{"id":583,"date":"2026-09-04T11:00:30","date_gmt":"2026-09-04T11:00:30","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theories\/architecture-cognitive-act-r-john-r-anderson\/"},"modified":"2026-09-04T11:00:30","modified_gmt":"2026-09-04T11:00:30","slug":"architecture-cognitive-act-r-john-r-anderson","status":"publish","type":"psych_article","link":"https:\/\/french.arabpsychology.com\/?psych_article=architecture-cognitive-act-r-john-r-anderson","title":{"rendered":"Architecture cognitive du contr\u00f4le adaptatif de la pens\u00e9e – rationnelle (ACT-R) – John R. Anderson"},"content":{"rendered":"

La mod\u00e9lisation computationnelle de l’esprit humain repr\u00e9sente l’un des d\u00e9fis scientifiques et \u00e9pist\u00e9mologiques les plus ambitieux de l’\u00e9poque contemporaine. Depuis l’\u00e9mergence des sciences cognitives au milieu du XXe si\u00e8cle, la volont\u00e9 d’\u00e9lucider les myst\u00e8res de la pens\u00e9e a oscill\u00e9 entre des approches purement symboliques issues de l’intelligence artificielle classique et des paradigmes connexionnistes inspir\u00e9s de la neurobiologie. Au c\u0153ur de cette qu\u00eate universelle d’explication des facult\u00e9s intellectuelles se dresse l’architecture cognitive ACT-R (Adaptive Control of Thought-Rational)<\/a>, con\u00e7ue et d\u00e9velopp\u00e9e de mani\u00e8re continue par le psychologue et informaticien John R. Anderson<\/a> \u00e0 l’Universit\u00e9 Carnegie Mellon. Loin d’\u00eatre un simple programme informatique de simulation, ACT-R incarne une th\u00e9orie unifi\u00e9e de la cognition cherchant \u00e0 int\u00e9grer, au sein d’un formalisme math\u00e9matique et computationnel rigoureux, l’ensemble des op\u00e9rations mentales humaines, de la perception sensorielle \u00e9l\u00e9mentaire jusqu’aux formes les plus abstraites du raisonnement d\u00e9ductif et de la m\u00e9tacognition.<\/p>\n

Le projet intellectuel port\u00e9 par John R. Anderson plonge ses racines dans une double exigence : d’une part, satisfaire au crit\u00e8re de r\u00e9futabilit\u00e9 empirique en rendant compte avec une pr\u00e9cision millim\u00e9trique des temps de r\u00e9action, des trajectoires oculaires et des distributions d’erreurs observ\u00e9s chez les sujets humains lors de t\u00e2ches de laboratoire ; d’autre part, proposer une th\u00e9orie rationnelle de l’adaptation cognitive postulant que l’architecture de notre esprit n’est pas le fruit d’un assemblage arbitraire de m\u00e9canismes heuristiques, mais constitue une r\u00e9ponse math\u00e9matiquement optimis\u00e9e aux r\u00e9gularit\u00e9s statistiques de l’environnement physique et social. Cette alliance singuli\u00e8re entre l’analyse rationnelle d’inspiration bay\u00e9sienne et une impl\u00e9mentation computationnelle modulaire et hybride conf\u00e8re \u00e0 ACT-R un statut unique dans le paysage des architectures de l’esprit.<\/p>\n

Dans ce trait\u00e9 exhaustif, nous explorerons les fondements historiques, math\u00e9matiques, computationnels et neurobiologiques d’ACT-R. Nous examinerons comment l’\u00e9volution des mod\u00e8les de m\u00e9moire d’Anderson \u2014 depuis le mod\u00e8le pionnier HAM jusqu’aux versions contemporaines d’ACT-R ancr\u00e9es dans l’imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle \u2014 a permis de structurer une vision coh\u00e9rente de la m\u00e9moire d\u00e9clarative, de la s\u00e9lection d’actions proc\u00e9durales et de l’apprentissage adaptatif. Enfin, nous analyserons l’impact retentissant de cette architecture dans les domaines de l’ing\u00e9nierie cognitive, de la conception des tuteurs intelligents pour l’\u00e9ducation, de l’interaction humain-machine et de la mod\u00e9lisation des processus c\u00e9r\u00e9braux sup\u00e9rieurs.<\/p>\n

1. Introduction et fondements \u00e9pist\u00e9mologiques de l’architecture ACT-R<\/h2>\n

1.1 D\u00e9finition et objectifs d’une th\u00e9orie unifi\u00e9e de la cognition<\/h3>\n

L’ambition fondatrice d’ACT-R s’inscrit directement dans le sillage du programme scientifique formul\u00e9 par Allen Newell<\/a> dans son ouvrage s\u00e9minal de 1990, Unified Theories of Cognition<\/em>. Newell soutenait que la psychologie cognitive souffrait d’un morcellement excessif, accumulant des micro-mod\u00e8les disjoints pour expliquer la m\u00e9moire \u00e0 court terme, la reconnaissance des formes, la prise de d\u00e9cision ou le contr\u00f4le moteur, sans jamais proposer une vue d’ensemble coh\u00e9rente du fonctionnement de l’esprit. Une th\u00e9orie unifi\u00e9e de la cognition se d\u00e9finit ainsi comme un syst\u00e8me computationnel unique capable d’expliquer l’ensemble des ph\u00e9nom\u00e8nes cognitifs par l’interaction d’un ensemble restreint de m\u00e9canismes architecturaux invariants.<\/p>\n

Formellement, ACT-R se caract\u00e9rise comme une architecture cognitive computationnelle hybride. Cette hybridit\u00e9 r\u00e9side dans l’entrelacement indissociable de structures symboliques discr\u00e8tes (telles que les morceaux d’information mn\u00e9sique d\u00e9nomm\u00e9s \u00ab chunks \u00bb et les r\u00e8gles de production op\u00e9ratoires \u00ab condition-action \u00bb) et de processus sous-symboliques continus (tels que les niveaux d’activation, les forces associatives et les valeurs d’utilit\u00e9 esp\u00e9r\u00e9e gouvern\u00e9s par des \u00e9quations diff\u00e9rentielles et stochastiques). Loin d’opposer l’intelligence artificielle symbolique au connexionnisme statistique, ACT-R r\u00e9alise leur synth\u00e8se structurelle en assignant au niveau symbolique la manipulation de la structure propositionnelle du savoir, et au niveau sous-symbolique la r\u00e9gulation de la disponibilit\u00e9, de la vitesse d’acc\u00e8s et de la s\u00e9lection comp\u00e9titive de ces savoirs.<\/p>\n

Cette approche permet d’assurer une mod\u00e9lisation multi-niveaux int\u00e9grant non seulement les fonctions cognitives sup\u00e9rieures comme la planification strat\u00e9gique ou le raisonnement math\u00e9matique, mais \u00e9galement les contraintes temporelles strictes impos\u00e9es par les organes sensoriels p\u00e9riph\u00e9riques et les effecteurs moteurs. Dans ACT-R, un acte de pens\u00e9e n’est jamais d\u00e9sincarn\u00e9 : il \u00e9merge de la coordination synchronis\u00e9e entre la capture perceptive d’un stimulus visuel ou auditif, la r\u00e9cup\u00e9ration guid\u00e9e d’une information en m\u00e9moire \u00e0 long terme, la prise de d\u00e9cision s\u00e9quentielle via un goulot proc\u00e9dural et l’ex\u00e9cution motrice d’un geste physique, le tout s’ex\u00e9cutant sur une \u00e9chelle temporelle mesur\u00e9e en millisecondes.<\/p>\n

1.2 La vision th\u00e9orique de John R. Anderson sur la nature de l’esprit<\/h3>\n

La trajectoire scientifique de John R. Anderson est marqu\u00e9e par une rupture radicale avec les postulats du behaviorisme strict, tout en conservant une rigueur m\u00e9thodologique intransigeante quant \u00e0 la quantification empirique des comportements observables. Anderson s’inscrit r\u00e9solument dans le paradigme du fonctionnalisme computationnel<\/a>, selon lequel les \u00e9tats mentaux se d\u00e9finissent par leurs r\u00f4les fonctionnels et leurs relations causales au sein d’un syst\u00e8me de traitement de l’information, ind\u00e9pendamment de leur substrat mat\u00e9riel imm\u00e9diat, bien que la plausibilit\u00e9 biologique de ce syst\u00e8me constitue un crit\u00e8re de validation essentiel.<\/p>\n

Pour Anderson, l’esprit humain ne saurait \u00eatre compris comme une collection arbitraire de raccourcis \u00e9volutifs ou d’heuristiques irrationnelles, mais bien comme un organe d’optimisation hautement sophistiqu\u00e9. Cette vision th\u00e9orique implique que la cognition humaine poss\u00e8de une fid\u00e9lit\u00e9 empirique exceptionnelle lorsqu’elle est soumise \u00e0 des contraintes exp\u00e9rimentales. Les variations infimes observ\u00e9es dans les temps de r\u00e9action des participants, de l’ordre de quelques dizaines de millisecondes, ainsi que les courbes de distribution des erreurs ne sont pas consid\u00e9r\u00e9es par Anderson comme du simple \u00ab bruit exp\u00e9rimental \u00bb, mais comme la signature directe de la dynamique sous-symbolique de l’architecture.<\/p>\n

La qu\u00eate d’Anderson vise ainsi \u00e0 r\u00e9concilier la rationalit\u00e9 de haut niveau de la pens\u00e9e humaine avec les limitations biologiques intrins\u00e8ques du cerveau, telles que la capacit\u00e9 restreinte de la m\u00e9moire de travail et la lenteur relative de la transmission synaptique par rapport aux circuits en silicium. Cette r\u00e9conciliation repose sur l’id\u00e9e que le syst\u00e8me cognitif maximise l’utilit\u00e9 de ses ressources limit\u00e9es en apprenant en permanence la structure statistique de son environnement, assurant que les connaissances les plus susceptibles d’\u00eatre utiles dans un contexte donn\u00e9 soient imm\u00e9diatement accessibles au moindre co\u00fbt computationnel.<\/p>\n

1.3 Positionnement scientifique et m\u00e9thodologique d’ACT-R<\/h3>\n

Sur le plan m\u00e9thodologique, ACT-R introduit une distinction fondamentale et op\u00e9rationnelle entre l’\u00ab architecture invariante \u00bb de l’esprit et les \u00ab connaissances sp\u00e9cifiques \u00e0 la t\u00e2che \u00bb. L’architecture comprend les modules computationnels fixes (m\u00e9moire d\u00e9clarative, syst\u00e8me proc\u00e9dural, modules de vision, de motricit\u00e9 et d’intention), leurs capacit\u00e9s de d\u00e9bit temporel, leurs tampons d’acc\u00e8s et les \u00e9quations math\u00e9matiques sous-jacentes qui r\u00e9gissent l’apprentissage et l’activation. Ces composantes sont universelles et invariantes d’un individu \u00e0 l’autre. \u00c0 l’oppos\u00e9, les connaissances sp\u00e9cifiques correspondent aux chunks d\u00e9claratifs particuliers et aux r\u00e8gles de production encod\u00e9s par un sujet au fil de son histoire d’apprentissage et de son interaction avec une t\u00e2che donn\u00e9e.<\/p>\n

La d\u00e9marche de validation scientifique d’un mod\u00e8le ACT-R suit un protocole de simulation pr\u00e9dictive rigoureux. Le chercheur impl\u00e9mente les connaissances n\u00e9cessaires \u00e0 l’accomplissement d’une t\u00e2che exp\u00e9rimentale sous forme de r\u00e8gles et de chunks, puis ex\u00e9cute le mod\u00e8le au sein d’un environnement virtuel reproduisant fid\u00e8lement l’interface et la cin\u00e9matique de l’exp\u00e9rience humaine. Le mod\u00e8le g\u00e9n\u00e8re alors des donn\u00e9es comportementales simul\u00e9es \u2014 temps de r\u00e9ponse milliseconde par milliseconde, trajectoires de fixations oculaires, taux d’erreurs d’omission et de commission \u2014 qui sont confront\u00e9es directement aux donn\u00e9es empiriques recueillies aupr\u00e8s de sujets humains r\u00e9els, souvent valid\u00e9es par des coefficients de corr\u00e9lation statistique ($R^2 > 0.95$<\/span>) et de faibles racines de l’erreur quadratique moyenne (RMSE).<\/p>\n

Cette m\u00e9thodologie conf\u00e8re \u00e0 ACT-R une port\u00e9e pr\u00e9dictive qui d\u00e9passe largement le cadre descriptif traditionnel de la psychologie cognitive. ACT-R ne se contente pas d’ajuster des courbes a posteriori<\/em> ; il permet de pr\u00e9dire le comportement humain dans des situations in\u00e9dites, de simuler l’impact de la fatigue ou du stress sur la performance d’op\u00e9rateurs critiques, et de fournir une base computationnelle solide aux sciences cognitives contemporaines, comblant le foss\u00e9 entre la psychologie exp\u00e9rimentale, les neurosciences cognitives et l’intelligence artificielle appliqu\u00e9e.<\/p>\n

2. \u00c9volution historique des mod\u00e8les d’Anderson : de HAM \u00e0 ACT-R<\/h2>\n

2.1 Le mod\u00e8le de m\u00e9moire associative humaine (HAM)<\/h3>\n

L’histoire de l’architecture ACT-R commence au d\u00e9but des ann\u00e9es 1970 avec la collaboration fondatrice entre John R. Anderson et Gordon H. Bower<\/a>, qui a abouti \u00e0 la publication en 1973 de leur ouvrage de r\u00e9f\u00e9rence, Human Associative Memory<\/em> (HAM). HAM constituait l’une des premi\u00e8res tentatives syst\u00e9matiques de mod\u00e9liser la m\u00e9moire s\u00e9mantique et \u00e9pisodique sous la forme d’un r\u00e9seau propositionnel computationnel.<\/p>\n

Dans le mod\u00e8le HAM, l’information en m\u00e9moire n’\u00e9tait pas stock\u00e9e sous la forme de simples listes de mots ou d’images brutes, mais sous la forme de structures propositionnelles arborescentes construites \u00e0 partir de primitives logiques universelles (telles que le sujet, le pr\u00e9dicat, la relation, l’objet, le contexte temporel et spatial). La r\u00e9cup\u00e9ration des souvenirs s’effectuait par un m\u00e9canisme de propagation de l’activation au sein du r\u00e9seau de n\u0153uds conceptuels interconnect\u00e9s par des liens associatifs pond\u00e9r\u00e9s. Lorsqu’une sonde m\u00e9morielle \u00e9tait pr\u00e9sent\u00e9e, l’activation se diffusait \u00e0 partir des n\u0153uds correspondants jusqu’\u00e0 ce qu’une intersection signifiante soit localis\u00e9e, validant la v\u00e9racit\u00e9 d’une proposition.<\/p>\n

Cependant, HAM se heurtait \u00e0 des limites \u00e9pist\u00e9mologiques et computationnelles majeures. Si le syst\u00e8me excellait dans la repr\u00e9sentation d\u00e9clarative des faits et des structures syntaxiques du langage, il \u00e9tait totalement d\u00e9pourvu de m\u00e9canisme dynamique pour ex\u00e9cuter des actions, planifier des comportements orient\u00e9s vers un but ou r\u00e9soudre des probl\u00e8mes proc\u00e9duraux. HAM \u00e9tait une m\u00e9moire passive, un r\u00e9ceptacle de connaissances propositionnelles incapable d’interagir activement avec un environnement dynamique ou de transformer ses propres repr\u00e9sentations symboliques.<\/p>\n

2.2 La g\u00e9n\u00e9alogie des syst\u00e8mes ACT : d’ACT-E \u00e0 ACT*<\/h3>\n

Prenant acte des limitations structurelles de HAM, John R. Anderson a introduit en 1976 la premi\u00e8re version du syst\u00e8me ACT (Adaptive Control of Thought<\/em>), ult\u00e9rieurement d\u00e9sign\u00e9e sous le nom d’ACT-E (Adaptive Control of Thought-Episodic<\/em>). La perc\u00e9e conceptuelle majeure d’ACT a \u00e9t\u00e9 l’introduction explicite de la dichotomie fondamentale entre la m\u00e9moire d\u00e9clarative<\/a> (le \u00ab savoir quoi \u00bb, encod\u00e9 sous forme de r\u00e9seau de propositions) et la m\u00e9moire proc\u00e9durale<\/a> (le \u00ab savoir comment \u00bb, encod\u00e9 sous forme de r\u00e8gles de production formelles de type condition-action).<\/p>\n

Cette architecture a trouv\u00e9 sa formalisation la plus influente et la plus mature de la premi\u00e8re \u00e9poque dans la th\u00e9orie ACT* (prononc\u00e9e \u00ab ACT-Star \u00bb), publi\u00e9e par Anderson en 1983 dans l’ouvrage The Architecture of Cognition<\/em>. ACT* int\u00e9grait trois syst\u00e8mes de m\u00e9moire interconnect\u00e9s : la m\u00e9moire de travail (qui maintenait les structures actives au moment pr\u00e9sent), la m\u00e9moire d\u00e9clarative \u00e0 long terme et la m\u00e9moire proc\u00e9durale \u00e0 long terme. Le moteur d’inf\u00e9rence d’ACT* reposait sur un m\u00e9canisme d’appariement de motifs o\u00f9 la partie \u00ab condition \u00bb de chaque r\u00e8gle de production inspectait le contenu de la m\u00e9moire de travail pour d\u00e9clencher la partie \u00ab action \u00bb, qui pouvait modifier la m\u00e9moire ou commander des actions motrices.<\/p>\n

N\u00e9anmoins, ACT* souffrait encore de d\u00e9fis computationnels substantiels. \u00c0 mesure que la base de r\u00e8gles de production et le r\u00e9seau s\u00e9mantique s’\u00e9largissaient, le syst\u00e8me faisait face \u00e0 une formidable explosion combinatoire lors de la phase d’appariement de motifs (le probl\u00e8me classique du pattern matching<\/em> dans les syst\u00e8mes experts). De plus, ACT* reposait sur une logique d\u00e9terministe rigide qui peinait \u00e0 capturer la flexibilit\u00e9, la d\u00e9gradation gracieuse face au bruit et les capacit\u00e9s d’adaptation probabiliste caract\u00e9ristiques de la cognition humaine r\u00e9elle.<\/p>\n

2.3 La transition vers ACT-R : l’int\u00e9gration de l’approche rationnelle<\/h3>\n

Au tournant des ann\u00e9es 1990, John R. Anderson op\u00e9ra une r\u00e9volution conceptuelle majeure au sein de son propre programme de recherche en publiant The Adaptive Character of Thought<\/em> (1990). Constatant les apories des explications purement m\u00e9canistes et computationnelles de l’\u00e9poque, Anderson formula les principes de l’\u00ab analyse rationnelle \u00bb. Selon cette perspective, les caract\u00e9ristiques architecturales de l’esprit ne doivent pas \u00eatre postul\u00e9es de fa\u00e7on ad hoc<\/em>, mais doivent \u00eatre d\u00e9duites comme des solutions math\u00e9matiquement optimales aux probl\u00e8mes computationnels pos\u00e9s par l’environnement.<\/p>\n

Cette rupture th\u00e9orique a donn\u00e9 naissance \u00e0 ACT-R (Adaptive Control of Thought-Rational<\/em>) en 1993 avec la publication de l’ouvrage Rules of the Mind<\/em>. Dans cette nouvelle mouture, l’architecture symbolique h\u00e9rite d’un substrat sous-symbolique rigoureusement math\u00e9matis\u00e9. Chaque composant symbolique (chunk d\u00e9claratif ou r\u00e8gle de production proc\u00e9durale) se voit d\u00e9sormais adjoindre des grandeurs continues dynamiques gouvern\u00e9es par des lois d’optimisation probabiliste et bay\u00e9sienne : niveau d’activation de base, force associative contextuelle et utilit\u00e9 \u00e9conomique esp\u00e9r\u00e9e.<\/p>\n

Au cours des d\u00e9cennies suivantes, l’architecture a connu une s\u00e9rie d’it\u00e9rations majeures :<\/p>\n