.<\/li>\n<\/ul>\n
Cette distinction en deux temps entra\u00eene des cons\u00e9quences \u00e9pist\u00e9mologiques et neurobiologiques vertigineuses. Elle implique que deux individus dot\u00e9s d’une sensibilit\u00e9 r\u00e9tinienne ou auditive rigoureusement identique (m\u00eames distributions de probabilit\u00e9) peuvent produire des comportements de r\u00e9ponse radicalement divergents s’ils adoptent des crit\u00e8res d\u00e9cisionnels dissemblables. R\u00e9ciproquement, deux observateurs affichant le m\u00eame pourcentage de d\u00e9tection positive brute peuvent dissimuler des profils d’acuit\u00e9 sensorielle profond\u00e9ment oppos\u00e9s, masqu\u00e9s par des biais d\u00e9cisionnels asym\u00e9triques. L’acte de voir ou d’entendre cesse d’\u00eatre une simple propri\u00e9t\u00e9 des organes des sens pour devenir le point d’aboutissement d’une inf\u00e9rence computationnelle arbitr\u00e9e par le cortex pr\u00e9frontal.<\/p>\n
3. La matrice des contingences et la classification des r\u00e9ponses<\/h2>\n3.1 Les quatre issues fondamentales de la t\u00e2che de d\u00e9tection<\/h3>\n
Dans un protocole exp\u00e9rimental standard dit \u00ab Oui\/Non \u00bb (ou d\u00e9tection binaire), un observateur est expos\u00e9 \u00e0 une succession d’essais discrets au cours desquels sont pr\u00e9sent\u00e9s de mani\u00e8re al\u00e9atoire soit un \u00e9v\u00e9nement \u00ab Bruit seul \u00bb ($N$<\/span>), soit un \u00e9v\u00e9nement \u00ab Signal plus Bruit \u00bb ($SN$<\/span>). L\u2019observateur est assign\u00e9 \u00e0 \u00e9mettre, \u00e0 chaque occurrence, un jugement cat\u00e9gorique exclusif issu du r\u00e9pertoire ${ \\text{Oui}, \\text{Non} }$<\/span>. Le croisement de l’\u00e9tat objectif de la r\u00e9alit\u00e9 environnementale et de la r\u00e9ponse comportementale de l’agent engendre une matrice de contingence ferm\u00e9e \u00e0 quatre quadrants fondamentaux :<\/p>\n\n- Le Succ\u00e8s ou D\u00e9tection Correcte (Hit) :<\/strong> Le signal \u00e9tait effectivement pr\u00e9sent dans l’environnement ($SN$<\/span>), et l’observateur a r\u00e9pondu correctement par l’affirmative (\u00ab Oui \u00bb). L’\u00e9vidence interne $x$<\/span> a franchi le seuil critique $x_c$<\/span> en pr\u00e9sence effective du stimulus.<\/li>\n
- La Fausse Alarme ou Faux Positif (False Alarm, FA) :<\/strong> L’environnement ne contenait que du bruit d’arri\u00e8re-plan ($N$<\/span>), mais l’observateur a n\u00e9anmoins produit une r\u00e9ponse affirmative (\u00ab Oui \u00bb). Une fluctuation accidentelle du bruit interne ou externe a exc\u00e9d\u00e9 le crit\u00e8re $x_c$<\/span>, g\u00e9n\u00e9rant une hallucination perceptive exp\u00e9rimentale.<\/li>\n
- L’Omission ou Faux N\u00e9gatif (Miss, M) :<\/strong> Le signal \u00e9tait physiquement pr\u00e9sent ($SN$<\/span>), mais l’observateur a \u00e9chou\u00e9 \u00e0 le rapporter en \u00e9mettant une r\u00e9ponse n\u00e9gative (\u00ab Non \u00bb). La r\u00e9sultante du signal additionn\u00e9 au bruit s’est trouv\u00e9e, par malchance statistique, sous la barre du crit\u00e8re $x_c$<\/span>.<\/li>\n
- Le Rejet Correct ou Vrai N\u00e9gatif (Correct Rejection, CR) :<\/strong> Le stimulus d’int\u00e9r\u00eat \u00e9tait absent ($N$<\/span>), et l’observateur a correctement attest\u00e9 cette absence en r\u00e9pondant par la n\u00e9gative (\u00ab Non \u00bb). La valeur d’excitation $x$<\/span> g\u00e9n\u00e9r\u00e9e par le bruit seul est sagement demeur\u00e9e sous le seuil critique $x_c$<\/span>.<\/li>\n<\/ul>\n
Cette formalisation universelle transcende les fronti\u00e8res disciplinaires. Que l’on analyse l’identification d’une micro-calcification par un radiologue, la d\u00e9tection d’une arme dans un bagage a\u00e9roportuaire par un agent de s\u00e9curit\u00e9 ou le rep\u00e9rage d’un mot pr\u00e9alablement m\u00e9moris\u00e9 par un sujet amn\u00e9sique, ces quatre quadrants constituent le substrat descriptif exhaustif et ind\u00e9passable de tout comportement d’arbitrage sous incertitude.<\/p>\n
3.2 Probabilit\u00e9s conditionnelles et contraintes stochastiques<\/h3>\n
L\u2019analyse computationnelle rigoureuse en TDS ne s\u2019effectue jamais sur les d\u00e9comptes bruts ou les fr\u00e9quences absolues d’apparition dans la matrice de contingence, mais sur les probabilit\u00e9s conditionnelles d\u00e9duites de ces fr\u00e9quences. L’espace math\u00e9matique est r\u00e9gul\u00e9 par les probabilit\u00e9s associ\u00e9es \u00e0 chaque \u00e9tat environnemental.<\/p>\n
Lorsque la condition \u00ab Signal plus Bruit \u00bb ($SN$<\/span>) est soumise au syst\u00e8me, la r\u00e9ponse est soumise \u00e0 la loi du tiers exclu : l’observateur ne peut que r\u00e9ussir ou omettre. Par cons\u00e9quent, la somme du taux de succ\u00e8s (not\u00e9 $P(\\text{Oui} mid SN)$<\/span> ou $H$<\/span>, pour Hit Rate<\/em>) et du taux d’omission (not\u00e9 $P(\\text{Non} mid SN)$<\/span> ou $M$<\/span>) est rigoureusement contrainte par l’unit\u00e9 :<\/p>\n$$P(\\text{Oui} mid SN) + P(\\text{Non} mid SN) = 1 iff P(\\text{Non} mid SN) = 1 – P(\\text{Oui} mid SN)$$<\/span><\/p>\nDe mani\u00e8re parfaitement sym\u00e9trique, lorsque l’observateur est confront\u00e9 \u00e0 la condition \u00ab Bruit seul \u00bb ($N$<\/span>), seules deux issues sont envisageables : la fausse alarme ou le rejet correct. La somme du taux de fausse alarme (not\u00e9 $P(\\text{Oui} mid N)$<\/span> ou $FA$<\/span>) et du taux de rejet correct (not\u00e9 $P(\\text{Non} mid N)$<\/span> ou $CR$<\/span>) est elle aussi n\u00e9cessairement \u00e9gale \u00e0 1 :<\/p>\n$$P(\\text{Oui} mid N) + P(\\text{Non} mid N) = 1 iff P(\\text{Non} mid N) = 1 – P(\\text{Oui} mid N)$$<\/span><\/p>\nCette relation de compl\u00e9mentarit\u00e9 entra\u00eene une r\u00e9duction dimensionnelle salutaire pour le traitement statistique des donn\u00e9es. Bien que la matrice empirique contienne quatre cases num\u00e9riques distinctes, elle ne poss\u00e8de en r\u00e9alit\u00e9 que deux degr\u00e9s de libert\u00e9<\/strong> ind\u00e9pendants. L’ensemble des performances exp\u00e9rimentales d’un sujet au cours d’une session de d\u00e9tection binaire est int\u00e9gralement et exhaustivement condens\u00e9 par la paire de probabilit\u00e9s conditionnelles ind\u00e9pendantes : ${P(\\text{Oui} mid SN), P(\\text{Oui} mid N)}$<\/span>, couramment d\u00e9sign\u00e9e sous le couple ${H, FA}$<\/span>. Conna\u00eetre le taux de succ\u00e8s et le taux de fausse alarme suffit math\u00e9matiquement \u00e0 reconstituer l’int\u00e9gralit\u00e9 de la matrice stochastique.<\/p>\n3.3 L’ind\u00e9pendance de la performance vis-\u00e0-vis des fr\u00e9quences de pr\u00e9sentation<\/h3>\n
Un apport m\u00e9thodologique majeur de la TDS, distinguant radicalement cette derni\u00e8re de la statistique descriptive classique des tables de contingence (tels les tests de Chi-deux ou les coefficients phi), r\u00e9side dans l’ind\u00e9pendance structurelle des probabilit\u00e9s conditionnelles \u00e0 l’\u00e9gard de la pr\u00e9valence du signal. Dans un protocole de laboratoire, l’exp\u00e9rimentateur peut d\u00e9cider arbitrairement de pr\u00e9senter le signal dans 10 % des essais, ou d’inverser la proportion pour le pr\u00e9senter dans 90 % des occurrences.<\/p>\n
Les coefficients d’association non normalis\u00e9s d\u00e9pendent \u00e9troitement des fr\u00e9quences marginales des stimuli, induisant des distorsions massives d\u00e8s que les classes sont d\u00e9s\u00e9quilibr\u00e9es. En revanche, le taux de succ\u00e8s $P(\\text{Oui} mid SN)$<\/span> calcule la proportion de r\u00e9ponses positives relativement au nombre total d’essais o\u00f9 le signal \u00e9tait effectivement pr\u00e9sent<\/em>, neutralisant de facto le volume absolu de ces pr\u00e9sentations. Il en va de m\u00eame pour le taux de fausses alarmes, normalis\u00e9 par le contingent exclusif des essais de bruit. Ainsi, les variations de la pr\u00e9valence globale modifient la strat\u00e9gie d\u00e9cisionnelle du sujet (qui ajuste son crit\u00e8re d’acceptation face \u00e0 la raret\u00e9 ou \u00e0 l’abondance per\u00e7ue de la cible), mais les m\u00e9triques de probabilit\u00e9s conditionnelles de la TDS permettent d’isoler math\u00e9matiquement cette dynamique d’adaptation strat\u00e9gique sans contaminer la mesure de la sensibilit\u00e9 sous-jacente.<\/p>\nCette propri\u00e9t\u00e9 assure une comparabilit\u00e9 exceptionnelle des r\u00e9sultats exp\u00e9rimentaux \u00e0 travers des protocoles h\u00e9t\u00e9rog\u00e8nes. Elle lib\u00e8re le chercheur des artefacts li\u00e9s aux fluctuations de l’\u00e9chantillonnage exp\u00e9rimental, fournissant une plateforme m\u00e9trologique invariante pour quantifier le fonctionnement du syst\u00e8me sensoriel humain.<\/p>\n
4. La mesure de la sensibilit\u00e9 perceptive : Le param\u00e8tre d-prime (d’)<\/h2>\n4.1 D\u00e9rivation math\u00e9matique fondamentale du d’<\/h3>\n
L’ambition premi\u00e8re de David Green et John Swets \u00e9tait de concevoir un indice pur de la sensibilit\u00e9 de l’observateur, parfaitement vierge de toute influence des biais de r\u00e9ponse ou des dispositions subjectives de prudence. Dans le cadre du mod\u00e8le gaussien \u00e0 \u00e9gale variance, cet \u00e9talon-or psychophysique universel est baptis\u00e9 $d’$<\/span><\/strong> (lu \u00ab d-prime \u00bb). G\u00e9om\u00e9triquement et statistiquement, $d’$<\/span> est d\u00e9fini comme la distance standardis\u00e9e s\u00e9parant l’esp\u00e9rance de la distribution du bruit seul ($\\mu_N$<\/span>) de l’esp\u00e9rance de la distribution du signal plus bruit ($\\mu_{SN}$<\/span>), exprim\u00e9e en unit\u00e9s d’\u00e9cart-type ($\\sigma$<\/span>) :<\/p>\n$$d’ = \\frac{\\mu_{SN} – \\mu_N}{\\sigma}$$<\/span><\/p>\nPuisque nous posons par convention $\\mu_N = 0$<\/span> et $\\sigma_N = \\sigma_{SN} = 1$<\/span>, la valeur de $d’$<\/span> s’identifie imm\u00e9diatement \u00e0 la position m\u00e9trique de la moyenne $\\mu_{SN}$<\/span> sur l’axe interne univari\u00e9 $X$<\/span>. Comment cette distance non observable directement dans l’intimit\u00e9 du cerveau peut-elle \u00eatre extraite des seules r\u00e9ponses comportementales observables $H$<\/span> et $FA$<\/span> ? La solution \u00e9l\u00e9gante r\u00e9side dans l’application de la fonction quantile de la distribution normale standard (couramment d\u00e9sign\u00e9e sous le terme de fonction probit ou transformation z, not\u00e9e $z(p)$<\/span> ou $\\Phi^{-1}(p)$<\/span>).<\/p>\nSous l’hypoth\u00e8se de normalit\u00e9, le taux de fausses alarmes correspond \u00e0 l’int\u00e9grale de la queue de distribution du bruit seul au-del\u00e0 du crit\u00e8re de d\u00e9cision $x_c$<\/span> :<\/p>\n$$FA = P(\\text{Oui} mid N) = \\int_{x_c}^{+\\infty} \\frac{1}{\\sqrt{2\\pi}} \\exp\\left(-\\frac{t^2}{2}\\right) dt = 1 – \\Phi(x_c)$$<\/span><\/p>\nDe m\u00eame, le taux de succ\u00e8s repr\u00e9sente l’int\u00e9grale de la queue de distribution du signal plus bruit au-del\u00e0 de ce m\u00eame crit\u00e8re $x_c$<\/span> :<\/p>\n$$H = P(\\text{Oui} mid SN) = \\int_{x_c}^{+\\infty} \\frac{1}{\\sqrt{2\\pi}} \\exp\\left(-\\frac{(t – d’)^2}{2}\\right) dt = 1 – \\Phi(x_c – d’)$$<\/span><\/p>\nEn inversant ces relations \u00e0 l’aide de la transformation inverse de la fonction de r\u00e9partition cumulative normale standard $\\Phi^{-1}$<\/span>, on obtient les coordonn\u00e9es g\u00e9om\u00e9triques du crit\u00e8re par rapport \u00e0 chaque moyenne :<\/p>\n$$z(FA) = -x_c iff x_c = -z(FA)$$<\/span><\/p>\n$$z(H) = -(x_c – d’) = d’ – x_c$$<\/span><\/p>\nEn substituant la premi\u00e8re \u00e9galit\u00e9 dans la seconde, on aboutit \u00e0 la formule math\u00e9matique fondamentale de la Th\u00e9orie de la D\u00e9tection du Signal :<\/p>\n
$$d’ = z(H) – z(FA)$$<\/span><\/p>\nFace aux jeux de donn\u00e9es empiriques pr\u00e9sentant des taux de succ\u00e8s ou de fausses alarmes extr\u00eames de 0 ou 1, la fonction $z(p)$<\/span> diverge vers $-\\infty$<\/span> ou $+\\infty$<\/span>, rendant le calcul de $d’$<\/span> ind\u00e9termin\u00e9. Pour rem\u00e9dier \u00e0 cette contrainte d’\u00e9chantillonnage, la litt\u00e9rature pr\u00e9conise l’application d’ajustements standardis\u00e9s, au premier rang desquels figure la correction de Macmillan et Kaplan<\/a> (1985). Cette proc\u00e9dure de r\u00e9gularisation consiste \u00e0 remplacer les taux de 0 par la valeur $1 \/ (2N_t)$<\/span> et les taux de 1 par la valeur $1 – 1 \/ (2N_t)$<\/span>, o\u00f9 $N_t$<\/span> d\u00e9signe le nombre total d’essais constitutifs de la condition exp\u00e9rimentale consid\u00e9r\u00e9e, stabilisant ainsi rigoureusement le calcul num\u00e9rique.<\/p>\n4.2 Interpr\u00e9tation psychophysique et \u00e9chelle d’acuit\u00e9<\/h3>\n
Le param\u00e8tre $d’$<\/span> constitue une mesure d’intervalle de l’acuit\u00e9 sensorielle ou de la capacit\u00e9 discriminative de l’observateur. Son \u00e9chelle s’\u00e9tend th\u00e9oriquement de z\u00e9ro \u00e0 l’infini positif, bien que la plupart des contextes psychophysiques et cognitifs bornent sa dynamique entre 0 et 4,5.<\/p>\n\n- $d’ = 0$<\/span> :<\/strong> La distribution du signal est parfaitement confondue avec celle du bruit ($\\mu_{SN} = \\mu_N$<\/span>). L’observateur est dans l’incapacit\u00e9 totale et absolue d’effectuer la moindre discrimination perceptive. Dans ces conditions, son taux de succ\u00e8s est rigoureusement identique \u00e0 son taux de fausses alarmes ($z(H) = z(FA)$<\/span>), quelle que soit sa politique d\u00e9cisionnelle. La performance est indiscernable d’un tirage \u00e0 pile ou face.<\/li>\n
- $0 < d' le 1$ :<\/strong> Discrimination tr\u00e8s faible \u00e0 mod\u00e9r\u00e9e. Le signal g\u00e9n\u00e8re une perturbation marginale de l’activit\u00e9 nerveuse, ais\u00e9ment submerg\u00e9e par le bruit de fond. Les distributions se chevauchent de mani\u00e8re tr\u00e8s importante. C’est le domaine des t\u00e2ches perceptives limites, des stimulations proches du seuil subliminal.<\/li>\n
- $1 < d' le 2$ :<\/strong> Discrimination moyenne \u00e0 satisfaisante. Les distributions commencent \u00e0 diverger nettement. L’observateur maintient un taux de succ\u00e8s \u00e9lev\u00e9 (ex: 80 %) tout en limitant ses fausses alarmes \u00e0 des niveaux acceptables (ex: 20 %).<\/li>\n
- $d’ ge 3$<\/span> :<\/strong> Discrimination forte \u00e0 exceptionnelle. L’information du signal \u00e9merge avec \u00e9clat du bruit d’arri\u00e8re-plan. Le chevauchement probabiliste devient r\u00e9siduel.<\/li>\n
- $d’ \\approx 4,6$<\/span> :<\/strong> La quasi-perfection statistique. L’observateur enregistre un taux de d\u00e9tection de 99 % pour un taux de fausses alarmes inf\u00e9rieur \u00e0 1 %. Au-del\u00e0 de cette valeur, la discrimination est virtuellement d\u00e9terministe pour l’appareil exp\u00e9rimental.<\/li>\n<\/ul>\n
L\u2019attribut r\u00e9volutionnaire de $d’$<\/span> r\u00e9side dans son invariance th\u00e9orique<\/em> vis-\u00e0-vis des modifications du crit\u00e8re de r\u00e9ponse. Si un observateur d\u00e9cide soudainement, sous la contrainte d’une modification des consignes exp\u00e9rimentales, de devenir extr\u00eamement conservateur (en exigeant un niveau de certitude absolu avant de d\u00e9clarer la pr\u00e9sence du signal), son taux de succ\u00e8s diminuera drastiquement, mais son taux de fausses alarmes diminuera simultan\u00e9ment dans une proportion gaussienne strictement calculable. La diff\u00e9rence $z(H) – z(FA)$<\/span> demeurera invariante, pr\u00e9servant la stabilit\u00e9 absolue de l’estimation de la comp\u00e9tence sensorielle pure du sujet.<\/p>\n4.3 L’hypoth\u00e8se d’\u00e9gale variance et ses implications m\u00e9trologiques<\/h3>\n
La formulation conventionnelle de $d’$<\/span> repose sur un postulat math\u00e9matique restrictif : l’homosc\u00e9dastique, c’est-\u00e0-dire l’hypoth\u00e8se selon laquelle l’\u00e9cart-type de la distribution du bruit seul ($\\sigma_N$<\/span>) est strictement identique \u00e0 l’\u00e9cart-type de la distribution du signal plus bruit ($\\sigma_{SN}$<\/span>), de sorte que le ratio de variabilit\u00e9 $s = \\sigma_N \/ \\sigma_{SN}$<\/span> soit rigoureusement \u00e9gal \u00e0 1. Dans les protocoles psychoacoustiques simples employant des bruits blancs continus et des sinuso\u00efdes de faible amplitude, cette hypoth\u00e8se se v\u00e9rifie empiriquement avec une admirable fid\u00e9lit\u00e9.<\/p>\nCependant, dans de nombreuses configurations perceptives complexes (notamment en vision spatiale) et de mani\u00e8re quasi-syst\u00e9matique dans les paradigmes cognitifs de m\u00e9moire de reconnaissance, cette \u00e9galit\u00e9 des variances est viol\u00e9e. En r\u00e8gle g\u00e9n\u00e9rale, la pr\u00e9sence du signal accro\u00eet l’entropie globale du traitement, engendrant une dispersion sup\u00e9rieure de la condition $SN$<\/span> par rapport \u00e0 la condition $N$<\/span>, ce qui induit un ratio $s < 1$ (fr\u00e9quemment compris entre 0,75 et 0,85). Lorsque l'hypoth\u00e8se d'\u00e9gale variance s'effondre, l'indice $d’$<\/span> standard devient d\u00e9pendant de l’emplacement du crit\u00e8re de d\u00e9cision, perdant ainsi sa pr\u00e9cieuse propri\u00e9t\u00e9 d’invariance.<\/p>\nPour parer \u00e0 cette d\u00e9faillance m\u00e9trologique, les th\u00e9oriciens de la TDS ont d\u00e9velopp\u00e9 des extensions g\u00e9n\u00e9ralis\u00e9es du mod\u00e8le. La m\u00e9trique la plus robuste est le param\u00e8tre $d_a$<\/span>, qui quantifie la distance entre les moyennes en normalisant non pas par un \u00e9cart-type unique, mais par la racine carr\u00e9e de la moyenne quadratique des deux variances h\u00e9t\u00e9rog\u00e8nes :<\/p>\n$$d_a = \\frac{\\mu_{SN} – \\mu_N}{\\sqrt{\\frac{\\sigma_N^2 + \\sigma_{SN}^2}{2}}} = \\frac{\\sqrt{2} \\left[ z(H) – s \\cdot z(FA) \\right]}{\\sqrt{1 + s^2}}$$<\/span><\/p>\nLorsque $s = 1$<\/span>, le param\u00e8tre $d_a$<\/span> se r\u00e9duit rigoureusement \u00e0 la formule \u00e9l\u00e9mentaire de $d’$<\/span>. La ma\u00eetrise de l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 illustre la formidable plasticit\u00e9 formelle de la th\u00e9orie de Green et Swets, capable de corriger ses propres axiomes sans sacrifier son armature conceptuelle centrale.<\/p>\n5. Le crit\u00e8re de d\u00e9cision et la quantification du biais de r\u00e9ponse<\/h2>\n5.1 Le crit\u00e8re de position c et l’\u00e9chelle d\u00e9cisionnelle<\/h3>\n
L\u2019isolation de la sensibilit\u00e9 n’\u00e9puise pas l’analyse de la performance perceptuelle. L’autre versant th\u00e9orique r\u00e9side dans la quantification explicite de la politique d’arbitrage de l’observateur : le biais de r\u00e9ponse<\/strong>. L’indice le plus usit\u00e9, pr\u00e9conis\u00e9 par Macmillan et Creelman en raison de ses propri\u00e9t\u00e9s d’orthogonalit\u00e9 math\u00e9matique avec $d’$<\/span>, est le crit\u00e8re de position absolue, not\u00e9 $c$<\/span><\/strong>. Cet indice mesure l’\u00e9cartement physique entre l’emplacement effectif du seuil de d\u00e9cision $x_c$<\/span> et le point neutre id\u00e9al marquant l’intersection des deux distributions gaussiennes lorsque celles-ci sont d’\u00e9gale variance.<\/p>\nPar convention analytique, le point neutre optimal (qui \u00e9quilibre parfaitement les erreurs en cas d’\u00e9quiprobabilit\u00e9 des stimuli et de sym\u00e9trie des gains) est situ\u00e9 \u00e0 mi-distance des deux moyennes : $x_{\\text{neutre}} = d’ \/ 2$<\/span>. L’indice $c$<\/span> correspond \u00e0 la diff\u00e9rence alg\u00e9brique entre l’emplacement absolu de $x_c$<\/span> et ce centre de gravit\u00e9 sym\u00e9trique :<\/p>\n$$c = x_c – \\frac{d’}{2}$$<\/span><\/p>\nEn r\u00e9injectant les d\u00e9finitions quantiles $x_c = -z(FA)$<\/span> et $d’ = z(H) – z(FA)$<\/span>, l’\u00e9quation de $c$<\/span> se d\u00e9ploie dans sa forme calculatoire universelle :<\/p>\n$$c = -z(FA) – \\frac{z(H) – z(FA)}{2} = -\\frac{1}{2} \\left[ z(H) + z(FA) \\right]$$<\/span><\/p>\nLa polarit\u00e9 et la magnitude de $c$<\/span> caract\u00e9risent de fa\u00e7on univoque l’attitude d\u00e9cisionnelle de l’op\u00e9rateur :<\/p>\n\n- Le crit\u00e8re neutre ($c = 0$<\/span>) :<\/strong> Le seuil d\u00e9cisionnel est exactement post\u00e9 \u00e0 mi-chemin entre la distribution du bruit et celle du signal ($z(H) = -z(FA)$<\/span>). L’observateur n’affiche aucun tropisme a priori : le taux d’omissions est rigoureusement identique au taux de fausses alarmes ($1 – H = FA$<\/span>).<\/li>\n
- Le crit\u00e8re conservateur ($c > 0$<\/span>) :<\/strong> Le seuil d\u00e9cisionnel est d\u00e9plac\u00e9 vers la droite de l’axe sensoriel, exigeant un niveau d’\u00e9vidence interne particuli\u00e8rement \u00e9lev\u00e9 avant d’\u00e9mettre un \u00ab Oui \u00bb. L’observateur privil\u00e9gie l’\u00e9vitement absolu des fausses alarmes au d\u00e9triment de l’abaissement m\u00e9canique de son taux de succ\u00e8s. Ce biais est fr\u00e9quent chez les professionnels de sant\u00e9 ou les experts l\u00e9gistes confront\u00e9s \u00e0 des sanctions punitives en cas de faux positifs.<\/li>\n
- Le crit\u00e8re lib\u00e9ral ($c < 0$) :<\/strong> Le seuil de coupure migre vers la gauche de l’axe, dans les zones de basse \u00e9nergie sensorielle. L’observateur abaisse sa garde et r\u00e9pond affirmativement \u00e0 la moindre suspicion d’apparition du stimulus. Il maximise agressivement son taux de d\u00e9tection correcte, consentant en contrepartie une explosion volumique de fausses alarmes. Cette configuration s’observe typiquement dans les syst\u00e8mes de surveillance radar militaire en contexte de guerre d\u00e9clar\u00e9e.<\/li>\n<\/ul>\n
5.2 Le rapport de vraisemblance b\u00eata (\u03b2) et son calcul<\/h3>\n
Tandis que le crit\u00e8re $c$<\/span> op\u00e8re une m\u00e9trique de translation spatiale sur l’axe interne de l’\u00e9vidence sensorielle, l’approche computationnelle originale formul\u00e9e par Green et Swets ancrait la r\u00e8gle d\u00e9cisionnelle dans la th\u00e9orie bay\u00e9sienne de l’estimation statistique \u00e0 travers le param\u00e8tre b\u00eata ($\\beta$<\/span>)<\/strong>. Ce dernier formalise la d\u00e9cision non pas en termes de distance sur l’axe $X$<\/span>, mais sous la forme d’un rapport de vraisemblance<\/strong> (likelihood ratio<\/em>).<\/p>\nPour toute valeur d’\u00e9vidence sensorielle $x$<\/span> instantan\u00e9ment disponible, le rapport de vraisemblance $lambda(x)$<\/span> compare la hauteur de l’ordonn\u00e9e de la fonction de densit\u00e9 de probabilit\u00e9 sous la condition \u00ab Signal plus Bruit \u00bb \u00e0 la hauteur de l’ordonn\u00e9e sous la condition \u00ab Bruit seul \u00bb. \u00c9valu\u00e9 au point de bascule exact du crit\u00e8re $x_c$<\/span>, ce ratio prend le nom de $\\beta$<\/span> :<\/p>\n$$\\beta = \\frac{f(x_c mid SN)}{f(x_c mid N)} = \\frac{\\frac{1}{\\sqrt{2\\pi}} \\exp\\left(-\\frac{(x_c – d’)^2}{2}\\right)}{\\frac{1}{\\sqrt{2\\pi}} \\exp\\left(-\\frac{x_c^2}{2}\\right)} = \\exp\\left( -\\frac{(x_c – d’)^2 – x_c^2}{2} \\right)$$<\/span><\/p>\nEn d\u00e9veloppant les termes quadratiques dans l’exposant, on observe une simplification remarquable : $(x_c – d’)^2 – x_c^2 = x_c^2 – 2x_c d’ + {d’}^2 – x_c^2 = {d’}^2 – 2x_c d’$<\/span>. Ainsi :<\/p>\n$$\\beta = \\exp\\left( x_c d’ – \\frac{{d’}^2}{2} \\right) = \\exp\\left( d’ \\left( x_c – \\frac{d’}{2} \\right) \\right)$$<\/span><\/p>\nPuisque par d\u00e9finition fondamentale $c = x_c – d’\/2$<\/span>, il \u00e9merge une passerelle analytique d’une rare \u00e9l\u00e9gance entre la m\u00e9trique spatiale $c$<\/span> et le rapport de vraisemblance probabiliste $\\beta$<\/span> :<\/p>\n$$\\beta = \\exp(d’ \\cdot c) iff \\ln(\\beta) = d’ \\cdot c$$<\/span><\/p>\nContrairement au crit\u00e8re $c$<\/span> dont la neutralit\u00e9 s’exprime par le z\u00e9ro, la valeur neutre de $\\beta$<\/span> est fix\u00e9e \u00e0 l’unit\u00e9 ($\\beta = 1$<\/span>), signifiant qu’au point de bascule d\u00e9cisionnelle, l’observation $x_c$<\/span> a autant de probabilit\u00e9 de provenir de la distribution du signal que de celle du bruit. Lorsque $\\beta > 1$<\/span>, le sujet adopte une strat\u00e9gie conservatrice : l’\u00e9vidence doit \u00eatre structurellement plus probable sous l’hypoth\u00e8se du signal pour motiver une r\u00e9ponse positive. R\u00e9ciproquement, un $beta < 1$ traduit une posture d\u00e9cisionnelle lib\u00e9rale.<\/p>\n