La compr\u00e9hension des m\u00e9canismes par lesquels le cerveau des vert\u00e9br\u00e9s interagit avec son environnement constitue l’un des d\u00e9fis les plus stimulants des neurosciences contemporaines. Pendant plusieurs d\u00e9cennies, le paradigme dominant de la psychologie cognitive et des neurosciences computationnelles a appr\u00e9hend\u00e9 le syst\u00e8me nerveux comme une machine de traitement de l’information s\u00e9quentielle, structur\u00e9e selon une cha\u00eene rigide : percevoir le monde ext\u00e9rieur, d\u00e9lib\u00e9rer de mani\u00e8re abstraite pour choisir une action optimale, puis ex\u00e9cuter cette commande motrice via les voies descendantes. Ce mod\u00e8le tripartite, souvent qualifi\u00e9 de paradigme \u00ab Percevoir-D\u00e9lib\u00e9rer-Agir \u00bb ou d’analogie de l’ordinateur de von Neumann, postulait l’existence d’une fronti\u00e8re nette entre les syst\u00e8mes sensoriels, les modules d\u00e9cisionnels centraux et les effecteurs moteurs.<\/p>\n
Cependant, ce cadre th\u00e9orique classique s’est heurt\u00e9 \u00e0 des contradictions empiriques insurmontables d\u00e8s lors que les neurophysiologistes ont commenc\u00e9 \u00e0 enregistrer l’activit\u00e9 de neurones individuels chez des primates engag\u00e9s dans des t\u00e2ches comportementales dynamiques, \u00e9cologiquement valides et soumises \u00e0 de fortes contraintes temporelles. L’observation directe des populations neuronales au sein des cortex pari\u00e9tal et pr\u00e9moteur a r\u00e9v\u00e9l\u00e9 que les repr\u00e9sentations motrices ne sont pas construites a posteriori, une fois la d\u00e9cision abstraite arr\u00eat\u00e9e, mais qu’elles \u00e9mergent en parall\u00e8le d\u00e8s la d\u00e9tection des stimuli environnementaux. Ces dynamiques sugg\u00e8rent que le cerveau ne s\u00e9pare pas la prise de d\u00e9cision de la pr\u00e9paration motrice, mais r\u00e9sout simultan\u00e9ment les questions du \u00ab quoi faire \u00bb et du \u00ab comment le faire \u00bb.<\/p>\n
C’est dans ce contexte de refondation th\u00e9orique que le neurobiologiste canadien Paul Cisek<\/a> a formul\u00e9 l’hypoth\u00e8se de comp\u00e9tition des affordances<\/strong> (Affordance Competition Hypothesis<\/em>). S’inscrivant au croisement de l’\u00e9cologie comportementale, de la neurophysiologie sensorimotrice et de la dynamique non lin\u00e9aire, cette th\u00e9orie postule que le cerveau utilise le flux visuel dorsal pour sp\u00e9cifier continuellement et en parall\u00e8le plusieurs actions pragmatiquement r\u00e9alisables (les affordances<\/em>), tandis que des circuits cortico-sous-corticaux appliquent des biais de valeur pour faire entrer ces repr\u00e9sentations motrices en comp\u00e9tition r\u00e9ciproque jusqu’\u00e0 ce qu’une seule commande motrice soit s\u00e9lectionn\u00e9e pour l’ex\u00e9cution. Cet article propose une exploration approfondie de ce mod\u00e8le r\u00e9volutionnaire, de ses fondements neuroanatomiques et computationnels \u00e0 ses implications \u00e9pist\u00e9mologiques pour la compr\u00e9hension de l’esprit incarn\u00e9.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances, formul\u00e9e de mani\u00e8re s\u00e9minale par Paul Cisek au milieu des ann\u00e9es 2000, repose sur une pr\u00e9misse ontologique claire : le syst\u00e8me nerveux central n’a pas \u00e9volu\u00e9 pour produire des repr\u00e9sentations v\u00e9ridiques ou d\u00e9sincarn\u00e9es du monde physique, mais pour assurer la survie de l’organisme au sein d’environnements dynamiques, comp\u00e9titifs et impr\u00e9visibles. Le postulat central de cette th\u00e9orie stipule que la prise de d\u00e9cision sensorimotrice \u00e9merge de la comp\u00e9tition continue et dynamique entre de multiples repr\u00e9sentations motrices pr\u00e9par\u00e9es en parall\u00e8le. Plut\u00f4t que d’attendre qu’un processus cognitif de haut niveau identifie un stimulus et s\u00e9lectionne la r\u00e9ponse ad\u00e9quate, les aires corticales motrices et pr\u00e9motrices commencent imm\u00e9diatement \u00e0 planifier les gestes requis pour interagir avec les divers objets saillants du champ perceptif.<\/p>\n Dans ce cadre, la notion d’affordance<\/strong> est red\u00e9finie selon une perspective neurophysiologique moderne. Inspir\u00e9 des travaux fondateurs de l’\u00e9cologiste de la perception James J. Gibson, Cisek con\u00e7oit l’affordance non pas comme une propri\u00e9t\u00e9 purement objective de l’objet ni comme une simple construction mentale subjective, mais comme une opportunit\u00e9 d’action physiquement r\u00e9alisable par un organisme dot\u00e9 d’un corps sp\u00e9cifique. Au niveau neuronal, une affordance correspond \u00e0 une configuration d’activit\u00e9 distribu\u00e9e au sein des r\u00e9seaux fronto-pari\u00e9taux qui encode les param\u00e8tres m\u00e9triques pr\u00e9cis (direction, amplitude, cin\u00e9matique, configuration de pr\u00e9hension) n\u00e9cessaires pour ex\u00e9cuter une action vers une cible donn\u00e9e. Chaque opportunit\u00e9 d’interaction disponible dans l’environnement imm\u00e9diat active ainsi une assembl\u00e9e neuronale distincte au sein des voies de transformation visuomotrice.<\/p>\n Ce mod\u00e8le place l’action imm\u00e9diate et l’adaptation comportementale en temps r\u00e9el au c\u0153ur de l’architecture cognitive. Les d\u00e9cisions ne sont pas des jugements abstraits formul\u00e9s dans un espace symbolique d\u00e9connect\u00e9 de l’espace physique, mais des bifurcations au sein d’un paysage dynamique d’attracteurs moteurs. L’\u00e9mergence de cette th\u00e9orie dans le champ des neurosciences cognitives et computationnelles a permis de r\u00e9concilier les donn\u00e9es \u00e9lectrophysiologiques obtenues par enregistrements unitaires chez l’animal avec les approches th\u00e9oriques de la cognition incarn\u00e9e et de la th\u00e9orie des syst\u00e8mes dynamiques, offrant un formalisme math\u00e9matique et physiologique rigoureux \u00e0 des concepts jusqu’alors principalement philosophiques.<\/p>\n Pour appr\u00e9hender la port\u00e9e novatrice des travaux de Cisek, il convient de retracer l’\u00e9volution de la neurophysiologie motrice au cours de la seconde moiti\u00e9 du XXe si\u00e8cle. Historiquement, la recherche sur le syst\u00e8me nerveux a \u00e9t\u00e9 domin\u00e9e par des approches localistes et modulaires h\u00e9rit\u00e9es des th\u00e8ses de Gall et consolid\u00e9es par la neuropsychologie des l\u00e9sions. Le cerveau \u00e9tait alors conceptualis\u00e9 comme une hi\u00e9rarchie ascendante stricte : les cortex sensoriels primaires d\u00e9composaient les signaux \u00e9l\u00e9mentaires (lumi\u00e8re, son, pression), les cortex associatifs de haut niveau int\u00e9graient ces signaux en repr\u00e9sentations unifi\u00e9es et conscientes du monde, les aires pr\u00e9frontales d\u00e9lib\u00e9raient sur la conduite \u00e0 tenir, et enfin, les aires motrices et le cervelet ex\u00e9cutaient servilement les ordres sous forme de commandes musculaires.<\/p>\n Ce sch\u00e9ma conceptuel a commenc\u00e9 \u00e0 se fissurer avec l’av\u00e8nement des techniques d’enregistrement par micro\u00e9lectrodes chez le singe vigile dans les ann\u00e9es 1970 et 1980, notamment gr\u00e2ce aux travaux pionniers d’Edward Evarts, d’Apostolos Georgopoulos et de Vernon Mountcastle. Georgopoulos a d\u00e9montr\u00e9 que les neurones du cortex moteur primaire (M1) et du cortex pr\u00e9moteur dorsal (PMd) d\u00e9chargent en fonction de la direction spatiale du mouvement bien avant que le mouvement lui-m\u00eame ne commence, encodant ce qu’il a formalis\u00e9 sous le concept de \u00ab vecteur de population \u00bb. Parall\u00e8lement, Mountcastle et ses successeurs ont mis en \u00e9vidence que le cortex pari\u00e9tal post\u00e9rieur (PPC) ne se contente pas de relayer des informations spatiales passives, mais s’active de mani\u00e8re pr\u00e9f\u00e9rentielle lorsque le sujet porte son attention sur une cible dans le but explicite d’interagir avec elle au moyen d’un mouvement d’atteinte manuelle ou d’une saccade oculaire.<\/p>\n Le passage progressif d’enregistrements statiques et s\u00e9quentiels \u00e0 des enregistrements simultan\u00e9s au sein de multiples aires corticales et sous-corticales a r\u00e9v\u00e9l\u00e9 une r\u00e9alit\u00e9 inattendue : l’activit\u00e9 pr\u00e9paratoire motrice ne suit pas l’ach\u00e8vement des processus perceptifs et cognitifs, mais se d\u00e9ploie de mani\u00e8re concomitante. L’int\u00e9gration sensorimotrice chez le primate n’est pas une simple \u00e9tape terminale, mais le principe organisateur directeur de l’ensemble de la n\u00e9ocortex, remettant en cause un demi-si\u00e8cle de postulats cognitivistes traditionnels.<\/p>\n L’ambition \u00e9pist\u00e9mologique de Paul Cisek d\u00e9passe la simple mod\u00e9lisation d’une t\u00e2che de pointage ou d’atteinte manuelle : il s’agit de refonder l’architecture th\u00e9orique des sciences cognitives en dissolvant la dichotomie cart\u00e9sienne classique entre perception, cognition et action. Dans les mod\u00e8les conventionnels, la \u00ab cognition \u00bb occupait une place interm\u00e9diaire myst\u00e9rieuse \u2014 une bo\u00eete noire o\u00f9 s’op\u00e9rait le jugement de valeur et la s\u00e9lection logique. En proposant que la d\u00e9cision \u00e9merge directement de l’interaction dynamique entre processus de sp\u00e9cification et processus de s\u00e9lection, Cisek \u00e9limine la n\u00e9cessit\u00e9 de postuler un module de d\u00e9cision centralis\u00e9 et d\u00e9sincarn\u00e9.<\/p>\n Ce cadre th\u00e9orique unificateur r\u00e9alise la synth\u00e8se entre trois disciplines autrefois fragment\u00e9es :<\/p>\n Cette approche conduit \u00e0 une red\u00e9finition radicale du concept m\u00eame de \u00ab repr\u00e9sentation mentale \u00bb. Dans l’hypoth\u00e8se de comp\u00e9tition des affordances, une repr\u00e9sentation n’est pas une copie passive ou un mod\u00e8le symbolique du monde ext\u00e9rieur stock\u00e9 dans une m\u00e9moire statique. Elle est intrins\u00e8quement pragmatique : elle constitue une disposition \u00e0 agir, un sch\u00e9ma dynamique pr\u00eat \u00e0 \u00eatre d\u00e9ploy\u00e9 m\u00e9caniquement d\u00e8s que les conditions contextuelles et motivationnelles atteignent le seuil critique d’engagement moteur.<\/p>\n Le mod\u00e8le cognitiviste standard, souvent d\u00e9sign\u00e9 sous l’acronyme d’approche informationnelle ou m\u00e9taphore de l’ordinateur, repose sur une s\u00e9quentialit\u00e9 op\u00e9rationnelle rigide. Selon ce mod\u00e8le, l’agent cognitif doit d’abord construire une repr\u00e9sentation visuelle compl\u00e8te, d\u00e9taill\u00e9e et g\u00e9om\u00e9triquement exacte de la sc\u00e8ne perceptive (\u00e9tape de perception). Une fois cette sc\u00e8ne reconstruite en interne, des m\u00e9canismes inf\u00e9rentiels de haut niveau \u00e9valuent les diff\u00e9rentes options logiques, comparent leurs utilit\u00e9s esp\u00e9r\u00e9es respectives et choisissent la meilleure option possible (\u00e9tape de d\u00e9lib\u00e9ration cognitive). Ce n’est qu’au terme de ce calcul symbolique que l’ordre est transmis aux structures ex\u00e9cutives pour programmer et d\u00e9clencher la cin\u00e9matique musculaire ad\u00e9quate (\u00e9tape d’action).<\/p>\n Cisek et les tenants des neurosciences \u00e9cologiques ont d\u00e9montr\u00e9 que ce mod\u00e8le s\u00e9riel souffre de faiblesses conceptuelles et physiques r\u00e9dhibitoires. Le principal \u00e9cueil r\u00e9side dans l’existence d’un goulot d’\u00e9tranglement temporel<\/em> critique. Dans la nature, un animal confront\u00e9 \u00e0 l’irruption soudaine d’un pr\u00e9dateur ou \u00e0 la fuite d’une proie ne dispose que de quelques dizaines \u00e0 quelques centaines de millisecondes pour r\u00e9agir. S’il devait attendre la reconstruction s\u00e9mantique int\u00e9grale de son environnement et l’\u00e9valuation combinatoire de tous les plans possibles avant de pr\u00e9parer ses muscles, le temps de calcul d\u00e9passerait syst\u00e9matiquement les limites physiologiques de la survie. Les d\u00e9lais de transmission synaptique et de traitement cortical rendent le mod\u00e8le s\u00e9riel inadapt\u00e9 aux contraintes temporelles strictes impos\u00e9es par la s\u00e9lection naturelle.<\/p>\n De surcro\u00eet, le mod\u00e8le s\u00e9riel souffre d’une inefficacit\u00e9 computationnelle majeure connue sous le nom de \u00ab probl\u00e8me de l’explosion combinatoire \u00bb : calculer \u00e0 chaque instant une repr\u00e9sentation exhaustive du monde exige des ressources m\u00e9taboliques consid\u00e9rables dont la majorit\u00e9 s’av\u00e8re totalement inutile pour l’action imm\u00e9diate. Le cerveau ne traite pas tout ce qui est visible, mais seulement ce qui est pragmatiquement exploitable par le corps \u00e0 un instant donn\u00e9.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances s’ancre directement dans le renouveau \u00e9pist\u00e9mologique port\u00e9 par les th\u00e9ories de la cognition incarn\u00e9e<\/a> (embodied cognition<\/em>), situ\u00e9e (situated cognition<\/em>) et de l’\u00e9naction th\u00e9oris\u00e9e initialement par Francisco Varela, Evan Thompson et Eleanor Rosch. Selon cette perspective, la pens\u00e9e n’est pas l’apanage d’un esprit d\u00e9sincarn\u00e9 manipulant des symboles formels, mais l’activit\u00e9 d’un organisme physiquement situ\u00e9 dans un environnement avec lequel il interagit continuellement par l’interm\u00e9diaire de ses effecteurs morphologiques.<\/p>\n Dans ce paradigme, la morphologie du corps, la structure des articulations musculosquelettiques, l’orientation des r\u00e9cepteurs sensoriels et les propri\u00e9t\u00e9s biom\u00e9caniques des membres jouent un r\u00f4le constitutif dans l’organisation de l’activit\u00e9 c\u00e9r\u00e9brale. La perception n’est pas une simple r\u00e9ception passive de signaux lumineux ou m\u00e9caniques, mais une exploration active guid\u00e9e par le r\u00e9pertoire moteur de l’organisme. Le syst\u00e8me nerveux s’est co-d\u00e9velopp\u00e9 et a co-\u00e9volu\u00e9 de concert avec les effecteurs corporels et la niche \u00e9cologique sp\u00e9cifique de l’esp\u00e8ce. Le cerveau d’un primate arboricole n’est pas programm\u00e9 pour r\u00e9soudre des probl\u00e8mes logiques g\u00e9n\u00e9raux, mais pour guider des sauts de branche en branche, saisir des fruits et \u00e9viter des chutes mortelles dans un environnement tridimensionnel complexe et instable.<\/p>\n Cette vision incarn\u00e9e change la nature m\u00eame des questions pos\u00e9es par les neurosciences : il ne s’agit plus de comprendre comment le cerveau cr\u00e9e une image du monde dans la t\u00eate, mais de comprendre comment le cerveau utilise les dynamiques physiques de son interaction corporelle avec le milieu pour stabiliser des comportements adaptatifs avec un co\u00fbt computationnel minimal.<\/p>\n L’une des ruptures majeures introduites par Cisek r\u00e9side dans l’\u00e9limination de la fronti\u00e8re physique et temporelle entre la d\u00e9cision et l’action. Dans les architectures cognitivistes classiques, la d\u00e9cision constituait une \u00ab bo\u00eete noire \u00bb interm\u00e9diaire, un processus central abstrait op\u00e9rant sur des variables symboliques ind\u00e9pendantes de la modalit\u00e9 motrice finale. L’hypoth\u00e8se de comp\u00e9tition des affordances rejette cat\u00e9goriquement cette s\u00e9paration :<\/p>\n Les preuves neurobiologiques contemporaines d\u00e9montrent que les processus de d\u00e9cision sont intrins\u00e8quement distribu\u00e9s et entrelac\u00e9s avec la pr\u00e9paration motrice au sein des m\u00eames structures corticales et sous-corticales. Lorsque plusieurs cibles potentielles apparaissent simultan\u00e9ment dans le champ visuel :<\/p>\n La d\u00e9cision n’est donc pas un \u00e9v\u00e9nement discret qui pr\u00e9c\u00e8de la programmation motrice, mais un processus continu de r\u00e9solution de contraintes biom\u00e9caniques, environnementales et motivationnelles qui s’ach\u00e8ve naturellement lorsque l’activit\u00e9 neuronale franchit le seuil d’excitation n\u00e9cessaire pour engager le cortex moteur primaire et les motoneurones de la moelle \u00e9pini\u00e8re.<\/p>\n La filiation conceptuelle entre les th\u00e8ses de James J. Gibson<\/a> et les neurosciences computationnelles de Paul Cisek constitue un tournant th\u00e9orique majeur. Dans son ouvrage fondamental de 1979, The Ecological Approach to Visual Perception<\/em>, Gibson avait introduit le terme d’affordance pour d\u00e9signer ce que l’environnement offre, fournit ou permet \u00e0 l’animal en termes d’actions comportementales. Pour Gibson, percevoir une surface horizontale et solide ne consiste pas \u00e0 inf\u00e9rer une structure g\u00e9om\u00e9trique abstraite, mais \u00e0 percevoir directement sa capacit\u00e9 \u00e0 soutenir le poids du corps (\u00eatre \u00ab marchable \u00bb ou stand-on-able<\/em>). De m\u00eame, un objet \u00e0 port\u00e9e de main est directement per\u00e7u comme \u00ab pr\u00e9hensible \u00bb (graspable<\/em>).<\/p>\n Cependant, l’approche \u00e9cologique originelle de Gibson rejetait explicitement toute forme de mod\u00e9lisation computationnelle ou neurophysiologique interne, adoptant une posture parfois qualifi\u00e9e d’\u00ab antineuronale \u00bb par crainte de retomber dans le repr\u00e9sentationalisme intellectualiste. Cisek a lev\u00e9 cette opposition historique en naturalisant le concept d’affordance au sein de la neurobiologie contemporaine. Chez Cisek, les affordances ne sont plus des entit\u00e9s ph\u00e9nom\u00e9nologiques non mat\u00e9rielles, mais des \u00e9tats dynamiques concrets de r\u00e9seaux de neurones interconnect\u00e9s.<\/p>\n La distinction est capitale : tandis que Gibson postulait une r\u00e9sonance directe entre l’organisme et les invariants optiques ambiants sans interm\u00e9diaire interne, Cisek d\u00e9montre que cette r\u00e9sonance s’incarne dans des populations neuronales sp\u00e9cialis\u00e9es du cortex pari\u00e9tal et pr\u00e9moteur. Ces r\u00e9seaux transforment le flux sensoriel brut en vecteurs d’action pr\u00eats \u00e0 l’emploi. L’affordance devient ainsi une variable neurocomputationnelle quantifiable, mesurable en termes de potentiels d’action, de fr\u00e9quences de d\u00e9charge et de connectivit\u00e9 synaptique au sein du cerveau des primates.<\/p>\n Pour comprendre la logique fonctionnelle du cerveau moderne, il est imp\u00e9ratif d’adopter une perspective phylog\u00e9n\u00e9tique. L’architecture c\u00e9r\u00e9brale des mammif\u00e8res ne s’est pas construite ex nihilo autour d’un cortex associatif sophistiqu\u00e9 ; elle est l’h\u00e9riti\u00e8re directe de syst\u00e8mes nerveux de vert\u00e9br\u00e9s ancestraux con\u00e7us pour la locomotion rapide, l’\u00e9vitement des pr\u00e9dateurs et la pr\u00e9dation dans des milieux aquatiques ou terrestres hostiles. Les structures c\u00e9r\u00e9brales primitives, telles que le tectum optique (l’homologue du colliculus sup\u00e9rieur chez les mammif\u00e8res) et le tegmentum du tronc c\u00e9r\u00e9bral, constituaient d\u00e9j\u00e0 des boucles de contr\u00f4le sensorimoteur directes capables de transformer des coordonn\u00e9es r\u00e9tiniennes en mouvements d’orientation corporelle imm\u00e9diats.<\/p>\n Au cours de l’\u00e9volution des vert\u00e9br\u00e9s, l’expansion massive du t\u00e9lenc\u00e9phale et l’\u00e9mergence du n\u00e9ocortex n’ont pas aboli ces boucles primordiales, mais les ont dupliqu\u00e9es, enrichies et raffin\u00e9es en leur superposant des r\u00e9seaux corticaux hautement sp\u00e9cialis\u00e9s. Les circuits pari\u00e9to-frontaux des primates repr\u00e9sentent une sophistication adaptative de ces r\u00e9flexes ancestraux d’orientation, permettant de traiter simultan\u00e9ment non plus une, mais plusieurs opportunit\u00e9s d’action concurrentes, tout en introduisant une flexibilit\u00e9 contextuelle sup\u00e9rieure via les connexions avec le cortex pr\u00e9frontal et les ganglions de la base.<\/p>\n Cette conservation \u00e9volutive explique l’\u00e9conomie m\u00e9tabolique et l’extr\u00eame efficacit\u00e9 temporelle de l’architecture c\u00e9r\u00e9brale. En distribuant les calculs g\u00e9om\u00e9triques et cin\u00e9matiques directement au sein des voies dorsales de la vision pour l’action, le cerveau \u00e9vite la centralisation excessive des op\u00e9rations, minimisant la latence globale du syst\u00e8me et maximisant les chances de survie individuelle dans des conditions critiques.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances red\u00e9finit l’unit\u00e9 fondamentale de l’analyse neuroscientifique : celle-ci n’est ni le neurone isol\u00e9, ni la zone corticale sp\u00e9cialis\u00e9e, ni le percept statique, mais la boucle perception-action ferm\u00e9e<\/strong>. Dans cette vision cybern\u00e9tique, l’agent et son environnement constituent un syst\u00e8me dynamique coupl\u00e9 de mani\u00e8re continue et indissociable :<\/p>\n Cette boucle ferm\u00e9e op\u00e8re selon une r\u00e9gulation permanente :<\/p>\n Ce couplage dynamique direct entre capteurs sensoriels et circuits pr\u00e9moteurs \u00e9limine tout d\u00e9calage temporel entre l’\u00e9valuation de la situation et son exploitation motrice. L’organisme ne \u00ab contemple \u00bb pas le monde pour en d\u00e9duire des v\u00e9rit\u00e9s th\u00e9oriques ; il agit continuellement sur le monde pour r\u00e9guler ses \u00e9tats internes et maintenir son hom\u00e9ostasie, la perception n’\u00e9tant que l’outil de guidage de cette action continue.<\/p>\n Le fondement anatomique de l’hypoth\u00e8se de Paul Cisek s’enracine profond\u00e9ment dans la distinction canonique \u00e9tablie par Melvyn Goodale et David Milner entre la voie ventrale (\u00ab vision pour la perception \u00bb) et la voie dorsale (\u00ab vision pour l’action \u00bb). Partant du cortex visuel primaire (V1), la voie dorsale s’\u00e9tend \u00e0 travers le cortex visuel secondaire (V2), l’aire temporale moyenne (MT\/V5) et le cortex pari\u00e9tal post\u00e9rieur pour projeter directement et massivement vers les diff\u00e9rentes subdivisions du cortex pr\u00e9moteur.<\/p>\n Contrairement \u00e0 la voie ventrale qui projette vers le cortex inf\u00e9rotemporal afin d’extraire des repr\u00e9sentations invariantes d’objets, de formes et d’identit\u00e9s s\u00e9mantiques indispensables \u00e0 la reconnaissance consciente, la voie dorsale op\u00e8re selon un mode computationnel radicalement distinct :<\/p>\n C’est pr\u00e9cis\u00e9ment cette voie dorsale qui constitue le substrat neurobiologique primaire au sein duquel les affordances multiples sont g\u00e9n\u00e9r\u00e9es, calibr\u00e9es et maintenues en activit\u00e9 active sous la forme de cartes d’action potentielles.<\/p>\n Le cortex pari\u00e9tal post\u00e9rieur (PPC) joue un r\u00f4le architectural pivot dans l’hypoth\u00e8se de comp\u00e9tition des affordances. Loin d’\u00eatre une simple zone associative spatiale, le PPC est subdivis\u00e9 en une mosa\u00efque d’aires fonctionnellement sp\u00e9cialis\u00e9es en fonction des effecteurs moteurs engag\u00e9s dans l’interaction comportementale :<\/p>\n Parmi ces structures pari\u00e9tales hautement sp\u00e9cialis\u00e9es, deux r\u00e9gions jouent un r\u00f4le de premier plan :<\/p>\n Les enregistrements \u00e9lectrophysiologiques d\u00e9montrent sans ambigu\u00eft\u00e9 que lorsque deux ou trois cibles potentielles sont pr\u00e9sent\u00e9es \u00e0 un animal, des sous-populations distinctes de neurones s’activent simultan\u00e9ment au sein de LIP et de PRR\/MIP, cartographiant de mani\u00e8re concurrente l’ensemble des directions d’action physiquement exploitables.<\/p>\n Les informations spatiales et structurelles \u00e9labor\u00e9es par le cortex pari\u00e9tal post\u00e9rieur sont projet\u00e9es via des faisceaux de substance blanche r\u00e9ciproques et denses vers le cortex pr\u00e9moteur du lobe frontal. Ce r\u00e9seau forme des circuits fonctionnels pari\u00e9to-frontaux hautement interconnect\u00e9s et organis\u00e9s en boucles fonctionnelles parall\u00e8les :<\/p>\n Le cortex pr\u00e9moteur se subdivise principalement en deux composantes motrices majeures :<\/p>\n Ces circuits pari\u00e9to-frontaux ne fonctionnent pas de mani\u00e8re unilat\u00e9rale ou hi\u00e9rarchique stricte. Des projections r\u00e9ciproques massives (r\u00e9verb\u00e9rantes) relient continuellement PMd \u00e0 PRR et PMv \u00e0 AIP. Cette connectivit\u00e9 r\u00e9currente assure une synchronisation parfaite et un raffinement mutuel constant entre l’\u00e9valuation spatiale de la cible dans le cortex pari\u00e9tal et la pr\u00e9paration motrice cin\u00e9matique dans le cortex pr\u00e9moteur, cr\u00e9ant ainsi le substrat physique de la comp\u00e9tition des affordances.<\/p>\n La pr\u00e9sence simultan\u00e9e de multiples plans moteurs au sein des circuits pari\u00e9to-frontaux pose une question fondamentale : comment le syst\u00e8me nerveux emp\u00eache-t-il l’organisme d’ex\u00e9cuter simultan\u00e9ment des actions motrices contradictoires ou d’entrer dans un \u00e9tat de paralysie motrice ? La r\u00e9ponse formul\u00e9e par Paul Cisek r\u00e9side dans l’existence d’une architecture dynamique locale r\u00e9gie par des m\u00e9canismes d’excitation r\u00e9currente<\/strong> et d’inhibition lat\u00e9rale r\u00e9ciproque<\/strong>.<\/p>\n Ce principe de mod\u00e9lisation repose sur une dynamique de type \u00ab soft winner-take-all<\/em> \u00bb (le gagnant rafle tout adouci). Au sein du cortex pr\u00e9moteur dorsal (PMd), les neurones qui partagent des pr\u00e9f\u00e9rences directionnelles proches (par exemple, diriger la main vers 45\u00b0 \u00e0 gauche) s’excitent mutuellement par des connexions synaptiques glutamatergiques locales r\u00e9currentes. Simultan\u00e9ment, ces neurones activent des interneurones inhibiteurs GABAergiques qui projettent sur les populations neuronales voisines encodant des directions motrices diff\u00e9rentes (par exemple, 45\u00b0 \u00e0 droite).<\/p>\n Cette connectivit\u00e9 cr\u00e9e une instabilit\u00e9 comp\u00e9titive inh\u00e9rente au r\u00e9seau. D\u00e8s qu’une asym\u00e9trie d’activit\u00e9 se manifeste en faveur d’une des options motrices \u2014 que cette asym\u00e9trie provienne d’une l\u00e9g\u00e8re avance temporelle, d’une plus grande nettet\u00e9 du signal sensoriel ou d’un biais attentionnel \u2014, la population favoris\u00e9e augmente sa propre d\u00e9charge tout en \u00e9touffant activement ses concurrentes. Le paysage \u00e9nerg\u00e9tique du r\u00e9seau neuronal bascule alors progressivement d’un \u00e9tat multi-stable (plusieurs options coexistant) vers un attracteur moteur unique, garantissant une convergence robuste vers une trajectoire d’action exclusive.<\/p>\n L’inhibition r\u00e9ciproque intrins\u00e8que aux cortex moteurs et pari\u00e9taux ne fonctionne pas en vase clos ; elle constitue la sc\u00e8ne sur laquelle viennent s’exercer une multitude de signaux de biaisage<\/strong> descendants (top-down biases<\/em>) et sous-corticaux. Ces signaux ont pour fonction de faire pencher la balance comp\u00e9titive en faveur de l’action la plus pertinente pour les objectifs globaux de l’organisme.<\/p>\n Les principaux facteurs de biaisage int\u00e9gr\u00e9s continuellement par les r\u00e9seaux pari\u00e9to-frontaux incluent :<\/p>\n Ces signaux de biaisage n’ont pas besoin de sp\u00e9cifier eux-m\u00eames les d\u00e9tails cin\u00e9matiques du mouvement ; ils agissent comme des multiplicateurs de gain ou des modulateurs d’excitabilit\u00e9 qui inclinent la comp\u00e9tition neuronale pr\u00e9existante au sein des cartes pari\u00e9to-pr\u00e9motrices.<\/p>\n La transition entre la phase de d\u00e9lib\u00e9ration comp\u00e9titive et l’ex\u00e9cution physique du mouvement correspond \u00e0 un ph\u00e9nom\u00e8ne non lin\u00e9aire de bifurcation dynamique<\/strong>. Tant que le niveau d’activit\u00e9 de la population neuronale dominante reste en de\u00e7\u00e0 d’un certain seuil critique, le syst\u00e8me demeure flexible, capable d’avorter le mouvement ou de r\u00e9orienter la s\u00e9lection si de nouvelles informations sensorielles apparaissent de mani\u00e8re impromptue.<\/p>\n Cependant, d\u00e8s lors que l’accumulation de preuves et les signaux de biaisage permettent \u00e0 l’activit\u00e9 de la population dominante de franchir ce seuil critique d’engagement (commitment threshold<\/em>), le r\u00e9seau atteint un \u00ab point de non-retour \u00bb (point of no return<\/em>). \u00c0 cet instant pr\u00e9cis, l’inhibition lat\u00e9rale exerc\u00e9e sur les populations alternatives devient totale, annihilant l’activit\u00e9 des affordances concurrentes. L’assembl\u00e9e neuronale victorieuse transmet alors son signal de d\u00e9charge massif au cortex moteur primaire (M1), aux voies corticospinales et \u00e0 la formation r\u00e9ticulaire du tronc c\u00e9r\u00e9bral.<\/p>\n Le cortex moteur primaire M1 agit ainsi comme le point final de convergence o\u00f9 la commande cin\u00e9matique choisie est d\u00e9finitivement traduite en patrons d’activation spatio-temporelle des unit\u00e9s motrices musculaires. La d\u00e9cision n’a pas \u00e9t\u00e9 prise \u00ab avant \u00bb d’arriver au cortex moteur ; elle s’est mat\u00e9rialis\u00e9e dans la structure m\u00eame de la convergence dynamique \u00e0 travers l’ensemble de l’axe pari\u00e9to-frontal.<\/p>\n L’un des postulats les plus audacieux de l’hypoth\u00e8se de Paul Cisek r\u00e9side dans la s\u00e9paration conceptuelle et l’entrelacement op\u00e9rationnel entre deux processus fondamentaux : la sp\u00e9cification<\/strong> et la s\u00e9lection<\/strong>. Le processus de sp\u00e9cification motrice op\u00e8re de fa\u00e7on continue et automatis\u00e9e d\u00e8s la d\u00e9tection visuelle des objets dans l’environnement.<\/p>\n La sp\u00e9cification consiste \u00e0 calculer en temps r\u00e9el l’ensemble des param\u00e8tres m\u00e9triques indispensables \u00e0 une interaction physique r\u00e9ussie avec la cible :<\/p>\n Ce calcul m\u00e9trique s’effectue sans discontinuit\u00e9, s’adaptant milliseconde par milliseconde aux mouvements \u00e9ventuels de la cible ou aux d\u00e9placements spontan\u00e9s du corps de l’agent. La flexibilit\u00e9 comportementale est ainsi pr\u00e9serv\u00e9e jusqu’au dernier instant pr\u00e9c\u00e9dant l’impact moteur, \u00e9vitant \u00e0 l’organisme d’\u00eatre pi\u00e9g\u00e9 dans un programme rigide et non r\u00e9visable.<\/p>\n Dans la perspective de la comp\u00e9tition des affordances, la s\u00e9lection de l’action ne succ\u00e8de pas chronologiquement \u00e0 la sp\u00e9cification : elle se d\u00e9roule \u00e0 l’int\u00e9rieur m\u00eame du processus de sp\u00e9cification. Il n’existe aucune c\u00e9sure temporelle entre le moment o\u00f9 le plan moteur est affin\u00e9 et le moment o\u00f9 l’option est choisie. Les deux processus coexistent dans un continuum dynamique sans rupture.<\/p>\n Cette imbrication temporelle se manifeste de mani\u00e8re spectaculaire dans l’analyse cin\u00e9matique fine des trajectoires de d\u00e9viation motrice chez l’humain et le primate non humain. Lorsqu’un sujet doit initier un mouvement d’atteinte rapide vers une cible situ\u00e9e au milieu de deux distracteurs potentiels, la trajectoire de sa main n’est pas une ligne droite imm\u00e9diate, mais pr\u00e9sente une courbure spatiale initiale syst\u00e9matique. La main est initialement attir\u00e9e vers l’espace interm\u00e9diaire situ\u00e9 entre les diff\u00e9rentes cibles potentielles avant de se courber vers la cible d\u00e9finitivement choisie.<\/p>\n Ces micro-d\u00e9viations et courbures cin\u00e9matiques constituent l’empreinte motrice directe de la comp\u00e9tition neuronale sous-jacente. Tant que la comp\u00e9tition n’est pas totalement r\u00e9solue au niveau du cortex pr\u00e9moteur dorsal, le cortex moteur primaire commence \u00e0 \u00e9mettre une commande r\u00e9sultante qui refl\u00e8te la moyenne vectorielle des deux populations encore actives, d\u00e9montrant que l’ex\u00e9cution motrice a d\u00e9but\u00e9 avant m\u00eame l’ach\u00e8vement complet de la s\u00e9lection cognitive.<\/p>\n La sp\u00e9cification continue offre un avantage adaptatif d\u00e9terminant dans des contextes d’incertitude sensorielle ou de dynamicit\u00e9 environnementale \u00e9lev\u00e9e. Lorsqu’un animal fait face \u00e0 deux sources d’alimentation potentielles dont l’accessibilit\u00e9 exacte reste incertaine, ou lorsqu’il doit poursuivre une proie dont la trajectoire de fuite est impr\u00e9visible, adopter une strat\u00e9gie d’action interm\u00e9diaire s’av\u00e8re optimal.<\/p>\n Des protocoles exp\u00e9rimentaux r\u00e9cents ont d\u00e9montr\u00e9 que lorsque plusieurs cibles sont spatialement ambigu\u00ebs, les agents adoptent spontan\u00e9ment une trajectoire motrice m\u00e9diane qui maximise le gain d’information futur tout en minimisant l’effort requis pour bifurquer vers l’une ou l’autre des cibles d\u00e8s que l’ambigu\u00eft\u00e9 sera lev\u00e9e. Ce comportement, qualifi\u00e9 de strat\u00e9gie de \u00ab flexibilit\u00e9 motrice optimale \u00bb, prouve que le syst\u00e8me moteur n’attend pas la certitude absolue pour amorcer le mouvement, mais utilise l’action motrice elle-m\u00eame comme un outil dynamique d’\u00e9chantillonnage de l’environnement.<\/p>\n Cette adaptabilit\u00e9 permet \u00e0 l’organisme de r\u00e9pondre instantan\u00e9ment \u00e0 des changements soudains dans la disponibilit\u00e9 des ressources ou \u00e0 l’apparition inattendue d’obstacles physiques, les circuits pr\u00e9moteurs pouvant basculer d’une affordance \u00e0 une autre sans avoir \u00e0 r\u00e9initialiser int\u00e9gralement une cha\u00eene de d\u00e9lib\u00e9ration symbolique complexe.<\/p>\n Bien que la sp\u00e9cification g\u00e9om\u00e9trique des affordances prenne place au sein des r\u00e9seaux corticaux pari\u00e9to-frontaux, la r\u00e9gulation fine de la s\u00e9lection motrice implique de mani\u00e8re critique les circuits sous-corticaux des ganglions de la base<\/strong>. L’architecture fonctionnelle de ces structures sous-corticales repose sur un principe universel : le contr\u00f4le par d\u00e9sinhibition cibl\u00e9e.<\/p>\n En l’absence de commande volontaire, les structures de sortie des ganglions de la base \u2014 principalement le segment interne du globus pallidus (GPi) et la substance noire r\u00e9ticul\u00e9e (SNr) \u2014 exercent une inhibition tonique GABAergique constante et massive sur les noyaux du thalamus moteur et sur le colliculus sup\u00e9rieur, maintenant le syst\u00e8me moteur dans un \u00e9tat de verrouillage protecteur. Pour d\u00e9clencher une action, cette inhibition doit \u00eatre s\u00e9lectivement lev\u00e9e.<\/p>\n Ce contr\u00f4le s’articule autour de trois voies principales interconnect\u00e9es au sein de la boucle cortico-striato-thalamo-corticale :<\/p>\n La lib\u00e9ration phasique de dopamine par la substance noire compacte et l’aire tegmentale ventrale agit comme un signal de valeur d’apprentissage et de motivation, modulant l’excitabilit\u00e9 relative de ces voies pour favoriser les actions associ\u00e9es aux meilleures esp\u00e9rances de gain.<\/p>\n Tandis que les ganglions de la base r\u00e9gulent la d\u00e9sinhibition motrice et la valeur de renforcement, le cortex pr\u00e9frontal<\/strong> (PFC), en particulier le cortex pr\u00e9frontal dorsolat\u00e9ral (dlPFC) et le cortex orbitofrontal (OFC), fournit le contr\u00f4le contextuel de haut niveau indispensable \u00e0 la flexibilit\u00e9 cognitive et au respect des r\u00e8gles comportementales abstraites.<\/p>\n Le r\u00f4le du cortex pr\u00e9frontal dans l’hypoth\u00e8se de comp\u00e9tition des affordances ne consiste pas \u00e0 planifier les mouvements dans leurs d\u00e9tails cin\u00e9matiques, mais \u00e0 appliquer un filtrage attentionnel descendant sur les repr\u00e9sentations concurrentes au sein des aires pr\u00e9motrices et pari\u00e9tales. Le dlPFC maintient actives en m\u00e9moire de travail les r\u00e8gles de la t\u00e2che courante (par exemple, \u00ab toucher la cible rouge si un son aigu retentit, mais toucher la cible verte en pr\u00e9sence d’un son grave \u00bb). Il projette ensuite des signaux excitateurs s\u00e9lectifs sur les assembl\u00e9es neuronales de PMd qui encodent l’affordance conforme \u00e0 la consigne, augmentant son gain synaptique au d\u00e9triment des affordances simplement saillantes sur le plan visuel.<\/p>\n De plus, le cortex pr\u00e9frontal ventrom\u00e9dian et l’aire motrice pr\u00e9-suppl\u00e9mentaire (pr\u00e9-SMA) jouent un r\u00f4le majeur dans l’inhibition proactive des affordances dites \u00ab automatiques \u00bb ou prepotentes induites par l’environnement imm\u00e9diat mais contraires aux objectifs \u00e0 long terme de l’individu, emp\u00eachant ainsi les comportements d’utilisation pathologiques.<\/p>\n L’organisation g\u00e9n\u00e9rale qui se d\u00e9gage de l’hypoth\u00e8se de Cisek est un mod\u00e8le architectural en couches hautement synergique, o\u00f9 rapidit\u00e9 corticale et r\u00e9gulation s\u00e9lective sous-corticale se compl\u00e8tent harmonieusement :<\/p>\n Cette synergie op\u00e9rationnelle repose sur une r\u00e9partition claire des fonctions computationnelles :<\/p>\n Les dysfonctionnements de cette interaction triangulaire rendent compte d’un large \u00e9ventail de pathologies neuropsychiatriques. Dans la maladie de Parkinson, la perte dopaminergique striatale entra\u00eene une hyperinhibition globale du thalamus, emp\u00eachant la d\u00e9sinhibition de l’affordance motrice choisie et causant l’akin\u00e9sie. \u00c0 l’inverse, dans le syndrome de Gilles de la Tourette ou la chor\u00e9e de Huntington, la d\u00e9faillance des m\u00e9canismes inhibiteurs sous-corticaux laisse des affordances parasites envahir le cortex moteur primaire, provoquant des tics moteurs ou des mouvements chor\u00e9iques involontaires.<\/p>\n La puissance de l’hypoth\u00e8se de comp\u00e9tition des affordances r\u00e9side dans son adossement \u00e0 un ensemble impressionnant de preuves empiriques issues d’exp\u00e9rimentations \u00e9lectrophysiologiques chez le primate non humain (macaque rh\u00e9sus). Dans ses protocoles exp\u00e9rimentaux d\u00e9sormais classiques, Paul Cisek et John Kalaska ont con\u00e7u une t\u00e2che comportementale ing\u00e9nieuse \u00e0 cibles multiples sous guidage visuel diff\u00e9r\u00e9.<\/p>\n L’animal \u00e9tait assis devant un dispositif de manipulation robotique contr\u00f4lant un curseur sur un \u00e9cran. Dans une premi\u00e8re phase (phase spatiale), deux cibles color\u00e9es spatialement distinctes (par exemple, une \u00e0 gauche et une \u00e0 droite) apparaissaient simultan\u00e9ment, indiquant \u00e0 l’animal que l’une d’entre elles deviendrait la cible finale du mouvement, mais sans pr\u00e9ciser laquelle. Durant cette p\u00e9riode de d\u00e9lai de plusieurs centaines de millisecondes, aucune d\u00e9cision finale ne pouvait \u00eatre prise de mani\u00e8re logique. Puis, dans une seconde phase (phase d’indice de couleur), un indice visuel central r\u00e9v\u00e9lait la couleur de la cible valide, permettant \u00e0 l’animal de s\u00e9lectionner la bonne direction motrice et d’ex\u00e9cuter l’atteinte pour obtenir sa r\u00e9compense.<\/p>\n Durant l’ensemble de la t\u00e2che, des enregistrements multi-\u00e9lectrodes simultan\u00e9s \u00e9taient effectu\u00e9s dans le cortex pr\u00e9moteur dorsal (PMd) et dans le cortex pari\u00e9tal post\u00e9rieur (aire PRR). Les r\u00e9sultats ont apport\u00e9 une confirmation \u00e9clatante des pr\u00e9dictions du mod\u00e8le : durant la phase de d\u00e9lai o\u00f9 les deux cibles \u00e9taient simplement potentielles, les neurones de PMd encodant la direction gauche et ceux encodant la direction droite d\u00e9chargeaient simultan\u00e9ment et vigoureusement. Le syst\u00e8me nerveux maintenait en activit\u00e9 parall\u00e8le les deux plans moteurs complets avant m\u00eame de savoir lequel serait finalement valid\u00e9.<\/p>\n L’enregistrement en continu des fr\u00e9quences de d\u00e9charge neuronale a permis de capturer la cin\u00e9tique milliseconde par milliseconde de la r\u00e9solution de la comp\u00e9tition d\u00e8s l’apparition de l’indice discriminant :<\/p>\n D\u00e8s que l’indice de couleur d\u00e9signait la cible correcte :<\/p>\n Cisek et ses collaborateurs ont \u00e9galement d\u00e9montr\u00e9 que si l’indice de d\u00e9cision \u00e9tait brutalement modifi\u00e9 avant l’ex\u00e9cution (inversion de la consigne), les ressources synaptiques \u00e9taient r\u00e9allou\u00e9es avec une vitesse fulgurante. La force et la latence du signal neuronal r\u00e9siduel associ\u00e9 \u00e0 la cible rejet\u00e9e \u00e9taient directement corr\u00e9l\u00e9es aux temps de r\u00e9action observ\u00e9s : plus l’inhibition de la cible concurrente \u00e9tait rapide, plus l’animal d\u00e9clenchait son mouvement efficacement, d\u00e9montrant le r\u00f4le causal direct de cette comp\u00e9tition dans la performance motrice.<\/p>\n L’universalit\u00e9 du m\u00e9canisme de comp\u00e9tition des affordances a \u00e9t\u00e9 confirm\u00e9e par de nombreuses \u00e9tudes portant sur d’autres sous-syst\u00e8mes moteurs, notamment le syst\u00e8me oculomoteur. Les travaux conduits par Jeffrey Schall et ses coll\u00e8gues dans le champ oculaire frontal<\/strong> (FEF) et le colliculus sup\u00e9rieur lors de t\u00e2ches de recherche visuelle et de saccades oculaires ont r\u00e9v\u00e9l\u00e9 des dynamiques strictement analogues.<\/p>\n Lorsqu’un animal balaie du regard une sc\u00e8ne visuelle complexe comportant plusieurs stimuli saillants, les neurones du FEF commencent par s’activer simultan\u00e9ment pour chaque emplacement spatial candidat \u00e0 une saccade. Au fil des dizaines de millisecondes suivant l’exposition visuelle, l’activit\u00e9 se concentre progressivement sur l’emplacement choisi tandis que les autres repr\u00e9sentations s’\u00e9teignent. Les micro-d\u00e9viations des trajectoires des saccades oculaires observ\u00e9es lors de pr\u00e9sentations de cibles concurrentes traduisent, tout comme pour les mouvements du bras, l’influence m\u00e9canique directe de la comp\u00e9tition pr\u00e9motrice non totalement \u00e9teinte.<\/p>\n Ces donn\u00e9es convergentes confirment que la comp\u00e9tition parall\u00e8le d’affordances constitue un principe architectural transversal du syst\u00e8me nerveux des vert\u00e9br\u00e9s, appliqu\u00e9 de mani\u00e8re universelle qu’il s’agisse de d\u00e9placer les yeux, d’\u00e9tendre un membre ou de configurer les doigts pour une saisie fine.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances impose une r\u00e9vision profonde des mod\u00e8les math\u00e9matiques dominants en psychologie cognitive et en neurobiologie de la d\u00e9cision, au premier rang desquels figure le c\u00e9l\u00e8bre mod\u00e8le de diffusion de d\u00e9rive<\/strong> (Drift-Diffusion Model<\/em> ou DDM) et les mod\u00e8les de course (Race Models<\/em>). Historiquement, le DDM conceptualisait la d\u00e9cision comme l’accumulation passive et abstraite de rapports de vraisemblance sensorielle au sein d’un accumulateur centralis\u00e9 virtuel, d\u00e9connect\u00e9 de la machinerie physique d’ex\u00e9cution.<\/p>\n Le cadre de Cisek relocalise concr\u00e8tement l’accumulation de preuves directement au sein des circuits sensorimoteurs eux-m\u00eames. Il n’existe pas d’accumulateur g\u00e9n\u00e9rique abstrait d’un c\u00f4t\u00e9 et de moteur cin\u00e9matique de l’autre :<\/p>\n Cette r\u00e9interpr\u00e9tation sensorimotrice d\u00e9mystifie la notion de d\u00e9cision en l’ancrant dans la biophysique des r\u00e9seaux de neurones distribu\u00e9s, \u00e9liminant ainsi les modules de traitement cognitif d\u00e9sincarn\u00e9s.<\/p>\n Dans le domaine de la th\u00e9orie du choix \u00e9conomique et de la neuro\u00e9conomie, l’hypoth\u00e8se des affordances concurrentes a donn\u00e9 naissance au champ de la neuro\u00e9conomie incarn\u00e9e<\/strong>. Les mod\u00e8les \u00e9conomiques traditionnels postulaient que l’\u00e9valuation de l’utilit\u00e9 d’un bien (par exemple, choisir entre une pomme et une orange) s’effectue dans un espace abstrait de valeur subjective (souvent attribu\u00e9 au cortex pr\u00e9frontal ventrom\u00e9dian) avant d’\u00eatre transmise au syst\u00e8me moteur pour simple ex\u00e9cution.<\/p>\n Les recherches men\u00e9es sous le prisme des affordances d\u00e9montrent au contraire que le co\u00fbt biom\u00e9canique instantan\u00e9 de l’action est un param\u00e8tre constitutif du calcul d’utilit\u00e9 lui-m\u00eame :<\/p>\n La valeur \u00e9conomique n’est donc pas une abstraction computationnelle calcul\u00e9e isol\u00e9ment du corps, mais une propri\u00e9t\u00e9 dynamique \u00e9mergeant de l’interaction continue entre les d\u00e9sirs de l’organisme et ses capacit\u00e9s biom\u00e9caniques d’action dans le monde physique.<\/p>\n L’approche de Paul Cisek apporte un \u00e9clairage in\u00e9dit sur de nombreux \u00ab biais cognitifs \u00bb et paradoxes de d\u00e9cision document\u00e9s par l’\u00e9conomie comportementale (notamment les anomalies de choix mises en \u00e9vidence par Daniel Kahneman et Amos Tversky). De nombreux comportements jug\u00e9s irrationnels au regard de la logique formelle s’expliquent naturellement d\u00e8s lors qu’on les analyse sous l’angle de l’optimisation \u00e9cologique et de la dynamique sensorimotrice :<\/p>\n Les asym\u00e9tries de l’espace sensorimoteur et les contraintes de survie transforment notre compr\u00e9hension de ces biais :<\/p>\n Pour formaliser rigoureusement l’hypoth\u00e8se de comp\u00e9tition des affordances, Paul Cisek et ses collaborateurs ont d\u00e9velopp\u00e9 des mod\u00e8les computationnels sophistiqu\u00e9s bas\u00e9s sur la th\u00e9orie des champs neuronaux dynamiques<\/strong> (Dynamic Neural Fields<\/em> ou DNF), dont les fondements math\u00e9matiques remontent aux \u00e9quations int\u00e9gro-diff\u00e9rentielles de Shun-ichi Amari (1977).<\/p>\n Dans ce formalisme continu, une population neuronale au sein de PMd ou du cortex pari\u00e9tal est repr\u00e9sent\u00e9e comme un champ d’activit\u00e9 continue $u(x, t)$<\/span>, o\u00f9 $x$<\/span> d\u00e9signe le param\u00e8tre spatial du mouvement (la direction angulaire) et $t$<\/span> le temps. L’\u00e9volution temporelle de l’activit\u00e9 du champ est r\u00e9gie par l’\u00e9quation suivante :<\/p>\n $$\\tau \\frac{\\partial u(x, t)}{\\partial t} = -u(x, t) + \\int_{-\\pi}^{\\pi} w(x – x’) f(u(x’, t)) dx’ + I(x, t) + h$$<\/span><\/p>\n Dans cette formalisation math\u00e9matique :<\/p>\n Cette mod\u00e9lisation continue permet de simuler avec une fid\u00e9lit\u00e9 remarquable l’\u00e9mergence simultan\u00e9e de multiples bosses d’activation (les affordances parall\u00e8les) et leur comp\u00e9tition dynamique jusqu’\u00e0 la s\u00e9lection d’un profil stable unique, reproduisant exactement les enregistrements de potentiels d’action observ\u00e9s in vivo.<\/p>\n L’une des grandes forces des architectures de champs neuronaux dynamiques r\u00e9side dans leur capacit\u00e9 \u00e0 effectuer nativement des inf\u00e9rences statistiques et des calculs probabilistes sous incertitude sans n\u00e9cessiter d’op\u00e9rations symboliques explicites. Les populations neuronales du cortex pari\u00e9to-frontal n’encodent pas seulement des valeurs ponctuelles estim\u00e9es (par exemple, \u00ab la cible est \u00e0 30 degr\u00e9s \u00bb), mais repr\u00e9sentent des distributions de probabilit\u00e9 a posteriori continues<\/strong> (encodage distributionnel de population ou probabilistic population codes<\/em>).<\/p>\n La largeur et l’amplitude de la bosse d’activation au sein du champ dynamique refl\u00e8tent directement le degr\u00e9 de certitude sensorielle de l’organisme. Face \u00e0 un signal visuel bruit\u00e9, la distribution spatiale s’\u00e9largit et son pic diminue, ce qui ralentit la dynamique d’inhibition lat\u00e9rale et retarde l’engagement moteur. \u00c0 l’inverse, un stimulus net et non ambigu resserre instantan\u00e9ment le profil d’activit\u00e9, acc\u00e9l\u00e9rant la bifurcation vers l’attracteur moteur choisi.<\/p>\n Cette propri\u00e9t\u00e9 computationnelle permet au mod\u00e8le de Cisek d’int\u00e9grer de mani\u00e8re optimale le compromis vitesse-pr\u00e9cision (speed-accuracy trade-off<\/em>) : le signal d’urgence diffus $h(t)$<\/span> abaisse le seuil d’activation global au fil du temps, for\u00e7ant la population \u00e0 converger vers une d\u00e9cision m\u00eame lorsque l’incertitude bay\u00e9sienne n’a pu \u00eatre totalement lev\u00e9e par le flux sensoriel.<\/p>\n Les mod\u00e8les computationnels fond\u00e9s sur l’hypoth\u00e8se de comp\u00e9tition des affordances ont fait l’objet de validations quantitatives rigoureuses par confrontation directe avec les donn\u00e9es comportementales humaines et animales. En connectant la sortie des champs neuronaux dynamiques de PMd \u00e0 des mod\u00e8les de contr\u00f4le biom\u00e9canique du bras (mod\u00e8les de contr\u00f4le en couple articulaire ou de commande d’\u00e9quilibre de point de r\u00e9f\u00e9rence), les chercheurs parviennent \u00e0 pr\u00e9dire et reproduire in silico<\/em> l’int\u00e9gralit\u00e9 du comportement moteur :<\/p>\n Ces simulations permettent de reproduire avec exactitude :<\/p>\n Cette capacit\u00e9 \u00e0 rendre compte simultan\u00e9ment de l’activit\u00e9 neurophysiologique unitaire, des distributions temporelles de d\u00e9cision et des trajectoires physiques continues atteste de la robustesse math\u00e9matique et conceptuelle du cadre th\u00e9orique de Paul Cisek.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances a trouv\u00e9 un terrain d’application fertile en robotique autonome et en intelligence artificielle bio-inspir\u00e9e. Pendant plusieurs d\u00e9cennies, la robotique classique (h\u00e9riti\u00e8re de l’approche cognitiviste traditionnelle) a repos\u00e9 sur des architectures de planification d\u00e9lib\u00e9rative s\u00e9quentielle (mod\u00e8le SMPA : Sense-Model-Plan-Act<\/em>). Ces robots commen\u00e7aient par construire une carte 3D exhaustive de leur environnement (par exemple via des techniques SLAM), calculaient un plan symbolique optimal, puis ex\u00e9cutaient la trajectoire.<\/p>\n Dans des environnements non structur\u00e9s, dynamiques et encombr\u00e9s d’obstacles en mouvement (tels que des foules humaines ou des terrains accident\u00e9s), ces planificateurs traditionnels \u00e9chouent r\u00e9guli\u00e8rement en raison de la lourdeur des temps de calcul et de leur incapacit\u00e9 \u00e0 r\u00e9agir instantan\u00e9ment aux impr\u00e9vus. L’impl\u00e9mentation de contr\u00f4leurs d’affordances parall\u00e8les inspir\u00e9s des mod\u00e8les de Cisek a r\u00e9volutionn\u00e9 le contr\u00f4le robotique :<\/p>\n Dans ces architectures bio-inspir\u00e9es :<\/p>\n L’int\u00e9gration de l’hypoth\u00e8se de comp\u00e9tition des affordances au sein des algorithmes d’apprentissage par renforcement profond<\/a> (Deep Reinforcement Learning<\/em>) a permis des avanc\u00e9es majeures dans le domaine de la manipulation robotique dextre et de la locomotion quadrup\u00e8de ou humano\u00efde.<\/p>\n Dans les approches conventionnelles d’apprentissage par renforcement, l’espace d’action est souvent discr\u00e9tis\u00e9 de mani\u00e8re arbitraire ou explor\u00e9 de fa\u00e7on purement stochastique, ce qui entra\u00eene une lenteur d’apprentissage consid\u00e9rable (le fl\u00e9au de la dimensionnalit\u00e9). En contraignant l’espace des politiques d’action par des cartes d’affordances continues pr\u00e9-sp\u00e9cifi\u00e9es par le flux sensoriel, l’agent robotique restreint son exploration aux seules actions physiquement r\u00e9alisables par sa morphologie corporelle dans le contexte spatial imm\u00e9diat.<\/p>\n Cette synergie entre affordances et apprentissage par renforcement optimise conjointement la s\u00e9lection de la politique comportementale et le contr\u00f4le cin\u00e9matique fin. De plus, elle conf\u00e8re aux robots une r\u00e9silience m\u00e9canique remarquable : si un actionneur ou une articulation subit une avarie m\u00e9canique, la modification imm\u00e9diate des affordances r\u00e9alisables reconfigure la dynamique du r\u00e9seau sans n\u00e9cessiter de r\u00e9apprentissage complet du mod\u00e8le comportemental global.<\/p>\n Le cadre th\u00e9orique de la comp\u00e9tition des affordances transforme \u00e9galement la conception des interfaces cerveau-machine<\/strong> (ICM ou BCI) motrices destin\u00e9es \u00e0 restaurer la mobilit\u00e9 chez les patients t\u00e9trapl\u00e9giques ou amput\u00e9s. Les premiers d\u00e9codeurs neuronaux d’ICM reposaient sur l’hypoth\u00e8se simpliste selon laquelle l’activit\u00e9 enregistr\u00e9e dans le cortex moteur repr\u00e9sentait un vecteur de commande unique et unidirectionnel.<\/p>\n Or, les enregistrements multi-sites chez l’humain et le primate ont r\u00e9v\u00e9l\u00e9 que les signaux corticaux pr\u00e9moteurs et pari\u00e9taux contiennent fr\u00e9quemment des signaux mixtes repr\u00e9sentant plusieurs trajectoires potentielles en comp\u00e9tition. Les algorithmes de d\u00e9codage de nouvelle g\u00e9n\u00e9ration int\u00e8grent d\u00e9sormais explicitement des mod\u00e8les de dynamique d’attracteurs et de comp\u00e9tition d’affordances :<\/p>\n Ces d\u00e9codeurs intelligents apportent des b\u00e9n\u00e9fices fonctionnels sans pr\u00e9c\u00e9dent :<\/p>\n Malgr\u00e9 l’\u00e9l\u00e9gance explicative et la solidit\u00e9 empirique de l’hypoth\u00e8se de comp\u00e9tition des affordances, des questions th\u00e9oriques majeures restent ouvertes quant \u00e0 sa capacit\u00e9 \u00e0 rendre compte de l’ensemble de la cognition humaine, en particulier de ses formes les plus abstraites, symboliques et d\u00e9contextualis\u00e9es.<\/p>\n S’il est incontestable que le mod\u00e8le de Cisek excelle \u00e0 expliquer les d\u00e9cisions d’atteinte spatiale, d’orientation du regard ou d’\u00e9vitement physique en temps r\u00e9el, son extension \u00e0 des choix purement conceptuels (par exemple, choisir une strat\u00e9gie d’investissement financier \u00e0 long terme, planifier une carri\u00e8re professionnelle ou r\u00e9soudre un th\u00e9or\u00e8me math\u00e9matique) suscite de vifs d\u00e9bats au sein des sciences cognitives. Dans ces situations, le processus de d\u00e9cision implique un d\u00e9sengagement sensorimoteur complet<\/em> : l’individu s’abstrait de son environnement physique imm\u00e9diat pour manipuler des repr\u00e9sentations mentales temporelles lointaines qui ne correspondent \u00e0 aucune opportunit\u00e9 d’action motrice pr\u00e9sente.<\/p>\n Certains th\u00e9oriciens soutiennent que ces formes de cognition de haut niveau r\u00e9utilisent de mani\u00e8re m\u00e9taphorique et d\u00e9riv\u00e9e les circuits pari\u00e9to-frontaux ancestraux (hypoth\u00e8se du recyclage neuronal de Stanislas Dehaene). D’autres postulent en revanche la n\u00e9cessit\u00e9 de mod\u00e8les hybrides, combinant des boucles de contr\u00f4le sensorimoteur r\u00e9actif pour l’interaction en ligne avec des syst\u00e8mes symboliques et d\u00e9lib\u00e9ratifs r\u00e9cursifs propres aux esp\u00e8ces dot\u00e9es de langage articul\u00e9.<\/p>\n La validation empirique directe de l’hypoth\u00e8se de comp\u00e9tition des affordances chez l’\u00eatre humain se heurte \u00e0 des d\u00e9fis m\u00e9thodologiques consid\u00e9rables li\u00e9s aux limites de nos outils d’imagerie c\u00e9r\u00e9brale non invasifs :<\/p>\n Les principales contraintes exp\u00e9rimentales chez l’humain incluent :<\/p>\n Le d\u00e9veloppement r\u00e9cent de l’\u00e9lectrocorticographie st\u00e9r\u00e9otaxique (sEEG) chez des patients \u00e9pileptiques implant\u00e9s offre n\u00e9anmoins de nouvelles fen\u00eatres d’observation prometteuses pour tester les pr\u00e9dictions du mod\u00e8le de Cisek directement dans le cerveau humain avec une double pr\u00e9cision spatiale et temporelle.<\/p>\n L’hypoth\u00e8se de comp\u00e9tition des affordances formul\u00e9e par Paul Cisek s’est impos\u00e9e au fil des deux derni\u00e8res d\u00e9cennies comme l’une des pierres angulaires du tournant pragmatique<\/strong> en neurosciences et en sciences cognitives. En d\u00e9construisant le mod\u00e8le s\u00e9riel cart\u00e9sien \u00ab Percevoir-D\u00e9lib\u00e9rer-Agir \u00bb, elle a d\u00e9montr\u00e9 que le cerveau n’est pas un syst\u00e8me informatique passif traitant des symboles abstraits, mais un contr\u00f4leur d’action \u00e9cologique con\u00e7u par l’\u00e9volution pour interagir en temps r\u00e9el avec le monde physique.<\/p>\n Ce cadre th\u00e9orique a profond\u00e9ment remodel\u00e9 notre compr\u00e9hension de l’architecture c\u00e9r\u00e9brale :<\/p>\n En red\u00e9finissant l’esprit humain non comme un spectateur d\u00e9tach\u00e9 calculant une repr\u00e9sentation th\u00e9orique de l’univers, mais comme un agent engag\u00e9 naviguant dynamiquement dans un oc\u00e9an d’opportunit\u00e9s d’action concurrentes, Paul Cisek a ouvert la voie \u00e0 une compr\u00e9hension v\u00e9ritablement naturaliste, incarn\u00e9e et dynamique de la vie mentale.<\/p>\n Amari, S. I. (1977). Dynamics of pattern formation in lateral-inhibition type neural fields. Biological Cybernetics<\/em>, 27(2), 77-87. https:\/\/doi.org\/10.1007\/BF00337259<\/a><\/p>\n Cisek, P. (2006). Integrated neural processes for defining potential actions and deciding between them. In Attention and Performance XXI<\/em> (pp. 527-550). Oxford University Press.<\/p>\n Cisek, P. (2007). Cortical mechanisms of action selection: The affordance competition hypothesis. Philosophical Transactions of the Royal Society B: Biological Sciences<\/em>, 362(1485), 1585-1599. https:\/\/doi.org\/10.1098\/rstb.2007.2054<\/a><\/p>\n Cisek, P. (2012). Making decisions through a distributed consensus. Current Opinion in Neurobiology<\/em>, 22(6), 927-936. https:\/\/doi.org\/10.1016\/j.conb.2012.05.007<\/a><\/p>\n Cisek, P. (2019). Resynthesizing behavior through phylogenetic refinement. Behavioral and Brain Sciences<\/em>, 42, e183. https:\/\/doi.org\/10.1017\/S0140525X1900121X<\/a><\/p>\n Cisek, P., & Kalaska, J. F. (2005). Neural correlates of reaching decisions in dorsal premotor cortex: Specification of multiple direction choices and final selection of action. Neuron<\/em>, 45(5), 801-814. https:\/\/doi.org\/10.1016\/j.neuron.2005.01.027<\/a><\/p>\n Cisek, P., & Kalaska, J. F. (2010). Neural mechanisms for interacting with a world full of action choices. Annual Review of Neuroscience<\/em>, 33, 269-298. https:\/\/doi.org\/10.1146\/annurev.neuro.051508.135409<\/a><\/p>\n Cisek, P., Puskas, G. A., & El-Murr, S. (2009). Decisions in motion: Tracking the dynamic emergence of a decision toward a visual target. Journal of Neuroscience<\/em>, 29(37), 11560-11573. https:\/\/doi.org\/10.1523\/JNEUROSCI.1844-09.2009<\/a><\/p>\n Georgopoulos, A. P., Schwartz, A. B., & Kettner, R. E. (1986). Neuronal population coding of movement direction. Science<\/em>, 233(4771), 1416-1419. https:\/\/doi.org\/10.1126\/science.3749885<\/a><\/p>\n Gibson, J. J. (1979). The Ecological Approach to Visual Perception<\/em>. Houghton Mifflin.<\/p>\n Goodale, M. A., & Milner, A. D. (1992). Separate visual pathways for perception and action. Trends in Neurosciences<\/em>, 15(1), 20-25. https:\/\/doi.org\/10.1016\/0166-2236(92)90344-8<\/a><\/p>\n Mink, J. W. (1996). The basal ganglia: Focused selection and inhibition of competing motor programs. Progress in Neurobiology<\/em>, 50(4), 381-425. https:\/\/doi.org\/10.1016\/S0301-0082(96)00042-1<\/a><\/p>\n Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: Theory and data for two-choice decision tasks. Neural Computation<\/em>, 20(4), 873-922. https:\/\/doi.org\/10.1162\/neco.2008.12-06-420<\/a><\/p>\n Schall, J. D. (2001). Neural basis of deciding, choosing and acting. Nature Reviews Neuroscience<\/em>, 2(1), 33-42. https:\/\/doi.org\/10.1038\/35049054<\/a><\/p>\n Shadlen, M. N., & Newsome, W. T. (2001). Neural basis of a perceptual decision in the parietal cortex (area LIP) of the rhesus monkey. Journal of Neurophysiology<\/em>, 86(4), 1916-1936. https:\/\/doi.org\/10.1152\/jn.2001.86.4.1916<\/a><\/p>\n Thura, D., & Cisek, P. (2014). Deliberation and commitment in the premotor and primary motor cortex during dynamic decision making. Neuron<\/em>, 81(6), 1401-1416. https:\/\/doi.org\/10.1016\/j.neuron.2014.01.031<\/a><\/p>\n1. Introduction et fondements conceptuels de l’hypoth\u00e8se de comp\u00e9tition des affordances<\/h2>\n
1.1 D\u00e9finition et pr\u00e9misses du mod\u00e8le th\u00e9orique de Paul Cisek<\/h3>\n
1.2 Contexte historique et \u00e9volution de la neurophysiologie motrice<\/h3>\n
1.3 Objectifs \u00e9pist\u00e9mologiques et port\u00e9e du cadre th\u00e9orique<\/h3>\n
\n
2. Rupture \u00e9pist\u00e9mologique : Du mod\u00e8le s\u00e9riel classique au paradigme incarn\u00e9<\/h2>\n
2.1 Critique du mod\u00e8le cognitiviste s\u00e9riel traditionnel<\/h3>\n
2.2 L’\u00e9mergence des th\u00e9ories de l’action incarn\u00e9e et situ\u00e9e<\/h3>\n
2.3 Simultan\u00e9it\u00e9 du traitement : La fin de la bo\u00eete noire d\u00e9cisionnelle<\/h3>\n
\n
3. Origines \u00e9cologiques : L’h\u00e9ritage de J.J. Gibson r\u00e9interpr\u00e9t\u00e9 par la neurobiologie<\/h2>\n
3.1 Le concept gibsonien d’affordance et ses adaptations neuronales<\/h3>\n
3.2 L’adaptation phylog\u00e9n\u00e9tique et la s\u00e9lection naturelle des circuits sensorimoteurs<\/h3>\n
3.3 La boucle perception-action comme unit\u00e9 fondamentale du vivant<\/h3>\n
\n
4. Architecture neuroanatomique : R\u00e9seaux pari\u00e9to-frontaux et flux dorsal<\/h2>\n
4.1 La voie dorsale comme substrat de la vision pour l’action<\/h3>\n
\n
4.2 Le cortex pari\u00e9tal post\u00e9rieur et la cartographie des actions potentielles<\/h3>\n
\n
4.3 Le cortex pr\u00e9moteur dorsal et ventral : Des plans moteurs en concurrence<\/h3>\n
\n
5. Dynamique de la s\u00e9lection de l’action : Comp\u00e9tition neuronale et biais d\u00e9cisionnels<\/h2>\n
5.1 M\u00e9canismes d’inhibition r\u00e9ciproque et d’excitation r\u00e9currente<\/h3>\n
5.2 Facteurs de modulation et signaux de biaisage<\/h3>\n
\n
5.3 Convergence progressive vers l’engagement moteur<\/h3>\n
6. Sp\u00e9cification et s\u00e9lection continues : \u00c9volution temporelle du signal moteur<\/h2>\n
6.1 Le processus de sp\u00e9cification continue des param\u00e8tres m\u00e9triques<\/h3>\n
\n
6.2 Temporalit\u00e9 de la s\u00e9lection : Un continuum sans rupture<\/h3>\n
6.3 Gestion de l’incertitude environnementale et flexibilit\u00e9 d\u00e9cisionnelle<\/h3>\n
7. R\u00f4le modulateur des ganglions de la base et du cortex pr\u00e9frontal<\/h2>\n
7.1 Les ganglions de la base comme m\u00e9canisme de lev\u00e9e d’inhibition<\/h3>\n
\n
7.2 Le cortex pr\u00e9frontal et la r\u00e9gulation descendante guid\u00e9e par les r\u00e8gles<\/h3>\n
7.3 Interaction synergique entre circuits corticaux et sous-corticaux<\/h3>\n
\n
8. Validation exp\u00e9rimentale : Donn\u00e9es \u00e9lectrophysiologiques chez le primate<\/h2>\n
8.1 Paradigmes de d\u00e9cision \u00e0 cibles multiples de Paul Cisek et coll\u00e8gues<\/h3>\n
8.2 Dynamique neuronale lors de l’apparition de l’indice de d\u00e9cision<\/h3>\n
\n
8.3 Exp\u00e9rimentations comportementales et enregistrements oculomoteurs<\/h3>\n
9. Implications pour la psychologie cognitive et la th\u00e9orie du choix \u00e9conomique<\/h2>\n
9.1 Remise en cause des mod\u00e8les d’accumulation de preuve abstraite<\/h3>\n
\n
9.2 Neuro\u00e9conomie incarn\u00e9e : Le co\u00fbt biom\u00e9canique dans le calcul d’utilit\u00e9<\/h3>\n
\n
9.3 R\u00e9solution des paradoxes de rationalit\u00e9 cognitive<\/h3>\n
\n
10. Mod\u00e9lisation computationnelle et architectures de r\u00e9seaux neuronaux<\/h2>\n
10.1 Architecture des r\u00e9seaux r\u00e9currents de champs neuronaux dynamiques<\/h3>\n
\n
10.2 Int\u00e9gration de l’incertitude bay\u00e9sienne et calculs probabilistes<\/h3>\n
10.3 Simulations des temps de r\u00e9action et des trajectoires cin\u00e9matiques<\/h3>\n
\n
11. Applications en robotique autonome et intelligence artificielle incarn\u00e9e<\/h2>\n
11.1 Architecture de contr\u00f4le r\u00e9actif pour agents robotiques autonomes<\/h3>\n
\n
11.2 Apprentissage par renforcement incarn\u00e9 et robotique bio-inspir\u00e9e<\/h3>\n
11.3 Interfaces cerveau-machine (ICM) de nouvelle g\u00e9n\u00e9ration<\/h3>\n
\n
12. Perspectives critiques, limites th\u00e9oriques et synth\u00e8ses futures<\/h2>\n
12.1 Limites d’application aux formes de cognition abstraite et d\u00e9contextualis\u00e9e<\/h3>\n
12.2 D\u00e9fis m\u00e9thodologiques dans l’\u00e9valuation empirique chez l’humain<\/h3>\n
\n
12.3 Synth\u00e8se et statut de l’hypoth\u00e8se dans les neurosciences contemporaines<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n