{"id":5493,"date":"2026-09-11T22:07:21","date_gmt":"2026-09-11T22:07:21","guid":{"rendered":"http:\/\/french.arabpsychology.com\/experiments\/experience-apprentissage-configural-john-pearce\/"},"modified":"2026-09-11T22:07:21","modified_gmt":"2026-09-11T22:07:21","slug":"experience-apprentissage-configural-john-pearce","status":"publish","type":"psych_experiment","link":"https:\/\/french.arabpsychology.com\/?psych_experiment=experience-apprentissage-configural-john-pearce","title":{"rendered":"L&rsquo;exp\u00e9rience d&rsquo;apprentissage configural &#8211; John Pearce"},"content":{"rendered":"<p>L&rsquo;\u00e9tude des processus d&rsquo;apprentissage associatif constitue l&rsquo;un des piliers historiques et conceptuels les plus robustes de la psychologie scientifique et des neurosciences comportementales. Depuis les d\u00e9couvertes s\u00e9minales d&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/www.britannica.com\/biography\/Ivan-Pavlov\">Ivan Pavlov<\/a> au d\u00e9but du XXe si\u00e8cle, les chercheurs se sont efforc\u00e9s de d\u00e9crypter la mani\u00e8re dont les organismes vivants encodent, traitent et pr\u00e9disent les relations temporelles et causales qui r\u00e9gissent leur environnement. L&rsquo;approche dominante, qui s&rsquo;est progressivement consolid\u00e9e \u00e0 travers les d\u00e9cennies pour culminer dans les ann\u00e9es 1970 avec la mod\u00e9lisation math\u00e9matique formalis\u00e9e, reposait sur une pr\u00e9misse r\u00e9ductionniste s\u00e9duisante : l&rsquo;approche \u00e9l\u00e9mentaire. Selon cette conception, toute situation complexe, tout environnement perceptif composite compos\u00e9 de multiples signaux \u2014 qu&rsquo;il s&rsquo;agisse de sons, de lumi\u00e8res, d&rsquo;odeurs ou de textures \u2014 peut \u00eatre fid\u00e8lement d\u00e9compos\u00e9 en une somme de composantes discr\u00e8tes, chacune entrant dans une comp\u00e9tition associative ind\u00e9pendante pour pr\u00e9dire la survenue d&rsquo;\u00e9v\u00e9nements biologiquement significatifs.<\/p>\n<p>Cependant, cette perspective atomiste s&rsquo;est heurt\u00e9e \u00e0 d&rsquo;importantes impasses empiriques face \u00e0 la complexit\u00e9 des discriminations non lin\u00e9aires et des interactions perceptives observ\u00e9es chez diverses esp\u00e8ces animales. C&rsquo;est dans ce climat de tension \u00e9pist\u00e9mologique que les travaux r\u00e9volutionnaires de <a rel=\"noopener noreferrer\" href=\"https:\/\/royalsociety.org\/people\/john-pearce-12071\/\">John M. Pearce<\/a>, conduits principalement \u00e0 l&rsquo;Universit\u00e9 de Cardiff \u00e0 partir de la seconde moiti\u00e9 des ann\u00e9es 1980, ont radicalement transform\u00e9 notre compr\u00e9hension de l&rsquo;architecture cognitive de l&rsquo;apprentissage. En contestant l&rsquo;hypoth\u00e8se fondamentale selon laquelle les stimuli sont trait\u00e9s de fa\u00e7on ind\u00e9pendante et additive, Pearce a \u00e9labor\u00e9 la th\u00e9orie de l&rsquo;apprentissage configural. Cette th\u00e9orie postule que les organismes n&rsquo;appr\u00e9hendent pas le monde comme une mosa\u00efque d&rsquo;\u00e9l\u00e9ments isol\u00e9s, mais synth\u00e9tisent imm\u00e9diatement les configurations de stimuli en des repr\u00e9sentations unitaires, globales et qualitativement distinctes de leurs parties constitutives.<\/p>\n<p>Le pr\u00e9sent article propose une analyse approfondie et exhaustive de l&rsquo;exp\u00e9rience d&rsquo;apprentissage configural d\u00e9velopp\u00e9e par John Pearce, de ses fondements logico-math\u00e9matiques \u00e0 ses r\u00e9percussions contemporaines en neurobiologie, en sciences cognitives et en psychopathologie computationnelle. En explorant les m\u00e9canismes formels du mod\u00e8le unitaire, la nature des discriminations de patterns n\u00e9gatifs et biconditionnels, le d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation, ainsi que les d\u00e9bats historiques opposant l&rsquo;\u00e9cole de Cardiff aux th\u00e9oriciens \u00e9l\u00e9mentaires tels qu&rsquo;Allan Wagner, nous mettrons en lumi\u00e8re la mani\u00e8re dont cette th\u00e9orie a red\u00e9fini les fronti\u00e8res entre la perception, la m\u00e9moire et le conditionnement pr\u00e9dictif.<\/p>\n<h2>1. Introduction historique et conceptuelle \u00e0 l&rsquo;apprentissage configural de John Pearce<\/h2>\n<h3>1.1 Le contexte de l&rsquo;apprentissage associatif \u00e0 la fin du XXe si\u00e8cle<\/h3>\n<p>\u00c0 la fin du XXe si\u00e8cle, la psychologie de l&rsquo;apprentissage \u00e9tait largement domin\u00e9e par les mod\u00e8les associatifs formels, dont le paradigme cardinal \u00e9tait ind\u00e9niablement celui propos\u00e9 par Robert Rescorla et Allan Wagner en 1972. Le <a rel=\"noopener noreferrer\" href=\"https:\/\/plato.stanford.edu\/entries\/cognitive-science\/\">mod\u00e8le de Rescorla-Wagner<\/a> avait r\u00e9ussi le tour de force d&rsquo;unifier sous une r\u00e8gle algorithmique simple une multitude de ph\u00e9nom\u00e8nes comportementaux jusqu&rsquo;alors disparates, tels que le blocage, le masquage et la contingence d\u00e9grad\u00e9e. Cette construction th\u00e9orique reposait sur une vision strictement \u00e9l\u00e9mentaire du stimulus : lorsqu&rsquo;un sujet est expos\u00e9 \u00e0 un compos\u00e9 de signaux sensoriels, la machinerie cognitive traite chaque \u00e9l\u00e9ment comme une entit\u00e9 autonome poss\u00e9dant sa propre force associative, la r\u00e9ponse finale n&rsquo;\u00e9tant que l&rsquo;addition alg\u00e9brique directe de ces forces individuelles.<\/p>\n<p>N\u00e9anmoins, au fur et \u00e0 mesure que les protocoles exp\u00e9rimentaux se sophistiquaient dans les laboratoires de conditionnement pavlovien et op\u00e9rant, les failles de cette conception purement analytique sont devenues manifestes. De nombreuses observations exp\u00e9rimentales d\u00e9montraient que la pr\u00e9sentation conjointe de deux stimuli pouvait susciter des r\u00e9ponses comportementales impossibles \u00e0 d\u00e9duire de la simple somme de leurs parties. Les animaux semblaient capables de discriminer des combinaisons de stimuli d&rsquo;une mani\u00e8re qui sugg\u00e9rait l&rsquo;\u00e9mergence d&rsquo;une propri\u00e9t\u00e9 globale irr\u00e9ductible aux constituants isol\u00e9s. Les chercheurs observaient r\u00e9guli\u00e8rement des \u00e9checs pr\u00e9dictifs majeurs dans les situations de discrimination d&rsquo;indices combin\u00e9s, r\u00e9v\u00e9lant que l&rsquo;organisme animal ne se comportait pas comme un simple calculateur arithm\u00e9tique lin\u00e9aire.<\/p>\n<p>Face \u00e0 ces contradictions empiriques, l&rsquo;Universit\u00e9 de Cardiff s&rsquo;est affirm\u00e9e comme un foyer intellectuel d&rsquo;avant-garde sous l&rsquo;impulsion de John M. Pearce. Conscient de l&rsquo;impasse vers laquelle convergeaient les adaptations artificielles du mod\u00e8le \u00e9l\u00e9mentaire, Pearce a entrepris de formaliser une approche v\u00e9ritablement holistique. Ses travaux pionniers ont vis\u00e9 \u00e0 restaurer la complexit\u00e9 de l&rsquo;exp\u00e9rience perceptive dans les th\u00e9ories de l&rsquo;apprentissage, en comblant le foss\u00e9 historique s\u00e9parant la psychologie de la Gestalt, centr\u00e9e sur la structure globale des formes, et la tradition b\u00e9havioriste rigoureuse, focalis\u00e9e sur la quantification pr\u00e9cise du comportement observable.<\/p>\n<h3>1.2 D\u00e9finition formelle de l&rsquo;approche configurale<\/h3>\n<p>L&rsquo;approche configurale d\u00e9velopp\u00e9e par John Pearce se d\u00e9finit formellement par le postulat selon lequel tout ensemble de stimuli pr\u00e9sents simultan\u00e9ment dans l&rsquo;environnement d&rsquo;un organisme est encod\u00e9 sous la forme d&rsquo;une repr\u00e9sentation mentale unitaire et indivisible. Contrairement \u00e0 l&rsquo;axiome \u00e9l\u00e9mentaire qui d\u00e9coupe un stimulus complexe compos\u00e9 d&rsquo;une lumi\u00e8re et d&rsquo;un son en deux canaux de traitement distincts cheminant en parall\u00e8le, le mod\u00e8le de Pearce affirme que l&rsquo;organisme per\u00e7oit et m\u00e9morise un \u00e9v\u00e9nement perceptif unique : le complexe lumineux-acoustique unifi\u00e9. Cette repr\u00e9sentation globale entre en association directe avec le stimulus inconditionnel, acqu\u00e9rant une force associative propre qui n&rsquo;est en aucun cas la r\u00e9sultante d&rsquo;un assemblage additif de forces \u00e9l\u00e9mentaires sous-jacentes.<\/p>\n<p>Cette distinction conceptuelle entra\u00eene une rupture radicale avec les notions traditionnelles de sommation. Dans le paradigme unitaire, la pr\u00e9sentation d&rsquo;un \u00e9l\u00e9ment isol\u00e9 ne constitue pas l&rsquo;activation partielle d&rsquo;un compos\u00e9 pr\u00e9existant, mais correspond \u00e0 un stimulus enti\u00e8rement distinct du compos\u00e9 lui-m\u00eame sur le plan ph\u00e9nom\u00e9nologique et repr\u00e9sentationnel. La relation entre le compos\u00e9 et ses \u00e9l\u00e9ments constitutifs n&rsquo;est donc pas une relation de parties \u00e0 un tout m\u00e9canique, mais une relation de ressemblance perceptive. D\u00e8s lors, le comportement d\u00e9clench\u00e9 par un \u00e9l\u00e9ment isol\u00e9 apr\u00e8s le conditionnement d&rsquo;un compos\u00e9 ne refl\u00e8te pas la persistance d&rsquo;une fraction de force associative \u00e9l\u00e9mentaire, mais d\u00e9coule d&rsquo;un ph\u00e9nom\u00e8ne de g\u00e9n\u00e9ralisation guid\u00e9 par le degr\u00e9 de similarit\u00e9 entre la configuration globale et la nouvelle situation de test.<\/p>\n<p>Sur le plan \u00e9pist\u00e9mologique, l&rsquo;approche configurale op\u00e8re une synth\u00e8se cruciale entre la psychologie cognitive et l&rsquo;analyse comportementale. En r\u00e9habilitant la primaut\u00e9 de l&rsquo;organisation perceptive dans les m\u00e9canismes fondamentaux du conditionnement, Pearce a d\u00e9montr\u00e9 que le conditionnement pavlovien ne peut \u00eatre r\u00e9duit \u00e0 une simple connexion r\u00e9flexe entre des entr\u00e9es p\u00e9riph\u00e9riques atomiques et des sorties motrices. Il met en jeu une \u00e9tape interm\u00e9diaire de traitement central o\u00f9 les propri\u00e9t\u00e9s g\u00e9om\u00e9triques, temporelles et qualitatives du patron environnemental global dictent la dynamique des forces associatives. Cette conceptualisation a ouvert la voie \u00e0 une red\u00e9finition majeure de l&rsquo;architecture cognitive animale, prouvant que les m\u00e9canismes de traitement de haut niveau op\u00e8rent d\u00e8s les stades les plus basiques de l&rsquo;apprentissage pr\u00e9dictif.<\/p>\n<h3>1.3 Objectifs fondamentaux de la recherche de Pearce<\/h3>\n<p>Le projet scientifique de John Pearce s&rsquo;est articul\u00e9 autour de trois objectifs directeurs d&rsquo;une clart\u00e9 m\u00e9thodologique exemplaire. Le premier objectif consistait \u00e0 apporter la preuve exp\u00e9rimentale sans \u00e9quivoque de l&rsquo;incapacit\u00e9 des mod\u00e8les \u00e9l\u00e9mentaires traditionnels \u00e0 rendre compte des discriminations non lin\u00e9aires complexes, telles que le pattern n\u00e9gatif ou la discrimination biconditionnelle, sans recourir \u00e0 des modifications ad hoc qui trahissaient leurs propres principes fondateurs. Pearce cherchait \u00e0 d\u00e9montrer que l&rsquo;ajout d&rsquo;\u00e9l\u00e9ments hypoth\u00e9tiques ou d&rsquo;unit\u00e9s de conjonction artificielles au mod\u00e8le \u00e9l\u00e9mentaire ne constituait qu&rsquo;un palliatif th\u00e9orique fragile face \u00e0 des r\u00e9alit\u00e9s empiriques r\u00e9fractaires.<\/p>\n<p>Le second objectif fondamental \u00e9tait de concevoir une r\u00e8gle quantitative pr\u00e9dictive capable d&rsquo;estimer avec pr\u00e9cision la g\u00e9n\u00e9ralisation entre des configurations de stimuli diff\u00e9rentes. Plut\u00f4t que de postuler des interactions myst\u00e9rieuses au sein des compos\u00e9s, Pearce a cherch\u00e9 \u00e0 formuler une m\u00e9trique math\u00e9matique rigoureuse de la similarit\u00e9 perceptive. Cette r\u00e8gle devait permettre de pr\u00e9dire quantitativement comment la force associative acquise par une configuration donn\u00e9e se transf\u00e8re \u00e0 une autre en fonction de la proportion et de l&rsquo;intensit\u00e9 de leurs caract\u00e9ristiques communes et distinctives. Il s&rsquo;agissait donc de formaliser une fonction de transfert associatif universelle et parcimonieuse.<\/p>\n<p>Enfin, le troisi\u00e8me objectif visait \u00e0 offrir \u00e0 la communaut\u00e9 scientifique un cadre math\u00e9matique alternatif pleinement constitu\u00e9, capable de rivaliser en termes de port\u00e9e pr\u00e9dictive et de rigueur formelle avec le mod\u00e8le de Rescorla et Wagner. Ce nouveau syst\u00e8me th\u00e9orique devait non seulement expliquer les ph\u00e9nom\u00e8nes classiques du conditionnement pavlovien \u2014 tels que l&rsquo;acquisition, l&rsquo;extinction, le masquage et le blocage \u2014, mais \u00e9galement anticiper de nouveaux effets contre-intuitifs que les mod\u00e8les \u00e9l\u00e9mentaires \u00e9taient structurellement incapables d&rsquo;envisager, notamment le ph\u00e9nom\u00e8ne du d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation asym\u00e9trique cons\u00e9cutif \u00e0 l&rsquo;ajout ou au retrait de stimuli.<\/p>\n<h2>2. Le paradigme \u00e9l\u00e9mentaire contre le paradigme configural : Fondements th\u00e9oriques<\/h2>\n<h3>2.1 Les postulats du mod\u00e8le de Rescorla-Wagner<\/h3>\n<p>Pour mesurer pleinement la port\u00e9e de la rupture op\u00e9r\u00e9e par Pearce, il est indispensable de diss\u00e9quer l&rsquo;armature th\u00e9orique du mod\u00e8le de Rescorla-Wagner (1972). Ce mod\u00e8le repose sur trois postulats interconnect\u00e9s r\u00e9gissant le traitement de l&rsquo;information environnementale. Le premier postulat stipule que chaque composante \u00e9l\u00e9mentaire d&rsquo;un stimulus complexe est trait\u00e9e par le syst\u00e8me nerveux de mani\u00e8re autonome et ind\u00e9pendante. Si un animal est confront\u00e9 \u00e0 un stimulus compos\u00e9 constitu\u00e9 d&rsquo;un son <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et d&rsquo;une lumi\u00e8re <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, le syst\u00e8me sensoriel d\u00e9compose imm\u00e9diatement cette entr\u00e9e en deux canaux parall\u00e8les, <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, dont les valeurs associatives respectives, d\u00e9sign\u00e9es par <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_B\">$V_B$<\/span>, \u00e9voluent sans alt\u00e9rer la nature intrins\u00e8que de chaque signal.<\/p>\n<p>Le deuxi\u00e8me postulat impose la r\u00e8gle de la sommation lin\u00e9aire. La force associative totale du compos\u00e9, symbolis\u00e9e par <span class=\"arabpsy-math-inline\" data-latex=\"V_{AB}\">$V_{AB}$<\/span>, est strictement d\u00e9finie comme la somme arithm\u00e9tique simple des forces associatives de ses \u00e9l\u00e9ments :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{AB} = V_A + V_B\">$$V_{AB} = V_A + V_B$$<\/span><\/p>\n<p>Cette lin\u00e9arit\u00e9 implique qu&rsquo;il n&rsquo;existe aucune interaction qualitative \u00e9mergente lors de la combinaison des stimuli : le tout n&rsquo;est rien d&rsquo;autre que la somme exacte de ses parties. C&rsquo;est cette valeur agr\u00e9g\u00e9e <span class=\"arabpsy-math-inline\" data-latex=\"V_{AB}\">$V_{AB}$<\/span> qui d\u00e9termine l&rsquo;amplitude de la r\u00e9ponse conditionn\u00e9e observable lors de la pr\u00e9sentation conjointe des stimuli.<\/p>\n<p>Le troisi\u00e8me postulat fondamental introduit le concept de comp\u00e9tition associative m\u00e9di\u00e9e par une erreur de pr\u00e9diction globale. La variation de la force associative de chaque \u00e9l\u00e9ment lors d&rsquo;un essai d&rsquo;apprentissage donn\u00e9 est r\u00e9gie par l&rsquo;\u00e9cart entre la valeur maximale du renfor\u00e7ateur (<span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span>) et l&rsquo;attente g\u00e9n\u00e9r\u00e9e par l&rsquo;ensemble des stimuli pr\u00e9sents lors de cet essai. D\u00e8s lors, l&rsquo;incr\u00e9ment associatif pour le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> s&rsquo;exprime selon l&rsquo;\u00e9quation classique :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\Delta V_A = \\alpha_A \\beta (\\lambda - V_{total})\">$$\\Delta V_A = \\alpha_A \\beta (\\lambda &#8211; V_{total})$$<\/span><\/p>\n<p>o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"V_{total}\">$V_{total}$<\/span> \u00e9quivaut \u00e0 la somme de tous les \u00e9l\u00e9ments actifs. Ce m\u00e9canisme \u00e9l\u00e9gant permet d&rsquo;expliquer le blocage : si <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span> a d\u00e9j\u00e0 atteint la valeur asymptotique <span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span>, alors lors d&rsquo;essais ult\u00e9rieurs associant <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> au m\u00eame renfor\u00e7ateur, le terme d&rsquo;erreur <span class=\"arabpsy-math-inline\" data-latex=\"(\\lambda - (V_A + V_B))\">$(\\lambda &#8211; (V_A + V_B))$<\/span> devient nul, emp\u00eachant le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> d&rsquo;acqu\u00e9rir une quelconque valeur pr\u00e9dictive. Cependant, cette conception se trouve d\u00e9sarm\u00e9e d\u00e8s lors que le sujet doit apprendre que la combinaison <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> annonce l&rsquo;absence d&rsquo;un \u00e9v\u00e9nement alors que <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> pris individuellement l&rsquo;annoncent avec certitude.<\/p>\n<h3>2.2 La rupture th\u00e9orique introduite par Pearce en 1987<\/h3>\n<p>Dans sa monographie fondamentale publi\u00e9e en 1987 au sein de la <em>Psychological Review<\/em>, John Pearce op\u00e8re une rupture conceptuelle nette en rejetant cat\u00e9goriquement l&rsquo;hypoth\u00e8se de la sommation alg\u00e9brique des forces associatives individuelles. Pearce affirme qu&rsquo;il est psychologiquement et biologiquement inexact de concevoir la perception d&rsquo;un \u00e9v\u00e9nement complexe comme une collection de sensations \u00e9l\u00e9mentaires \u00e9tanches. Lorsqu&rsquo;un sujet per\u00e7oit le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, il ne calcule pas la somme <span class=\"arabpsy-math-inline\" data-latex=\"V_A + V_B\">$V_A + V_B$<\/span> ; il enregistre une exp\u00e9rience perceptive globale, dot\u00e9e d&rsquo;une identit\u00e9 propre, qui \u00e9tablit une liaison directe avec le stimulus inconditionnel :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB \\rightarrow SI\">$$AB \\rightarrow SI$$<\/span><\/p>\n<p>La force associative appartient ainsi de mani\u00e8re indivise \u00e0 la configuration <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> dans sa totalit\u00e9.<\/p>\n<p>Pour rendre compte des interactions comportementales entre les compos\u00e9s et leurs \u00e9l\u00e9ments sans recourir \u00e0 la sommation \u00e9l\u00e9mentaire, Pearce r\u00e9introduit avec une rigueur math\u00e9matique in\u00e9dite la notion de transfert associatif guid\u00e9 par la similarit\u00e9 perceptive. Lorsqu&rsquo;un animal conditionn\u00e9 \u00e0 la configuration <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> est confront\u00e9 au stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> pr\u00e9sent\u00e9 isol\u00e9ment, la r\u00e9ponse observ\u00e9e n&rsquo;est pas l&rsquo;expression d&rsquo;un r\u00e9sidu de force associative pr\u00e9serv\u00e9 au sein de l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>. Elle r\u00e9sulte exclusivement du fait que le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> ressemble perceptuellement au compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> dont il constituait une composante. La force associative acquise par <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> se g\u00e9n\u00e9ralise ainsi \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> au prorata de leur indice de similarit\u00e9 mutuelle.<\/p>\n<p>Cette perspective permet de pr\u00e9server le principe d&rsquo;extr\u00eame parcimonie th\u00e9orique cher \u00e0 la psychologie exp\u00e9rimentale. Alors que les d\u00e9fenseurs des approches \u00e9l\u00e9mentaires modifi\u00e9es ont \u00e9t\u00e9 contraints de multiplier les entit\u00e9s th\u00e9oriques invisibles \u2014 en inventant des \u00ab \u00e9l\u00e9ments configuraux \u00bb ou des \u00ab unit\u00e9s de conjonction \u00bb g\u00e9n\u00e9r\u00e9es artificiellement par l&rsquo;interaction sensorielle \u2014, Pearce maintient un mod\u00e8le \u00e0 un seul niveau de repr\u00e9sentation. Les stimuli sont simplement ce qu&rsquo;ils paraissent \u00eatre pour le syst\u00e8me perceptif : des configurations globales pr\u00e9sentant des degr\u00e9s variables de proximit\u00e9 physique et psychologique.<\/p>\n<h3>2.3 La notion d&rsquo;\u00e9l\u00e9ment unique versus stimulus compos\u00e9<\/h3>\n<p>Le d\u00e9saccord entre le paradigme \u00e9l\u00e9mentaire et le paradigme configural soul\u00e8ve une interrogation psychophysique majeure : qu&rsquo;est-ce qui d\u00e9finit l&rsquo;identit\u00e9 perceptive d&rsquo;un stimulus lorsqu&rsquo;il passe de l&rsquo;isolement \u00e0 la composition ? Dans l&rsquo;optique \u00e9l\u00e9mentariste, l&rsquo;identit\u00e9 d&rsquo;un signal acoustique de fr\u00e9quence <span class=\"arabpsy-math-inline\" data-latex=\"1000\\text{ Hz}\">$1000\\text{ Hz}$<\/span> demeure strictement invariante, qu&rsquo;il retentisse dans le silence absolu ou qu&rsquo;il soit accompagn\u00e9 d&rsquo;un flash lumineux aveuglant. Le flash lumineux est simplement trait\u00e9 comme un canal sensoriel suppl\u00e9mentaire venant s&rsquo;ajouter au canal acoustique pr\u00e9existant.<\/p>\n<p>\u00c0 l&rsquo;inverse, l&rsquo;approche configurale soutient que le contexte perceptif imm\u00e9diat modifie radicalement le patron d&rsquo;activation sensorielle globale. Le son de <span class=\"arabpsy-math-inline\" data-latex=\"1000\\text{ Hz}\">$1000\\text{ Hz}$<\/span> entendu en pr\u00e9sence d&rsquo;une vive lumi\u00e8re n&rsquo;est plus, pour le cerveau du sujet, le m\u00eame stimulus que ce m\u00eame son pr\u00e9sent\u00e9 dans l&rsquo;obscurit\u00e9. Bien que les r\u00e9cepteurs auditifs p\u00e9riph\u00e9riques soient excit\u00e9s par la m\u00eame onde m\u00e9canique, l&rsquo;int\u00e9gration centrale au sein des r\u00e9seaux corticaux ou thalamiques fusionne ces flux d&rsquo;informations en une Gestalt unique. Les travaux de la psychophysique dimensionnelle, notamment les \u00e9tudes pionni\u00e8res de Wendell Garner sur les dimensions s\u00e9parables et int\u00e9grales, apportent un soutien empirique consid\u00e9rable \u00e0 cette vision : de nombreuses modalit\u00e9s sensorielles interagissent de mani\u00e8re int\u00e9grale, emp\u00eachant le sujet d&rsquo;analyser un attribut sans \u00eatre influenc\u00e9 par la configuration d&rsquo;ensemble.<\/p>\n<p>Cette querelle th\u00e9orique r\u00e9v\u00e8le la divergence d&rsquo;hypoth\u00e8ses sur le co\u00fbt computationnel impos\u00e9 au syst\u00e8me nerveux. L&rsquo;approche \u00e9l\u00e9mentaire pr\u00e9suppose un processeur central analytique capable d&rsquo;isoler en permanence des composantes pures au sein d&rsquo;un flux environnemental bruit\u00e9 et dynamique. L&rsquo;approche configurale de Pearce postule au contraire un syst\u00e8me perceptivo-cognitif \u00e9conomique, qui encode spontan\u00e9ment la sc\u00e8ne globale telle qu&rsquo;elle se pr\u00e9sente, r\u00e9servant l&rsquo;analyse fine des \u00e9l\u00e9ments \u00e0 des conditions d&rsquo;apprentissage particuli\u00e8res o\u00f9 la discrimination des d\u00e9tails devient une question de survie adaptative.<\/p>\n<h2>3. Les postulats math\u00e9matiques et formels du mod\u00e8le de Pearce (1987)<\/h2>\n<h3>3.1 L&rsquo;\u00e9quation de base de la force associative<\/h3>\n<p>Le mod\u00e8le computationnel d\u00e9velopp\u00e9 par Pearce en 1987 formalise l&rsquo;\u00e9volution de la force associative d&rsquo;une configuration globale au fil des essais d&rsquo;apprentissage \u00e0 travers une \u00e9quation aux diff\u00e9rences finies, analogue dans sa structure math\u00e9matique g\u00e9n\u00e9rale \u00e0 celle de Rescorla et Wagner, mais profond\u00e9ment divergente dans ses variables d&rsquo;entr\u00e9e. Lors de chaque pr\u00e9sentation d&rsquo;un stimulus conditionnel complexe ou simple, d\u00e9sign\u00e9 de mani\u00e8re g\u00e9n\u00e9rique par la configuration <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, l&rsquo;incr\u00e9ment de sa force associative directe, not\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"\\Delta V_A\">$\\Delta V_A$<\/span>, est calcul\u00e9 selon l&rsquo;expression formelle suivante :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\Delta V_A = \\alpha_A \\beta (\\lambda - \\bar{V}_A)\">$$\\Delta V_A = \\alpha_A \\beta (\\lambda &#8211; \\bar{V}_A)$$<\/span><\/p>\n<p>Dans ce formalisme, le param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"\\alpha_A\">$\\alpha_A$<\/span> repr\u00e9sente le coefficient de saillance perceptive ou de conditionnabilit\u00e9 propre \u00e0 la configuration globale <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> dans sa totalit\u00e9. Contrairement aux mod\u00e8les \u00e9l\u00e9mentaires o\u00f9 chaque composant poss\u00e8de son propre coefficient alpha ind\u00e9pendant, Pearce assigne ce param\u00e8tre \u00e0 la configuration unitaire compl\u00e8te. Le param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"\\beta\">$\\beta$<\/span> est la constante de vitesse d&rsquo;apprentissage d\u00e9termin\u00e9e par les propri\u00e9t\u00e9s intrins\u00e8ques et l&rsquo;intensit\u00e9 du stimulus inconditionnel (<span class=\"arabpsy-math-inline\" data-latex=\"SI\">$SI$<\/span>), tandis que <span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span> sp\u00e9cifie l&rsquo;asymptote maximale de conditionnement que peut soutenir cette magnitude particuli\u00e8re de renfor\u00e7ateur. Lorsque le renfor\u00e7ateur est d\u00e9livr\u00e9, <span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span> prend une valeur positive (habituellement normalis\u00e9e \u00e0 1,00 ou 100), et lorsque le renfor\u00e7ateur est omis lors des essais d&rsquo;extinction, <span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span> est fix\u00e9 \u00e0 z\u00e9ro.<\/p>\n<p>La distinction math\u00e9matique cardinale r\u00e9side dans la d\u00e9finition du terme <span class=\"arabpsy-math-inline\" data-latex=\"\\bar{V}_A\">$\\bar{V}_A$<\/span>. Ce terme ne repr\u00e9sente pas la somme des forces associatives d&rsquo;\u00e9l\u00e9ments sous-jacents, mais la force associative <em>totale<\/em> mobilis\u00e9e par la configuration <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> au moment de l&rsquo;essai. Cette valeur totale correspond \u00e0 la somme de la force associative directe acquise par <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> au cours de son histoire d&rsquo;apprentissage propre, not\u00e9e <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span>, et de l&rsquo;ensemble des forces associatives qui se g\u00e9n\u00e9ralisent \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> \u00e0 partir de toutes les autres configurations de stimuli pr\u00e9alablement conditionn\u00e9es dans l&rsquo;environnement exp\u00e9rimental :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_A = V_A + \\sum (_{A}S_{B} \\times V_B)\">$$\\bar{V}_A = V_A + \\sum (_{A}S_{B} \\times V_B)$$<\/span><\/p>\n<p>o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"_{A}S_{B}\">$_{A}S_{B}$<\/span> symbolise l&rsquo;indice de similarit\u00e9 entre la configuration cible <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et une configuration quelconque <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> pr\u00e9sente dans la m\u00e9moire du sujet. Ainsi, le m\u00e9canisme d&rsquo;erreur de pr\u00e9diction ne porte pas sur une sommation d&rsquo;\u00e9l\u00e9ments simultan\u00e9s, mais sur l&rsquo;\u00e9cart entre la r\u00e9alit\u00e9 du renforcement et l&rsquo;attente globale g\u00e9n\u00e9r\u00e9e par la configuration actuelle augment\u00e9e de toutes les influences associatives issues de la g\u00e9n\u00e9ralisation.<\/p>\n<h3>3.2 L&rsquo;indice de similarit\u00e9 et le calcul du transfert de g\u00e9n\u00e9ralisation<\/h3>\n<p>Le c\u0153ur op\u00e9ratoire de la th\u00e9orie de Pearce repose sur la formalisation quantitative du coefficient de similarit\u00e9, not\u00e9 conventionnellement <span class=\"arabpsy-math-inline\" data-latex=\"_{A}S_{B}\">$_{A}S_{B}$<\/span>, qui quantifie la proximit\u00e9 perceptive entre deux configurations de stimuli distinctes <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>. Dans sa formulation originelle de 1987, Pearce postule que la ressemblance entre deux patterns environnementaux est une fonction math\u00e9matique directe de la proportion d&rsquo;\u00e9l\u00e9ments sensoriels que ces deux entit\u00e9s partagent par rapport \u00e0 l&rsquo;ensemble des \u00e9l\u00e9ments qui les constituent. Pour calculer ce coefficient entre une configuration <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et une configuration <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, Pearce a propos\u00e9 le rapport suivant :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{A}S_{B} = \\frac{a \\cap b}{a \\cup b} \\quad \\text{ou dans la notation discr\u00e8te de 1987} \\quad _{A}S_{B} = \\frac{N_C}{N_A}\">$$_{A}S_{B} = \\frac{a \\cap b}{a \\cup b} \\quad \\text{ou dans la notation discr\u00e8te de 1987} \\quad _{A}S_{B} = \\frac{N_C}{N_A}$$<\/span><\/p>\n<p>o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"N_C\">$N_C$<\/span> d\u00e9signe le nombre d&rsquo;\u00e9l\u00e9ments communs partag\u00e9s par les deux stimuli, et <span class=\"arabpsy-math-inline\" data-latex=\"N_A\">$N_A$<\/span> repr\u00e9sente le nombre total d&rsquo;\u00e9l\u00e9ments constituant le stimulus cible pour lequel on \u00e9value la g\u00e9n\u00e9ralisation. Il s&rsquo;ensuit que si le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> contient tous les \u00e9l\u00e9ments du stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> plus des \u00e9l\u00e9ments additionnels, la similarit\u00e9 de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> envers <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> sera diff\u00e9rente de la similarit\u00e9 de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> envers <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, \u00e9tablissant une asym\u00e9trie de transfert que nous examinerons ult\u00e9rieurement.<\/p>\n<p>Pour illustrer ce m\u00e9canisme par un exemple canonique, consid\u00e9rons un stimulus compos\u00e9 de deux composantes lumineuses et auditives de saillances \u00e9quivalentes, d\u00e9sign\u00e9 par <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, et un stimulus test constitu\u00e9 de l&rsquo;\u00e9l\u00e9ment isol\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>. Le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> peut \u00eatre conceptualis\u00e9 comme poss\u00e9dant deux unit\u00e9s de stimulation (<span class=\"arabpsy-math-inline\" data-latex=\"N_{AB} = 2\">$N_{AB} = 2$<\/span>), tandis que le stimulus isol\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> n&rsquo;en poss\u00e8de qu&rsquo;une (<span class=\"arabpsy-math-inline\" data-latex=\"N_A = 1\">$N_A = 1$<\/span>). L&rsquo;\u00e9l\u00e9ment partag\u00e9 entre les deux configurations est l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> (<span class=\"arabpsy-math-inline\" data-latex=\"N_C = 1\">$N_C = 1$<\/span>). Si l&rsquo;on calcule la similarit\u00e9 du compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> envers l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, Pearce pose :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{A}S_{AB} = \\frac{N_C}{N_A} = \\frac{1}{1} = 1{,}0\">$$_{A}S_{AB} = \\frac{N_C}{N_A} = \\frac{1}{1} = 1{,}0$$<\/span><\/p>\n<p>tandis que la similarit\u00e9 de l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> envers le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> s&rsquo;\u00e9crit :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{AB}S_{A} = \\frac{N_C}{N_{AB}} = \\frac{1}{2} = 0{,}5\">$$_{AB}S_{A} = \\frac{N_C}{N_{AB}} = \\frac{1}{2} = 0{,}5$$<\/span><\/p>\n<p>La r\u00e8gle de g\u00e9n\u00e9ralisation affirme que la fraction de force associative transf\u00e9r\u00e9e d&rsquo;une configuration source <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> vers une configuration cible <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> est strictement \u00e9gale au produit de la force associative propre de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> par ce coefficient de similarit\u00e9 mutuelle :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{B \\rightarrow A} = {_{A}S_{B}} \\times V_B\">$$V_{B \\rightarrow A} = {_{A}S_{B}} \\times V_B$$<\/span><\/p>\n<p>Cette formulation \u00e9l\u00e9gante a permis \u00e0 Pearce de pr\u00e9dire de mani\u00e8re d\u00e9terministe et chiffr\u00e9e l&rsquo;amplitude exacte de la r\u00e9ponse conditionn\u00e9e face \u00e0 des compos\u00e9s totalement in\u00e9dits sans avoir \u00e0 calibrer de param\u00e8tres libres suppl\u00e9mentaires, conf\u00e9rant \u00e0 son mod\u00e8le une puissance de falsification empirique remarquable.<\/p>\n<h3>3.3 Le d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation<\/h3>\n<p>L&rsquo;une des pr\u00e9dictions les plus fascinantes et contre-intuitives issues de la m\u00e9canique formelle du mod\u00e8le de Pearce r\u00e9side dans la conceptualisation du \u00ab d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation \u00bb. Dans les th\u00e9ories \u00e9l\u00e9mentaires comme celle de Rescorla et Wagner, si un stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> est conditionn\u00e9 de mani\u00e8re isol\u00e9e jusqu&rsquo;\u00e0 son asymptote (<span class=\"arabpsy-math-inline\" data-latex=\"lambda = 100\">$lambda = 100$<\/span>), l&rsquo;adjonction ult\u00e9rieure d&rsquo;un stimulus neutre <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> lors d&rsquo;un essai de test (compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>) devrait th\u00e9oriquement susciter une r\u00e9ponse comportementale au moins \u00e9gale, voire sup\u00e9rieure, \u00e0 celle d\u00e9clench\u00e9e par <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> seul. En effet, selon l&rsquo;alg\u00e8bre \u00e9l\u00e9mentaire :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{AB} = V_A + V_B = 100 + 0 = 100\">$$V_{AB} = V_A + V_B = 100 + 0 = 100$$<\/span><\/p>\n<p>Aucune baisse de la force associative globale ne peut \u00eatre d\u00e9duite de l&rsquo;addition d&rsquo;un stimulus sans valeur associative pr\u00e9alable.<\/p>\n<p>Dans le syst\u00e8me configural de Pearce, la pr\u00e9diction math\u00e9matique s&rsquo;av\u00e8re radicalement inverse. Le sujet confront\u00e9 au nouveau stimulus compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> ne per\u00e7oit pas une addition arithm\u00e9tique, mais une alt\u00e9ration de l&rsquo;identit\u00e9 globale du signal perceptif. La r\u00e9ponse d\u00e9clench\u00e9e par le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> d\u00e9pend exclusivement du transfert associatif issu de la configuration <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> pr\u00e9alablement conditionn\u00e9e, calcul\u00e9 via le coefficient de similarit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"_{AB}S_A\">$_{AB}S_A$<\/span> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_{AB} = {_{AB}S_A} \\times V_A\">$$\\bar{V}_{AB} = {_{AB}S_A} \\times V_A$$<\/span><\/p>\n<p>En reprenant l&rsquo;indice de similarit\u00e9 standard o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"N_A = 1\">$N_A = 1$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"N_{AB} = 2\">$N_{AB} = 2$<\/span>, nous obtenons :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_{AB} = 0{,}5 \\times 100 = 50\">$$\\bar{V}_{AB} = 0{,}5 \\times 100 = 50$$<\/span><\/p>\n<p>Le mod\u00e8le pr\u00e9voit donc math\u00e9matiquement une r\u00e9duction spectaculaire de 50 % de la force de la r\u00e9ponse conditionn\u00e9e lors du simple ajout d&rsquo;un signal sensoriel parfaitement neutre. Ce ph\u00e9nom\u00e8ne, baptis\u00e9 d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation par addition, constitue l&rsquo;une des signatures diagnostiques de l&rsquo;approche configurale.<\/p>\n<p>Le formalisme math\u00e9matique int\u00e8gre \u00e9galement l&rsquo;impact des variations de saillance relative entre les composantes. Si la saillance de l&rsquo;\u00e9l\u00e9ment additionnel <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> est consid\u00e9rablement plus \u00e9lev\u00e9e que celle de l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> s&rsquo;\u00e9loignera davantage de l&rsquo;apparence perceptive de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> dans l&rsquo;espace psychophysique multidimensionnel. Pearce formalise cette asym\u00e9trie en pond\u00e9rant les composantes par leurs coefficients de saillance respectifs :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{AB}S_A = \\frac{\\alpha_A}{\\alpha_A + \\alpha_B}\">$$_{AB}S_A = \\frac{\\alpha_A}{\\alpha_A + \\alpha_B}$$<\/span><\/p>\n<p>Si <span class=\"arabpsy-math-inline\" data-latex=\"\\alpha_B\">$\\alpha_B$<\/span> est largement sup\u00e9rieur \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"\\alpha_A\">$\\alpha_A$<\/span>, la similarit\u00e9 per\u00e7ue tend vers z\u00e9ro, et le d\u00e9cr\u00e9ment de r\u00e9ponse comportementale devient presque total, un r\u00e9sultat qui simule parfaitement le masquage sans faire intervenir la comp\u00e9tition \u00e9l\u00e9mentaire pour une ressource associative limit\u00e9e.<\/p>\n<h2>4. L&rsquo;exp\u00e9rience princeps de discrimination par pattern n\u00e9gatif<\/h2>\n<h3>4.1 Protocole exp\u00e9rimental du pattern n\u00e9gatif<\/h3>\n<p>Pour mettre \u00e0 l&rsquo;\u00e9preuve la validit\u00e9 des mod\u00e8les concurrents de l&rsquo;apprentissage, John Pearce et les chercheurs du domaine associatif se sont tourn\u00e9s vers un paradigme exp\u00e9rimental hautement discriminant : le pattern n\u00e9gatif (souvent d\u00e9sign\u00e9 par la formule anglo-saxonne <em>negative patterning<\/em>). La structure logique de ce protocole exp\u00e9rimental se caract\u00e9rise par la pr\u00e9sentation al\u00e9atoire ou pseudo-al\u00e9atoire de trois types d&rsquo;essais distincts au cours des sessions d&rsquo;entra\u00eenement quotidien. D&rsquo;une part, deux stimuli \u00e9l\u00e9mentaires, par exemple un son bref not\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et une illumination diffuse de la cage not\u00e9e <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, sont pr\u00e9sent\u00e9s de mani\u00e8re isol\u00e9e et syst\u00e9matiquement suivis de la d\u00e9livrance d&rsquo;un renfor\u00e7ateur inconditionnel favorable, tel qu&rsquo;une boulette de nourriture ou une goutte d&rsquo;eau sucr\u00e9e. Ce sch\u00e9ma d&rsquo;essais est symbolis\u00e9 par la notation standard :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"A+ \\quad \\text{et} \\quad B+\">$$A+ \\quad \\text{et} \\quad B+$$<\/span><\/p>\n<p>D&rsquo;autre part, les m\u00eames stimuli sont pr\u00e9sent\u00e9s de mani\u00e8re strictement simultan\u00e9e sous la forme d&rsquo;un compos\u00e9 bimodal <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, mais ces pr\u00e9sentations conjointes ne sont jamais accompagn\u00e9es de renfor\u00e7ateur. Ce sch\u00e9ma d&rsquo;extinction est formalis\u00e9 par :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB-\">$$AB-$$<\/span><\/p>\n<p>Ce protocole a \u00e9t\u00e9 d\u00e9ploy\u00e9 principalement aupr\u00e8s de pigeons plac\u00e9s dans des bo\u00eetes de conditionnement op\u00e9rant (dites bo\u00eetes de Skinner) \u00e9quip\u00e9es de touches de picorage r\u00e9tro\u00e9clair\u00e9es et de haut-parleurs, ainsi qu&rsquo;aupr\u00e8s de rongeurs (rats de laboratoire) soumis \u00e0 des protocoles de suppression conditionn\u00e9e de la l\u00e9chade ou de r\u00e9ponse d&rsquo;approche au distributeur de nourriture (suivi par vid\u00e9o ou cellule photo\u00e9lectrique).<\/p>\n<p>La r\u00e9solution comportementale d&rsquo;une telle t\u00e2che exige que l&rsquo;animal exhibe un niveau \u00e9lev\u00e9 de r\u00e9ponse motrice lors de la survenue du signal <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> seul ou du signal <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> seul, tout en retenant ou supprimant quasi-totalement sa r\u00e9ponse lors de l&rsquo;activation simultan\u00e9e du complexe <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>. Sur le plan logique formel, cette discrimination constitue une fonction exclusive de type <em>OU EXCLUSIF<\/em> (XOR), c\u00e9l\u00e8bre en sciences de l&rsquo;information pour son impossibilit\u00e9 d&rsquo;\u00eatre r\u00e9solue par un syst\u00e8me de classification lin\u00e9aire \u00e0 couche unique. L&rsquo;animal ne peut pas se contenter de classer les \u00e9l\u00e9ments selon une \u00e9chelle de valeur absolue continue ; il doit r\u00e9soudre une \u00e9nigme o\u00f9 la pr\u00e9sence conjointe de deux signaux annonciateurs de nourriture signale l&rsquo;absence absolue de cette m\u00eame nourriture.<\/p>\n<h3>4.2 Interpr\u00e9tation \u00e9l\u00e9mentaire et ses failles<\/h3>\n<p>Face au paradigme du pattern n\u00e9gatif, le mod\u00e8le \u00e9l\u00e9mentaire canonique de Rescorla-Wagner subit un \u00e9chec math\u00e9matique retentissant. Selon les \u00e9quations de sommation lin\u00e9aire :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{AB} = V_A + V_B\">$$V_{AB} = V_A + V_B$$<\/span><\/p>\n<p>Si les essais <span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B+\">$B+$<\/span> soutiennent l&rsquo;apprentissage, les forces associatives <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_B\">$V_B$<\/span> convergent n\u00e9cessairement vers des valeurs positives \u00e9lev\u00e9es, proches de l&rsquo;asymptote <span class=\"arabpsy-math-inline\" data-latex=\"lambda\">$lambda$<\/span>. Par cons\u00e9quent, la pr\u00e9sentation simultan\u00e9e des deux stimuli impose que la valeur associative pr\u00e9dite pour le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"V_{AB}\">$V_{AB}$<\/span> atteigne une valeur doublement stimulante, \u00e9quivalente \u00e0 environ <span class=\"arabpsy-math-inline\" data-latex=\"2lambda\">$2lambda$<\/span>. L&rsquo;extinction r\u00e9p\u00e9t\u00e9e lors des essais <span class=\"arabpsy-math-inline\" data-latex=\"AB-\">$AB-$<\/span> cherche \u00e0 r\u00e9duire cette valeur globale \u00e0 z\u00e9ro par le biais d&rsquo;un ajustement de l&rsquo;erreur de pr\u00e9diction n\u00e9gative :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\Delta V = \\alpha \\beta (0 - V_{AB})\">$$\\Delta V = \\alpha \\beta (0 &#8211; V_{AB})$$<\/span><\/p>\n<p>Cependant, chaque diminution des forces <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_B\">$V_B$<\/span> induite par les essais non renforc\u00e9s <span class=\"arabpsy-math-inline\" data-latex=\"AB-\">$AB-$<\/span> se trouve imm\u00e9diatement contrecarr\u00e9e par les renforcements continus subis lors des essais isol\u00e9s <span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B+\">$B+$<\/span>. Le mod\u00e8le de Rescorla-Wagner pr\u00e9voit donc math\u00e9matiquement une oscillation perp\u00e9tuelle et l&rsquo;incapacit\u00e9 absolue pour l&rsquo;organisme de r\u00e9pondre davantage aux \u00e9l\u00e9ments qu&rsquo;au compos\u00e9. L&rsquo;animal simul\u00e9 par le mod\u00e8le maintient ind\u00e9finiment une r\u00e9ponse plus forte face au compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> que face aux \u00e9l\u00e9ments <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> ou <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, en contradiction directe avec les donn\u00e9es comportementales r\u00e9elles o\u00f9 les pigeons et les rats apprennent parfaitement \u00e0 inhiber leur comportement sur <span class=\"arabpsy-math-inline\" data-latex=\"AB-\">$AB-$<\/span>.<\/p>\n<p>Pour sauver le paradigme \u00e9l\u00e9mentaire de cette impasse disqualifiante, Rescorla (1972, 1973) a \u00e9t\u00e9 contraint de proposer une modification <em>ad hoc<\/em> substantielle : l&rsquo;hypoth\u00e8se des \u00ab \u00e9l\u00e9ments configuraux uniques \u00bb. Il a postul\u00e9 que la co-occurrence physique des stimuli <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> g\u00e9n\u00e8re automatiquement un troisi\u00e8me stimulus physique interne, un \u00e9l\u00e9ment fant\u00f4me <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span> (souvent not\u00e9 \u00e9l\u00e9ment unique <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span>). La repr\u00e9sentation du compos\u00e9 devient alors le triplet :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"ABX\">$$ABX$$<\/span><\/p>\n<p>Dans ce cadre am\u00e9nag\u00e9, les essais isol\u00e9s conditionnent <span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B+\">$B+$<\/span>, tandis que l&rsquo;\u00e9l\u00e9ment hypoth\u00e9tique <span class=\"arabpsy-math-inline\" data-latex=\"X\">$X$<\/span>, n&rsquo;\u00e9tant pr\u00e9sent que lors des essais <span class=\"arabpsy-math-inline\" data-latex=\"ABX-\">$ABX-$<\/span>, acquiert une valeur associative inhibitrice massivement n\u00e9gative (<span class=\"arabpsy-math-inline\" data-latex=\"V_X ll 0\">$V_X ll 0$<\/span>), venant neutraliser la somme <span class=\"arabpsy-math-inline\" data-latex=\"V_A + V_B\">$V_A + V_B$<\/span>. Les th\u00e9oriciens de l&rsquo;apprentissage ont vigoureusement critiqu\u00e9 cette man\u0153uvre : elle s&rsquo;apparente \u00e0 une prolif\u00e9ration incontr\u00f4l\u00e9e d&rsquo;entit\u00e9s inobservables, con\u00e7ues sur mesure pour combler les d\u00e9ficits du mod\u00e8le initial. De plus, elle s&rsquo;av\u00e8re incapable de pr\u00e9dire correctement la cin\u00e9tique relative d&rsquo;acquisition de la t\u00e2che lorsque la saillance physique des stimuli est asym\u00e9trique.<\/p>\n<h3>4.3 Explication selon le mod\u00e8le unitaire de Pearce<\/h3>\n<p>Le mod\u00e8le unitaire de Pearce r\u00e9sout l&rsquo;\u00e9nigme du pattern n\u00e9gatif avec une \u00e9l\u00e9gance th\u00e9orique et une \u00e9conomie de moyens conceptuels saisissantes, sans jamais avoir besoin d&rsquo;inventer des \u00e9l\u00e9ments configuraux auxiliaires invisibles. Pour Pearce, l&rsquo;animal est simplement confront\u00e9 \u00e0 trois configurations de stimuli diff\u00e9rentes mais perceptuellement apparent\u00e9es : la configuration unitaire <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, la configuration unitaire <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, et la configuration unitaire <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>. Le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> n&rsquo;est pas la somme physique de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, mais un patron sensoriel global et in\u00e9dit, tout comme la couleur grise n&rsquo;est pas un m\u00e9lange mental de noir et de blanc, mais une exp\u00e9rience perceptive singuli\u00e8re.<\/p>\n<p>Dans ce cadre, la dynamique d&rsquo;apprentissage se structure \u00e0 travers deux forces oppos\u00e9es r\u00e9gies par les \u00e9quations de similarit\u00e9 :<\/p>\n<ul>\n<li>Les pr\u00e9sentations renforc\u00e9es de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> permettent \u00e0 ces deux configurations d&rsquo;acqu\u00e9rir de fortes valeurs associatives excitatrices directes (<span class=\"arabpsy-math-inline\" data-latex=\"V_A &gt; 0\">$V_A > 0$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_B &gt; 0\">$V_B > 0$<\/span>).<\/li>\n<li>En raison de la ressemblance perceptive entre les \u00e9l\u00e9ments et le compos\u00e9, une part substantielle de cette excitation se g\u00e9n\u00e9ralise au compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> :\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_{AB} = V_{AB} + ({_{AB}S_A} \\times V_A) + ({_{AB}S_B} \\times V_B)\">$$\\bar{V}_{AB} = V_{AB} + ({_{AB}S_A} \\times V_A) + ({_{AB}S_B} \\times V_B)$$<\/span><\/p>\n<\/li>\n<li>Lors des premiers blocs d&rsquo;essais, le sujet manifeste donc une forte r\u00e9ponse face au compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, induite exclusivement par ce transfert associatif crois\u00e9.<\/li>\n<\/ul>\n<p>Cependant, \u00e9tant donn\u00e9 que le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> n&rsquo;est jamais renforc\u00e9 (<span class=\"arabpsy-math-inline\" data-latex=\"lambda = 0\">$lambda = 0$<\/span>), son terme d&rsquo;erreur d&rsquo;apprentissage devient lourdement n\u00e9gatif :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\Delta V_{AB} = \\alpha_{AB} \\beta (0 - \\bar{V}_{AB})\">$$\\Delta V_{AB} = \\alpha_{AB} \\beta (0 &#8211; \\bar{V}_{AB})$$<\/span><\/p>\n<p>Le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> acquiert alors directement une force associative propre fortement <strong>inhibitrice<\/strong> ($V_{AB} < 0<span class=\"arabpsy-math-inline\" data-latex=\"). \u00c0 son tour, cette inhibition propre acquise par\">$). \u00c0 son tour, cette inhibition propre acquise par$<\/span>AB$ se g\u00e9n\u00e9ralise en retour vers les configurations \u00e9l\u00e9mentaires <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_A = V_A + ({_AS_{AB}} \\times V_{AB})\">$$\\bar{V}_A = V_A + ({_AS_{AB}} \\times V_{AB})$$<\/span><\/p>\n<p>Comme les \u00e9l\u00e9ments continuent d&rsquo;\u00eatre directement renforc\u00e9s lors de leurs pr\u00e9sentations isol\u00e9es, un \u00e9quilibre dynamique stationnaire s&rsquo;\u00e9tablit. La force excitatrice directe de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> devient suffisamment massive pour compenser l&rsquo;inhibition g\u00e9n\u00e9ralis\u00e9e depuis <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, maintenant une valeur globale nette <span class=\"arabpsy-math-inline\" data-latex=\"\\bar{V}_A\">$\\bar{V}_A$<\/span> \u00e9lev\u00e9e, tandis que sur le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, l&rsquo;inhibition directe accumul\u00e9e <span class=\"arabpsy-math-inline\" data-latex=\"V_{AB}\">$V_{AB}$<\/span> neutralise pr\u00e9cis\u00e9ment l&rsquo;excitation g\u00e9n\u00e9ralis\u00e9e depuis <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, faisant converger <span class=\"arabpsy-math-inline\" data-latex=\"\\bar{V}_{AB}\">$\\bar{V}_{AB}$<\/span> vers z\u00e9ro. Le pattern n\u00e9gatif est ainsi r\u00e9solu par un simple jeu d&rsquo;\u00e9quilibre entre inhibition directe et excitation g\u00e9n\u00e9ralis\u00e9e au sein d&rsquo;un espace de similarit\u00e9 unitaire.<\/p>\n<h2>5. L&rsquo;\u00e9preuve du pattern positif et la validation empirique<\/h2>\n<h3>5.1 Structure m\u00e9thodologique du pattern positif<\/h3>\n<p>Le pendant logique du pattern n\u00e9gatif est le paradigme du pattern positif (<em>positive patterning<\/em>). Bien que structurellement sym\u00e9trique sur le plan de la logique bool\u00e9enne, cette t\u00e2che impose des contraintes psychologiques et computationnelles fondamentalement distinctes aux organismes exp\u00e9rimentaux. Dans ce protocole, les stimuli \u00e9l\u00e9mentaires pr\u00e9sent\u00e9s de mani\u00e8re isol\u00e9e ne sont jamais associ\u00e9s \u00e0 la d\u00e9livrance du renfor\u00e7ateur :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"A- \\quad \\text{et} \\quad B-\">$$A- \\quad \\text{et} \\quad B-$$<\/span><\/p>\n<p>En revanche, la pr\u00e9sentation simultan\u00e9e des deux composantes au sein du compos\u00e9 unifi\u00e9 annonce de mani\u00e8re infaillible l&rsquo;apparition du stimulus inconditionnel :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB+\">$$AB+$$<\/span><\/p>\n<p>Sur le plan m\u00e9thodologique, la r\u00e9alisation de cette exp\u00e9rience requiert un calibrage extr\u00eamement minutieux des param\u00e8tres physiques environnementaux. Afin d&rsquo;\u00e9carter tout artefact d&rsquo;interpr\u00e9tation li\u00e9 \u00e0 des seuils sensoriels p\u00e9riph\u00e9riques ou \u00e0 des effets d&rsquo;habituation diff\u00e9rentielle, les exp\u00e9rimentateurs \u00e9quilibrent rigoureusement les modalit\u00e9s sensorielles mises en jeu. L&rsquo;exp\u00e9rimentation mobilise classiquement des combinaisons intra-modales (deux sons de fr\u00e9quences distinctes ou deux stimuli lumineux projet\u00e9s sur des zones adjacentes) ou inter-modales (un son pur coupl\u00e9 \u00e0 une vibration m\u00e9canique du plancher ou un stimulus thermique coupl\u00e9 \u00e0 un signal optique diffuse).<\/p>\n<p>La variable d\u00e9pendante analys\u00e9e au cours des sessions quotidiennes successives r\u00e9side dans la vitesse diff\u00e9rentielle d&rsquo;\u00e9mergence de la r\u00e9ponse conditionn\u00e9e. Les exp\u00e9rimentateurs tracent des courbes d&rsquo;acquisition temporelles mesurant le taux de picorage, la fr\u00e9quence d&rsquo;intrusion de la t\u00eate dans la mangeoire, ou l&rsquo;amplitude des r\u00e9flexes conditionn\u00e9s. Le crit\u00e8re de ma\u00eetrise op\u00e9rationnelle de la discrimination est r\u00e9put\u00e9 atteint lorsque le sujet \u00e9met des r\u00e9ponses vigoureuses et stables lors des essais <span class=\"arabpsy-math-inline\" data-latex=\"AB+\">$AB+$<\/span> tout en maintenant un plancher de r\u00e9ponse minimal, voire statistiquement ind\u00e9tectable, lors des pr\u00e9sentations al\u00e9atoires des essais distracteurs isol\u00e9s <span class=\"arabpsy-math-inline\" data-latex=\"A-\">$A-$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B-\">$B-$<\/span>.<\/p>\n<h3>5.2 Analyse comparative des vitesses d&rsquo;apprentissage<\/h3>\n<p>L&rsquo;un des apports majeurs de l&rsquo;analyse computationnelle de John Pearce a \u00e9t\u00e9 de fournir une explication math\u00e9matique \u00e9l\u00e9gante \u00e0 une r\u00e9gularit\u00e9 empirique constat\u00e9e depuis longtemps dans les laboratoires : les animaux apprennent beaucoup plus rapidement \u00e0 ma\u00eetriser un pattern positif qu&rsquo;un pattern n\u00e9gatif. Sous l&rsquo;angle des mod\u00e8les \u00e9l\u00e9mentaires na\u00effs, cette asym\u00e9trie cin\u00e9tique constituait une anomalie troublante. Si l&rsquo;apprentissage n&rsquo;\u00e9tait qu&rsquo;une simple acquisition de forces associatives positives ou n\u00e9gatives ind\u00e9pendantes, les deux structures discriminatives \u2014 qui partagent rigoureusement le m\u00eame nombre d&rsquo;\u00e9l\u00e9ments et la m\u00eame contingence logique inverse \u2014 devraient pr\u00e9senter des courbes d&rsquo;apprentissage approximativement superposables.<\/p>\n<p>Le mod\u00e8le unitaire de Pearce rend compte de cette diff\u00e9rence gr\u00e2ce \u00e0 l&rsquo;asym\u00e9trie structurelle du transfert de similarit\u00e9 calcul\u00e9 entre les configurations :<\/p>\n<ul>\n<li>Dans le pattern positif, l&rsquo;entra\u00eenement d\u00e9bute par des essais o\u00f9 les \u00e9l\u00e9ments <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> sont non renforc\u00e9s, acqu\u00e9rant de facto une force directe nulle (<span class=\"arabpsy-math-inline\" data-latex=\"V_A = 0, V_B = 0\">$V_A = 0, V_B = 0$<\/span>).<\/li>\n<li>Lorsque le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> est pr\u00e9sent\u00e9 et renforc\u00e9, il acquiert une force associative excitatrice directe massive (<span class=\"arabpsy-math-inline\" data-latex=\"V_{AB} \\rightarrow \\lambda\">$V_{AB} \\rightarrow \\lambda$<\/span>).<\/li>\n<li>Certes, cette excitation accumul\u00e9e sur <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> se g\u00e9n\u00e9ralise en partie vers les \u00e9l\u00e9ments isol\u00e9s selon la r\u00e8gle :\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_A = {_AS_{AB}} \\times V_{AB}\">$$\\bar{V}_A = {_AS_{AB}} \\times V_{AB}$$<\/span><\/p>\n<p>    Cependant, comme nous l&rsquo;avons \u00e9tabli math\u00e9matiquement, l&rsquo;indice de similarit\u00e9 entre un \u00e9l\u00e9ment isol\u00e9 et un compos\u00e9 bipartite (<span class=\"arabpsy-math-inline\" data-latex=\"0{,}5\">$0{,}5$<\/span>) divise par deux la charge associative transmise.<\/li>\n<\/ul>\n<p>De surcro\u00eet, le renforcement continu du compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> n&rsquo;est frein\u00e9 par aucune force inhibitrice active pr\u00e9existante issue des \u00e9l\u00e9ments, car les essais d&rsquo;extinction <span class=\"arabpsy-math-inline\" data-latex=\"A-\">$A-$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B-\">$B-$<\/span> conduisent simplement les \u00e9l\u00e9ments vers une valeur associative nulle sans d\u00e9velopper d&rsquo;inhibition conditionnelle active (dans la mesure o\u00f9 aucun \u00e9l\u00e9ment n&rsquo;avait pr\u00e9alablement \u00e9t\u00e9 rendu excitateur). L&rsquo;excitation de <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> progresse donc \u00e0 une vitesse maximale, dict\u00e9e uniquement par le terme <span class=\"arabpsy-math-inline\" data-latex=\"(\\lambda - \\bar{V}_{AB})\">$(\\lambda &#8211; \\bar{V}_{AB})$<\/span>. Les \u00e9l\u00e9ments <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> n&rsquo;acqui\u00e8rent qu&rsquo;une excitation r\u00e9siduelle transitoire rapidement balay\u00e9e par l&rsquo;absence d&rsquo;inconditionnel. \u00c0 l&rsquo;inverse, dans le pattern n\u00e9gatif, la n\u00e9cessit\u00e9 d&rsquo;accumuler une quantit\u00e9 massive d&rsquo;inhibition directe sur <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> pour vaincre la double excitation transf\u00e9r\u00e9e par <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et par <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> impose une charge d&rsquo;apprentissage consid\u00e9rablement plus lourde, ralentissant l&rsquo;atteinte de l&rsquo;asymptote de discrimination.<\/p>\n<h3>5.3 Implications sur la nature du traitement perceptif unitaire<\/h3>\n<p>L&rsquo;observation empirique de la r\u00e9solution rapide du pattern positif apporte une preuve probante confirmant que le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> n&rsquo;est en aucune mani\u00e8re r\u00e9ductible \u00e0 la simple somme sensorielle per\u00e7ue de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>. Si le syst\u00e8me nerveux se contentait de superposer les flux sensoriels dans un accumulateur lin\u00e9aire passif, la pr\u00e9sentation conjointe de deux signaux intrins\u00e8quement d\u00e9pourvus de toute valeur biologique (<span class=\"arabpsy-math-inline\" data-latex=\"A-\">$A-$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B-\">$B-$<\/span>) ne devrait en aucun cas g\u00e9n\u00e9rer un signal pr\u00e9dictif robuste sans un d\u00e9lai substantiel de restructuration cognitive.<\/p>\n<p>Ces donn\u00e9es confirment l&rsquo;existence d&rsquo;un effet de pr\u00e9pond\u00e9rance de la configuration globale sur l&rsquo;analyse locale des composantes, un principe directement emprunt\u00e9 aux lois de l&rsquo;organisation perceptive formul\u00e9es par Max Wertheimer et Wolfgang K\u00f6hler. L&rsquo;organisme traite le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> comme une entit\u00e9 \u00e9mergente imm\u00e9diatement individualisable. D\u00e8s les premiers essais d&rsquo;appariement avec la nourriture, c&rsquo;est cette Gestalt unifi\u00e9e qui capture l&rsquo;attention associative du sujet, rel\u00e9guant les sous-composantes physiques \u00e0 un statut subordonn\u00e9.<\/p>\n<p>Cette sup\u00e9riorit\u00e9 du traitement configural global a \u00e9t\u00e9 reproduite au sein d&rsquo;une vari\u00e9t\u00e9 remarquable d&rsquo;esp\u00e8ces animales, transcendant les clivages phylog\u00e9n\u00e9tiques traditionnels. Des travaux exp\u00e9rimentaux men\u00e9s sur des pigeons (<em>Columba livia<\/em>), des rongeurs de laboratoire (<em>Rattus norvegicus<\/em>), des abeilles domestiques (<em>Apis mellifera<\/em>) soumises au r\u00e9flexe d&rsquo;extension du proboscis, et des \u00eatres humains confront\u00e9s \u00e0 des t\u00e2ches d&rsquo;apprentissage pr\u00e9dictif sur \u00e9cran d&rsquo;ordinateur, ont r\u00e9v\u00e9l\u00e9 des patterns d&rsquo;acquisition similaires. La convergence de ces donn\u00e9es sugg\u00e8re que l&rsquo;encodage unitaire des configurations d&rsquo;indices sensoriels ne constitue pas une curiosit\u00e9 adaptative propre \u00e0 une niche \u00e9cologique singuli\u00e8re, mais repr\u00e9sente un algorithme fondamental de traitement de l&rsquo;information partag\u00e9 par l&rsquo;ensemble des syst\u00e8mes nerveux centraux bilat\u00e9riens.<\/p>\n<h2>6. La discrimination biconditionnelle : Le test critique de la th\u00e9orie<\/h2>\n<h3>6.1 Le paradigme biconditionnel (AB+, CD+, AC-, BD-)<\/h3>\n<p>Bien que les protocoles de pattern n\u00e9gatif et positif aient apport\u00e9 des arguments de poids en faveur de l&rsquo;approche unitaire, les th\u00e9oriciens \u00e9l\u00e9mentaristes pouvaient encore tenter de pr\u00e9server leurs mod\u00e8les en ajustant manuellement les param\u00e8tres de leurs unit\u00e9s configurale hypoth\u00e9tiques. Conscient de cette \u00e9chappatoire, John Pearce et ses coll\u00e8gues de l&rsquo;Universit\u00e9 de Cardiff ont \u00e9labor\u00e9 un banc d&rsquo;essai exp\u00e9rimental infiniment plus contraignant, con\u00e7u sp\u00e9cifiquement pour rendre totalement caduque toute tentative de sauvetage \u00e9l\u00e9mentaire : la discrimination biconditionnelle.<\/p>\n<p>Le protocole de discrimination biconditionnelle mobilise quatre stimuli distincts, habituellement d\u00e9sign\u00e9s par les lettres <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"D\">$D$<\/span>. Ces stimuli sont syst\u00e9matiquement pr\u00e9sent\u00e9s aux sujets exp\u00e9rimentaux sous la forme de quatre dyades compos\u00e9es distinctes selon un plan factoriel parfaitement crois\u00e9 et \u00e9quilibr\u00e9 :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB+ \\quad \\text{et} \\quad CD+\">$$AB+ \\quad \\text{et} \\quad CD+$$<\/span><\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AC- \\quad \\text{et} \\quad BD-\">$$AC- \\quad \\text{et} \\quad BD-$$<\/span><\/p>\n<p>La rigueur architecturale de ce paradigme r\u00e9side dans la neutralisation absolue de la valeur informative individuelle port\u00e9e par chaque \u00e9l\u00e9ment constitutif pris isol\u00e9ment.<\/p>\n<p>Examinons attentivement la contingence associative attach\u00e9e \u00e0 chaque signal \u00e9l\u00e9mentaire au cours d&rsquo;une session exp\u00e9rimentale compl\u00e8te :<\/p>\n<ul>\n<li>Le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> appara\u00eet dans le compos\u00e9 renforc\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB+\">$AB+$<\/span>, mais il appara\u00eet \u00e0 fr\u00e9quence strictement \u00e9gale dans le compos\u00e9 non renforc\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AC-\">$AC-$<\/span>. Sa probabilit\u00e9 brute d&rsquo;association avec le renfor\u00e7ateur est donc exactement de <span class=\"arabpsy-math-inline\" data-latex=\"p(SI mid A) = 0{,}5\">$p(SI mid A) = 0{,}5$<\/span>.<\/li>\n<li>Le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> est renforc\u00e9 dans <span class=\"arabpsy-math-inline\" data-latex=\"AB+\">$AB+$<\/span>, mais \u00e9teint dans <span class=\"arabpsy-math-inline\" data-latex=\"BD-\">$BD-$<\/span>, conf\u00e9rant une probabilit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"p(SI mid B) = 0{,}5\">$p(SI mid B) = 0{,}5$<\/span>.<\/li>\n<li>De mani\u00e8re rigoureusement identique, le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span> est renforc\u00e9 dans <span class=\"arabpsy-math-inline\" data-latex=\"CD+\">$CD+$<\/span> et \u00e9teint dans <span class=\"arabpsy-math-inline\" data-latex=\"AC-\">$AC-$<\/span>, tandis que le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"D\">$D$<\/span> est renforc\u00e9 dans <span class=\"arabpsy-math-inline\" data-latex=\"CD+\">$CD+$<\/span> et \u00e9teint dans <span class=\"arabpsy-math-inline\" data-latex=\"BD-\">$BD-$<\/span>, pr\u00e9sentant chacun une probabilit\u00e9 de renforcement <span class=\"arabpsy-math-inline\" data-latex=\"p = 0{,}5\">$p = 0{,}5$<\/span>.<\/li>\n<\/ul>\n<p>Aucun stimulus \u00e9l\u00e9mentaire ne poss\u00e8de donc la moindre valeur pr\u00e9dictive intrins\u00e8que concernant la survenue du renfor\u00e7ateur inconditionnel. La t\u00e2che interdit formellement toute strat\u00e9gie analytique bas\u00e9e sur la sommation de forces associatives positives ou n\u00e9gatives attach\u00e9es aux indices individuels.<\/p>\n<h3>6.2 R\u00e9sultats exp\u00e9rimentaux obtenus par John Pearce et ses collaborateurs<\/h3>\n<p>La r\u00e9alisation exp\u00e9rimentale de ce protocole chez l&rsquo;animal a constitu\u00e9 un tournant empirique d\u00e9cisif. Dans une s\u00e9rie d&rsquo;\u00e9tudes remarquables conduites \u00e0 la fin des ann\u00e9es 1980 et tout au long des ann\u00e9es 1990, Pearce et ses collaborateurs ont soumis des pigeons \u00e0 cette t\u00e2che complexe en utilisant des stimuli visuels g\u00e9om\u00e9triques projet\u00e9s sur des touches translucides ou des ensembles de sons et de motifs spatiaux. Les r\u00e9sultats exp\u00e9rimentaux ont balay\u00e9 les doutes : les sujets animaux parviennent sans ambigu\u00eft\u00e9 \u00e0 ma\u00eetriser cette discrimination biconditionnelle, apprenant \u00e0 picorer activement en r\u00e9ponse aux configurations <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"CD\">$CD$<\/span>, tout en inhibant remarquablement leurs r\u00e9ponses face aux configurations <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span>.<\/p>\n<p>L&rsquo;analyse d\u00e9taill\u00e9e des profils d&rsquo;apprentissage a r\u00e9v\u00e9l\u00e9 des r\u00e9gularit\u00e9s quantitatives fascinantes concernant les taux d&rsquo;erreurs commis au fil des blocs d&rsquo;essais. Pearce a d\u00e9montr\u00e9 que le niveau d&rsquo;interf\u00e9rence et d&rsquo;h\u00e9sitation comportementale manifest\u00e9 par l&rsquo;animal n&rsquo;est pas al\u00e9atoire : il est directement proportionnel au degr\u00e9 de ressemblance physique crois\u00e9e entre les configurations compos\u00e9es. Si les stimuli constitutifs sont modifi\u00e9s exp\u00e9rimentalement le long d&rsquo;un continuum perceptif (par exemple en faisant varier la longueur d&rsquo;onde de la lumi\u00e8re ou la fr\u00e9quence de tonalit\u00e9 des signaux acoustiques), la vitesse d&rsquo;acquisition de la discrimination et l&rsquo;ampleur des erreurs de fausse alarme sur <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span> \u00e9pousent scrupuleusement les valeurs pr\u00e9dites par les \u00e9quations de similarit\u00e9 configurale.<\/p>\n<p>Ces donn\u00e9es exp\u00e9rimentales ont mis en \u00e9chec frontal les mod\u00e8les \u00e9l\u00e9mentaires standards. Dans le cadre du mod\u00e8le de Rescorla-Wagner traditionnel, la force associative nette de chaque compos\u00e9 s&rsquo;exprime par la somme de ses \u00e9l\u00e9ments :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{AB} = V_A + V_B, \\quad V_{CD} = V_C + V_D, \\quad V_{AC} = V_A + V_C, \\quad V_{BD} = V_B + V_D\">$$V_{AB} = V_A + V_B, \\quad V_{CD} = V_C + V_D, \\quad V_{AC} = V_A + V_C, \\quad V_{BD} = V_B + V_D$$<\/span><\/p>\n<p>Puisque chaque \u00e9l\u00e9ment subit une histoire de renforcement rigoureusement identique \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"50,%\">$50,%$<\/span>, les \u00e9quations \u00e9l\u00e9mentaires contraignent toutes les valeurs <span class=\"arabpsy-math-inline\" data-latex=\"V_A, V_B, V_C, V_D\">$V_A, V_B, V_C, V_D$<\/span> \u00e0 converger vers une valeur strictement indiscernable. Le mod\u00e8le de Rescorla-Wagner pr\u00e9dit donc formellement une force associative identique pour les quatre compos\u00e9s, statuant que la discrimination biconditionnelle est <em>fondamentalement insoluble<\/em> pour un syst\u00e8me associatif. Le fait que les pigeons r\u00e9solvent ais\u00e9ment cette t\u00e2che a apport\u00e9 la d\u00e9monstration d\u00e9finitive qu&rsquo;un traitement associatif purement \u00e9l\u00e9mentaire est incapable de d\u00e9crire la cognition animale.<\/p>\n<h3>6.3 Interpr\u00e9tation th\u00e9orique des repr\u00e9sentations configuratives<\/h3>\n<p>Pour le mod\u00e8le configural unitaire, la discrimination biconditionnelle ne pr\u00e9sente aucune singularit\u00e9 logique myst\u00e9rieuse : elle s&rsquo;interpr\u00e8te comme l&rsquo;apprentissage simultan\u00e9 de quatre configurations globales distinctes dans un espace perceptif \u00e0 quatre p\u00f4les. Le sujet forme quatre repr\u00e9sentations internes unifi\u00e9es et stables :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"R(AB), \\quad R(CD), \\quad R(AC), \\quad \\text{et} \\quad R(BD)\">$$R(AB), \\quad R(CD), \\quad R(AC), \\quad \\text{et} \\quad R(BD)$$<\/span><\/p>\n<p>Ces quatre repr\u00e9sentations acqui\u00e8rent des forces associatives directes distinctes sous l&rsquo;influence directe de leurs contingences de renforcement respectives. Les dyades <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"CD\">$CD$<\/span> acqui\u00e8rent directement une force excitatrice propre (<span class=\"arabpsy-math-inline\" data-latex=\"V_{AB} \\rightarrow \\lambda\">$V_{AB} \\rightarrow \\lambda$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_{CD} \\rightarrow \\lambda\">$V_{CD} \\rightarrow \\lambda$<\/span>), tandis que les dyades <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span> acqui\u00e8rent directement une force inhibitrice propre ($V_{AC} < 0$ et $V_{BD} < 0$).<\/p>\n<p>La difficult\u00e9 apparente de la t\u00e2che r\u00e9side exclusivement dans l&rsquo;interf\u00e9rence de g\u00e9n\u00e9ralisation g\u00e9n\u00e9r\u00e9e par les \u00e9l\u00e9ments communs partag\u00e9s deux \u00e0 deux par les configurations. Si l&rsquo;on calcule l&rsquo;indice de similarit\u00e9 entre la configuration cible <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> et la configuration concurrente <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> selon la r\u00e8gle unitaire de 1987, les deux stimuli partagent un \u00e9l\u00e9ment commun (<span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>) sur deux \u00e9l\u00e9ments constitutifs totaux :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{AC}S_{AB} = \\frac{N_C}{N_{AC}} = \\frac{1}{2} = 0{,}5\">$$_{AC}S_{AB} = \\frac{N_C}{N_{AC}} = \\frac{1}{2} = 0{,}5$$<\/span><\/p>\n<p>Ainsi, la configuration <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> projette la moiti\u00e9 de son excitation vers <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> et la moiti\u00e9 vers <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span> (via l&rsquo;\u00e9l\u00e9ment partag\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>). Sym\u00e9triquement, la configuration <span class=\"arabpsy-math-inline\" data-latex=\"CD\">$CD$<\/span> projette la moiti\u00e9 de son excitation vers <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> (via l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span>) et vers <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span> (via l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"D\">$D$<\/span>).<\/p>\n<p>Le syst\u00e8me converge vers une r\u00e9solution stable d\u00e8s lors que les forces inhibitrices directes accumul\u00e9es par <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span> deviennent exactement assez puissantes pour compenser l&rsquo;excitation massive issue de la g\u00e9n\u00e9ralisation crois\u00e9e depuis <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"CD\">$CD$<\/span>. La discrimination biconditionnelle valide ainsi l&rsquo;hypoth\u00e8se centrale de Pearce : le cerveau traite les configurations d&rsquo;indices comme des modules holistiques fonctionnels capables d&rsquo;acqu\u00e9rir une charge associative autonome tout en interagissant au travers d&rsquo;un maillage math\u00e9matique de similarit\u00e9s partag\u00e9es.<\/p>\n<h2>7. Le d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation et les exp\u00e9riences de transfert<\/h2>\n<h3>7.1 L&rsquo;effet d&rsquo;addition et de soustraction d&rsquo;\u00e9l\u00e9ments<\/h3>\n<p>Parmi les protocoles exp\u00e9rimentaux les plus minutieusement con\u00e7us par John Pearce pour tester les pr\u00e9dictions diff\u00e9rentielles des th\u00e9ories \u00e9l\u00e9mentaires et configurale figurent les exp\u00e9riences d&rsquo;addition et de soustraction de stimuli neutres apr\u00e8s conditionnement pr\u00e9alable. Dans une exp\u00e9rience canonique de soustraction, un sujet exp\u00e9rimental est d&rsquo;abord soumis \u00e0 un conditionnement pavlovien intensif face \u00e0 un compos\u00e9 tripartite constitu\u00e9 de trois stimuli sensoriels simultan\u00e9s, not\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span>, appari\u00e9 syst\u00e9matiquement au stimulus inconditionnel :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"ABC+\">$$ABC+$$<\/span><\/p>\n<p>Une fois la r\u00e9ponse conditionn\u00e9e stabilis\u00e9e \u00e0 son asymptote, l&rsquo;exp\u00e9rimentateur proc\u00e8de \u00e0 une phase de test critique au cours de laquelle l&rsquo;un des trois stimuli, par exemple le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span>, est retir\u00e9 sans jamais avoir \u00e9t\u00e9 associ\u00e9 \u00e0 une contingence d&rsquo;extinction. L&rsquo;animal est alors test\u00e9 sur le sous-compos\u00e9 r\u00e9siduel bipartite :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB\">$$AB$$<\/span><\/p>\n<p>L&rsquo;analyse sous l&rsquo;angle du mod\u00e8le de Rescorla-Wagner pr\u00e9voit sans ambigu\u00eft\u00e9 qu&rsquo;au cours du conditionnement initial de <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span>, les trois \u00e9l\u00e9ments se partagent l&rsquo;asymptote associative selon leurs saillances relatives respectives :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_A + V_B + V_C = \\lambda\">$$V_A + V_B + V_C = \\lambda$$<\/span><\/p>\n<p>Lors de la transition vers le test sur <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, la force associative mobilis\u00e9e par le sujet s&rsquo;\u00e9l\u00e8ve \u00e0 :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{AB} = V_A + V_B\">$$V_{AB} = V_A + V_B$$<\/span><\/p>\n<p>Puisque les valeurs <span class=\"arabpsy-math-inline\" data-latex=\"V_A\">$V_A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"V_B\">$V_B$<\/span> sont positives, le mod\u00e8le \u00e9l\u00e9mentaire pr\u00e9dit une perte mod\u00e9r\u00e9e de r\u00e9ponse proportionnelle \u00e0 la fraction <span class=\"arabpsy-math-inline\" data-latex=\"V_C\">$V_C$<\/span> retir\u00e9e, mais soutient qu&rsquo;aucune perturbation de nature globale ne devrait affecter le traitement des \u00e9l\u00e9ments restants. Cependant, l&rsquo;exp\u00e9rience miroir d&rsquo;addition r\u00e9serve une mise \u00e0 l&rsquo;\u00e9preuve plus redoutable encore : si l&rsquo;on conditionne au pr\u00e9alable le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB+\">$AB+$<\/span>, puis que l&rsquo;on teste l&rsquo;animal en lui pr\u00e9sentant le compos\u00e9 enrichi <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span> (o\u00f9 l&rsquo;\u00e9l\u00e9ment <span class=\"arabpsy-math-inline\" data-latex=\"C\">$C$<\/span> n&rsquo;a jamais \u00e9t\u00e9 pr\u00e9sent\u00e9 auparavant et ne poss\u00e8de donc aucune force associative, <span class=\"arabpsy-math-inline\" data-latex=\"V_C = 0\">$V_C = 0$<\/span>), le mod\u00e8le \u00e9l\u00e9mentaire affirme cat\u00e9goriquement que la r\u00e9ponse sur <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span> doit \u00eatre rigoureusement identique \u00e0 la r\u00e9ponse sur <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"V_{ABC} = V_A + V_B + V_C = V_{AB} + 0 = V_{AB}\">$$V_{ABC} = V_A + V_B + V_C = V_{AB} + 0 = V_{AB}$$<\/span><\/p>\n<p>Les donn\u00e9es exp\u00e9rimentales recueillies par John Pearce ont r\u00e9fut\u00e9 cette pr\u00e9diction \u00e9l\u00e9mentaire en d\u00e9montrant l&rsquo;existence syst\u00e9matique d&rsquo;une chute massive de la r\u00e9ponse conditionn\u00e9e lors de l&rsquo;ajout d&rsquo;un \u00e9l\u00e9ment neutre : un <strong>d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation par addition<\/strong>. Du point de vue de la th\u00e9orie configurale de Pearce, ce r\u00e9sultat est une n\u00e9cessit\u00e9 math\u00e9matique. Le compos\u00e9 enrichi <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span> constitue une configuration globale diff\u00e9rente de la configuration originale <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>. La similarit\u00e9 entre la situation de test <span class=\"arabpsy-math-inline\" data-latex=\"ABC\">$ABC$<\/span> et la situation d&rsquo;apprentissage <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> s&rsquo;\u00e9tablit selon la proportion d&rsquo;\u00e9l\u00e9ments partag\u00e9s :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{ABC}S_{AB} = \\frac{N_{AB}}{N_{ABC}} = \\frac{2}{3} \\approx 0{,}67\">$$_{ABC}S_{AB} = \\frac{N_{AB}}{N_{ABC}} = \\frac{2}{3} \\approx 0{,}67$$<\/span><\/p>\n<p>L&rsquo;animal ne transf\u00e8re donc que les deux tiers de la force associative accumul\u00e9e sur <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, d\u00e9clenchant une diminution comportementale d&rsquo;un tiers de la r\u00e9ponse. La mise en \u00e9vidence empirique de ce d\u00e9cr\u00e9ment provoqu\u00e9 par l&rsquo;adjonction d&rsquo;un signal totalement neutre constitue un argument exp\u00e9rimental d\u00e9cisif contre la sommation lin\u00e9aire \u00e9l\u00e9mentaire.<\/p>\n<h3>7.2 Exp\u00e9riences de transfert apr\u00e8s apprentissage discriminatif<\/h3>\n<p>Pour approfondir la caract\u00e9risation de cette m\u00e9trique perceptive, Pearce et son \u00e9quipe ont \u00e9tendu leurs investigations aux protocoles de transfert cons\u00e9cutifs \u00e0 des apprentissages discriminatifs complets. Dans ce type d&rsquo;architecture exp\u00e9rimentale, les sujets sont d&rsquo;abord entra\u00een\u00e9s \u00e0 discriminer deux compos\u00e9s de complexit\u00e9 variable, par exemple un compos\u00e9 renforc\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB+\">$AB+$<\/span> oppos\u00e9 \u00e0 un compos\u00e9 non renforc\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"C-\">$C-$<\/span>. \u00c0 l&rsquo;issue de cette phase pr\u00e9paratoire, les exp\u00e9rimentateurs mesurent la g\u00e9n\u00e9ralisation comportementale de la r\u00e9ponse acquise non seulement vers les \u00e9l\u00e9ments constitutifs isol\u00e9s, mais vers une batterie de compos\u00e9s in\u00e9dits synth\u00e9tisant de nouvelles permutations d&rsquo;\u00e9l\u00e9ments familiers et non familiers (par exemple les combinaisons <span class=\"arabpsy-math-inline\" data-latex=\"AD\">$AD$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"BD\">$BD$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span>, ou <span class=\"arabpsy-math-inline\" data-latex=\"BC\">$BC$<\/span>).<\/p>\n<p>Ces protocoles de transfert permettent de cartographier avec une pr\u00e9cision remarquable le gradient de g\u00e9n\u00e9ralisation le long de dimensions physiques continues et de tester la transitivit\u00e9 des r\u00e8gles de similarit\u00e9 formul\u00e9es par Pearce. Les r\u00e9sultats observ\u00e9s ont syst\u00e9matiquement mis en lumi\u00e8re que l&rsquo;amplitude du gradient de r\u00e9ponse conditionn\u00e9e ne d\u00e9pend pas de la valeur associative absolue pr\u00e9existante des sous-composants pris individuellement, mais est gouvern\u00e9e de bout en bout par la distance g\u00e9om\u00e9trique et le ratio de similarit\u00e9 reliant la nouvelle configuration globale au prototype m\u00e9moris\u00e9.<\/p>\n<p>Ces mesures de transfert ont confirm\u00e9 de mani\u00e8re univoque la loi de proportionnalit\u00e9 postul\u00e9e par Pearce : plus la proportion d&rsquo;\u00e9l\u00e9ments partag\u00e9s entre le compos\u00e9 de test et le compos\u00e9 conditionn\u00e9 d&rsquo;origine est importante par rapport \u00e0 la taille totale de l&rsquo;ensemble d&rsquo;\u00e9l\u00e9ments activ\u00e9s, plus la magnitude de la r\u00e9ponse conditionn\u00e9e mesur\u00e9e chez l&rsquo;animal approche fid\u00e8lement celle observ\u00e9e face au stimulus d&rsquo;entra\u00eenement originel. La th\u00e9orie configurale a ainsi d\u00e9montr\u00e9 sa capacit\u00e9 pr\u00e9dictive sup\u00e9rieure pour mod\u00e9liser le transfert analogique d&rsquo;apprentissage d&rsquo;un contexte sensoriel vers un autre.<\/p>\n<h3>7.3 Le ph\u00e9nom\u00e8ne du &lsquo;Peak Shift&rsquo; revisit\u00e9<\/h3>\n<p>L&rsquo;un des succ\u00e8s th\u00e9oriques les plus remarquables de la th\u00e9orie configurale de Pearce r\u00e9side dans sa r\u00e9interpr\u00e9tation novatrice du ph\u00e9nom\u00e8ne classique de d\u00e9placement du pic de r\u00e9ponse, universellement d\u00e9sign\u00e9 sous le terme de <a rel=\"noopener noreferrer\" href=\"https:\/\/www.sciencedirect.com\/topics\/neuroscience\/peak-shift\">peak shift<\/a>. D\u00e9couvert initialement par Norman Guttman et Harry Kalish en 1956 chez le pigeon, ce ph\u00e9nom\u00e8ne se manifeste lorsqu&rsquo;un sujet est soumis \u00e0 une discrimination intrapolatoire entre deux stimuli conditionnels tr\u00e8s proches situ\u00e9s sur une m\u00eame dimension physique continue (telle que la longueur d&rsquo;onde lumineuse) : un stimulus renforc\u00e9 (<span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span>) et un stimulus non renforc\u00e9 (<span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span>). Lors d&rsquo;un test ult\u00e9rieur de g\u00e9n\u00e9ralisation balayant l&rsquo;ensemble du spectre de la dimension, le pic maximal de r\u00e9ponse conditionn\u00e9e de l&rsquo;animal ne se situe pas sur le stimulus renforc\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span>, mais se trouve d\u00e9cal\u00e9 vers une valeur de stimulus situ\u00e9e \u00e0 l&rsquo;oppos\u00e9 de <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span>.<\/p>\n<p>L&rsquo;explication historique \u00e9l\u00e9mentaire, formul\u00e9e magistralement par Kenneth Spence en 1937, postulait que ce d\u00e9placement r\u00e9sulte de l&rsquo;interaction m\u00e9canique soustractive entre deux gradients de force associative \u00e9l\u00e9mentaire ind\u00e9pendants se propageant le long de la dimension physique : un gradient excitateur gaussien centr\u00e9 autour de <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> et un gradient inhibiteur gaussien centr\u00e9 autour de <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span>. La sommation alg\u00e9brique point par point de ces deux gradients engendre un d\u00e9placement g\u00e9om\u00e9trique net du pic composite vers la r\u00e9gion oppos\u00e9e au point inhibiteur.<\/p>\n<p>John Pearce a propos\u00e9 une r\u00e9interpr\u00e9tation radicalement configurale de ce ph\u00e9nom\u00e8ne fondamental, r\u00e9cusant la n\u00e9cessit\u00e9 de postuler des gradients d&rsquo;inhibition \u00e9l\u00e9mentaires continus le long des r\u00e9cepteurs p\u00e9riph\u00e9riques. Selon Pearce, le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> et le stimulus <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span> sont appr\u00e9hend\u00e9s par le sujet comme deux configurations globales d&rsquo;indices perceptifs. L&rsquo;apprentissage discriminatif conf\u00e8re \u00e0 la configuration <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> une force associative excitatrice directe <span class=\"arabpsy-math-inline\" data-latex=\"V_{S+}\">$V_{S+}$<\/span>, tandis que la configuration <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span> acquiert une force associative inhibitrice directe <span class=\"arabpsy-math-inline\" data-latex=\"V_{S-}\">$V_{S-}$<\/span>. Lorsqu&rsquo;un stimulus de test in\u00e9dit <span class=\"arabpsy-math-inline\" data-latex=\"S_{test}\">$S_{test}$<\/span> est projet\u00e9, sa force associative totale d\u00e9pend de sa double ressemblance envers <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> et envers <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_{test} = ({_{test}S_{S+}} \\times V_{S+}) + ({_{test}S_{S-}} \\times V_{S-})\">$$\\bar{V}_{test} = ({_{test}S_{S+}} \\times V_{S+}) + ({_{test}S_{S-}} \\times V_{S-})$$<\/span><\/p>\n<p>Or, pour un stimulus de test situ\u00e9 imm\u00e9diatement au-del\u00e0 de <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> (dans la direction oppos\u00e9e \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span>), bien que sa similarit\u00e9 avec <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> soit l\u00e9g\u00e8rement inf\u00e9rieure \u00e0 celle de <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> avec lui-m\u00eame, sa distance perceptive envers la configuration inhibitrice <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span> augmente de mani\u00e8re beaucoup plus drastique. La d\u00e9crue spectaculaire de l&rsquo;inhibition g\u00e9n\u00e9ralis\u00e9e depuis <span class=\"arabpsy-math-inline\" data-latex=\"S-\">$S-$<\/span> lib\u00e8re l&rsquo;expression motrice du comportement, conf\u00e9rant \u00e0 ce stimulus in\u00e9dit une valeur pr\u00e9dictive nette <span class=\"arabpsy-math-inline\" data-latex=\"\\bar{V}_{test}\">$\\bar{V}_{test}$<\/span> math\u00e9matiquement sup\u00e9rieure \u00e0 celle de <span class=\"arabpsy-math-inline\" data-latex=\"S+\">$S+$<\/span> lui-m\u00eame. La th\u00e9orie de Pearce rend ainsi compte du <em>peak shift<\/em> sans recourir aux postulats spenciens traditionnels, en le rattachant directement aux lois fondamentales de la similarit\u00e9 configurale.<\/p>\n<h2>8. D\u00e9bats contradictoires : Mod\u00e8le de Pearce versus Mod\u00e8le \u00c9l\u00e9mentaire Modifi\u00e9<\/h2>\n<h3>8.1 La riposte \u00e9l\u00e9mentaire : Wagner et le mod\u00e8le SOP \/ AESOP<\/h3>\n<p>Face au d\u00e9fi th\u00e9orique majeur et aux succ\u00e8s exp\u00e9rimentaux \u00e9clatants accumul\u00e9s par John Pearce \u00e0 Cardiff, l&rsquo;\u00e9cole \u00e9l\u00e9mentariste n&rsquo;est pas rest\u00e9e passive. Sous la houlette d&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/link.springer.com\/referenceworkentry\/10.1007\/978-1-4419-1428-6_174\">Allan R. Wagner<\/a> \u00e0 l&rsquo;Universit\u00e9 Yale, l&rsquo;un des th\u00e9oriciens de l&rsquo;apprentissage les plus influents du XXe si\u00e8cle, une contre-offensive intellectuelle d&rsquo;envergure s&rsquo;est d\u00e9ploy\u00e9e \u00e0 travers le d\u00e9veloppement et le perfectionnement des mod\u00e8les SOP (<em>Standard Operating Procedures<\/em>) et AESOP (<em>Affective Extension of SOP<\/em>), culminant dans la formulation du mod\u00e8le des \u00e9l\u00e9ments remplac\u00e9s (<em>Replaced-Elements Model<\/em>, REM).<\/p>\n<p>Wagner a refus\u00e9 d&rsquo;abandonner le principe fondamental de l&rsquo;analyse \u00e9l\u00e9mentaire, soutenant qu&rsquo;il \u00e9tait possible d&rsquo;int\u00e9grer les ph\u00e9nom\u00e8nes dits configuraux sans renoncer \u00e0 la d\u00e9composition en composantes discr\u00e8tes. Pour r\u00e9pondre aux critiques de Pearce sur le caract\u00e8re artificiel des unit\u00e9s configurale de Rescorla, Wagner a propos\u00e9 un substrat computationnel sophistiqu\u00e9 bas\u00e9 sur un traitement distribu\u00e9 en micro-\u00e9l\u00e9ments. Dans le mod\u00e8le REM, tout stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> est conceptualis\u00e9 comme une population de micro-\u00e9l\u00e9ments repr\u00e9sentatifs. Lorsqu&rsquo;un stimulus <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> est pr\u00e9sent\u00e9 conjointement avec un stimulus <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> pour former le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, l&rsquo;interaction perceptive mutuelle provoque un ph\u00e9nom\u00e8ne de remplacement : une proportion d\u00e9termin\u00e9e des micro-\u00e9l\u00e9ments constitutifs de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> reste inchang\u00e9e (\u00e9l\u00e9ments conserv\u00e9s), tandis qu&rsquo;une autre fraction est inhib\u00e9e ou alt\u00e9r\u00e9e pour \u00eatre remplac\u00e9e par des micro-\u00e9l\u00e9ments configuraux uniques engendr\u00e9s par la co-activation des r\u00e9cepteurs sensoriels.<\/p>\n<p>Cette approche permettait \u00e0 Wagner de pr\u00e9server le m\u00e9canisme central de la sommation lin\u00e9aire et de l&rsquo;erreur de pr\u00e9diction globale de Rescorla-Wagner tout en mod\u00e9lisant une perte de force associative lors des changements de composition contextuelle. Dans la vision de Wagner, le compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> n&rsquo;est pas une entit\u00e9 indivisible, mais un agr\u00e9gat distribu\u00e9 comprenant des \u00e9l\u00e9ments propres \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>, des \u00e9l\u00e9ments propres \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>, et des \u00e9l\u00e9ments de conjonction <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>. Cette sophistication architecturale offrait une flexibilit\u00e9 quantitative accrue, capable d&rsquo;ajuster les pr\u00e9dictions \u00e9l\u00e9mentaires aux discriminations non lin\u00e9aires tout en maintenant le dogme de l&rsquo;associationnisme analytique classique.<\/p>\n<h3>8.2 Exp\u00e9riences discriminantes con\u00e7ues pour trancher le d\u00e9bat<\/h3>\n<p>La rivalit\u00e9 intellectuelle entre le mod\u00e8le configural unitaire de Pearce et les mod\u00e8les \u00e9l\u00e9mentaires avanc\u00e9s de Wagner a impuls\u00e9 une d\u00e9cennie d&rsquo;une rare intensit\u00e9 m\u00e9thodologique au sein de la psychologie animale internationale. Des protocoles exp\u00e9rimentaux d&rsquo;une virtuosit\u00e9 technique exceptionnelle ont \u00e9t\u00e9 \u00e9labor\u00e9s afin de concevoir des \u00ab \u00e9preuves cruciales \u00bb o\u00f9 les deux cadres th\u00e9oriques g\u00e9n\u00e9raient des pr\u00e9dictions comportementales rigoureusement divergentes et incompatibles.<\/p>\n<p>Parmi ces protocoles exp\u00e9rimentaux majeurs figuraient les discriminations structurales \u00e0 plusieurs niveaux d&rsquo;\u00e9l\u00e9ments. L&rsquo;une des exp\u00e9riences canoniques opposait l&rsquo;apprentissage d&rsquo;un syst\u00e8me asym\u00e9trique de type :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"A+ \\quad \\text{vs} \\quad AB-\">$$A+ \\quad \\text{vs} \\quad AB-$$<\/span><\/p>\n<p>confront\u00e9 \u00e0 un sch\u00e9ma de type :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"ABC+ \\quad \\text{vs} \\quad ABCD-\">$$ABC+ \\quad \\text{vs} \\quad ABCD-$$<\/span><\/p>\n<p>Selon le mod\u00e8le \u00e9l\u00e9mentaire \u00e0 micro-\u00e9l\u00e9ments de Wagner, l&rsquo;apprentissage de la discrimination devient progressivement plus difficile \u00e0 mesure que la taille du compos\u00e9 augmente, car la proportion relative d&rsquo;\u00e9l\u00e9ments informatifs par rapport \u00e0 la masse totale des micro-\u00e9l\u00e9ments non discriminants diminue m\u00e9caniquement. \u00c0 l&rsquo;inverse, selon le formalisme de similarit\u00e9 de Pearce, la vitesse d&rsquo;apprentissage d\u00e9pend exclusivement de la distance relative entre les deux configurations unitaires calcul\u00e9e par le rapport des \u00e9l\u00e9ments partag\u00e9s. Si le ratio de similarit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"_{AB}S_A\">$_{AB}S_A$<\/span> est identique au ratio <span class=\"arabpsy-math-inline\" data-latex=\"_{ABCD}S_{ABC}\">$_{ABCD}S_{ABC}$<\/span>, Pearce pr\u00e9dit des cin\u00e9tiques d&rsquo;acquisition parfaitement superposables.<\/p>\n<p>Ces controverses exp\u00e9rimentales ont \u00e9galement mobilis\u00e9 des analyses chronom\u00e9triques ultra-pr\u00e9cises de la latence des premi\u00e8res r\u00e9ponses motrices et de la distribution des temps de r\u00e9action op\u00e9rants. Les r\u00e9sultats exp\u00e9rimentaux issus de ces joutes de laboratoire n&rsquo;ont pas apport\u00e9 un pl\u00e9biscite exclusif et monolithique pour un camp unique, mais ont r\u00e9guli\u00e8rement montr\u00e9 que dans des conditions o\u00f9 les stimuli sont spatialement contigus et temporellement synchrones, les donn\u00e9es comportementales r\u00e9elles s&rsquo;alignent avec une pr\u00e9cision remarquable sur les pr\u00e9dictions math\u00e9matiques d\u00e9duites du mod\u00e8le holistique de Pearce.<\/p>\n<h3>8.3 Limites reconnues du mod\u00e8le original de Pearce (1987)<\/h3>\n<p>En d\u00e9pit de sa remarquable puissance th\u00e9orique et de son ind\u00e9niable \u00e9l\u00e9gance formelle, le mod\u00e8le original publi\u00e9 par John Pearce en 1987 n&rsquo;\u00e9tait pas exempt de certaines limitations math\u00e9matiques et empiriques que le chercheur gallois a lui-m\u00eame loyalement document\u00e9es. La faiblesse la plus notable de la version initiale concernait sa difficult\u00e9 \u00e0 rendre compte fid\u00e8lement de situations d&rsquo;apprentissage caract\u00e9ris\u00e9es par des asym\u00e9tries de saillance physique extr\u00eames entre les composantes d&rsquo;un m\u00eame ensemble.<\/p>\n<p>Lorsque le compos\u00e9 associait un stimulus de tr\u00e8s haute intensit\u00e9 (par exemple un flash stroboscopique aveuglant) et un stimulus de tr\u00e8s faible magnitude sensorielle (par exemple un souffle d&rsquo;air discret), les \u00e9quations de similarit\u00e9 bas\u00e9es sur le comptage discret d&rsquo;unit\u00e9s (<span class=\"arabpsy-math-inline\" data-latex=\"N_C \/ N_A\">$N_C \/ N_A$<\/span>) montraient des d\u00e9faillances pr\u00e9dictives. Le mod\u00e8le avait tendance \u00e0 sous-estimer la capacit\u00e9 du sujet \u00e0 extraire et \u00e0 discriminer l&rsquo;\u00e9l\u00e9ment faible dans certaines conditions de masquage partiel prolong\u00e9. De plus, dans certaines discriminations \u00e9l\u00e9ment-compos\u00e9 persistantes men\u00e9es sur des centaines de blocs d&rsquo;essais, certains animaux montraient une capacit\u00e9 r\u00e9siduelle \u00e0 r\u00e9pondre aux composantes analytiques d&rsquo;une mani\u00e8re qui sugg\u00e9rait que le syst\u00e8me perceptif n&rsquo;abandonne jamais totalement la possibilit\u00e9 d&rsquo;un traitement local.<\/p>\n<p>Ces anomalies empiriques ont mis en exergue une contrainte inh\u00e9rente \u00e0 la formulation de 1987 : la r\u00e8gle de similarit\u00e9 originelle \u00e9tait conceptuellement rigide et math\u00e9matiquement born\u00e9e. Elle traitait chaque \u00e9l\u00e9ment sensoriel comme une entit\u00e9 discr\u00e8te \u00e9quivalente (valant 1 dans le comptage), ce qui s&rsquo;av\u00e9rait une approximation trop simplificatrice face \u00e0 la complexit\u00e9 continue des signaux sensoriels biologiques. Une r\u00e9vision structurelle de l&rsquo;\u00e9difice math\u00e9matique de la similarit\u00e9 configurale s&rsquo;imposait donc pour affiner l&rsquo;approche et r\u00e9pondre aux contre-attaques de l&rsquo;\u00e9cole \u00e9l\u00e9mentariste.<\/p>\n<h2>9. La r\u00e9vision du mod\u00e8le : Pearce (1994) et la similarit\u00e9 configurale avanc\u00e9e<\/h2>\n<h3>9.1 Modifications conceptuelles de la r\u00e8gle de similarit\u00e9<\/h3>\n<p>Conscient des limites formelles de son premier opus, John Pearce a publi\u00e9 en 1994, \u00e0 nouveau dans la <em>Psychological Review<\/em>, une refonte math\u00e9matique majeure de sa th\u00e9orie unitaire : le mod\u00e8le configural r\u00e9vis\u00e9. Cette version avanc\u00e9e a introduit un calcul g\u00e9om\u00e9trique et probabiliste consid\u00e9rablement raffin\u00e9 pour formaliser la m\u00e9trique de similarit\u00e9 sensorielle entre configurations composites. Pearce a abandonn\u00e9 le simple ratio de comptage discret pour adopter une d\u00e9finition matricielle plus puissante, ancr\u00e9e dans la th\u00e9orie de la d\u00e9tection du signal et les espaces vectoriels perceptifs.<\/p>\n<p>Dans la formulation de 1994, la similarit\u00e9 entre deux configurations globales <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> est formellement d\u00e9finie comme le produit crois\u00e9 des similarit\u00e9s de leurs composantes pond\u00e9r\u00e9es par leurs intensit\u00e9s et leurs saillances continues respectives. La similarit\u00e9 configurale avanc\u00e9e entre deux patterns composites <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"AC\">$AC$<\/span> est exprim\u00e9e par l&rsquo;\u00e9quation sym\u00e9trique :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"_{AB}S_{AC} = \\frac{N_C}{\\sqrt{N_{AB} \\times N_{AC}}} \\times \\frac{N_C}{\\sqrt{N_{AB} \\times N_{AC}}} = \\frac{N_C^2}{N_{AB} \\times N_{AC}}\">$$_{AB}S_{AC} = \\frac{N_C}{\\sqrt{N_{AB} \\times N_{AC}}} \\times \\frac{N_C}{\\sqrt{N_{AB} \\times N_{AC}}} = \\frac{N_C^2}{N_{AB} \\times N_{AC}}$$<\/span><\/p>\n<p>Cette red\u00e9finition math\u00e9matique a permis d&rsquo;\u00e9liminer imm\u00e9diatement l&rsquo;asym\u00e9trie non intuitive pr\u00e9sente dans la version de 1987, garantissant que la similarit\u00e9 de <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> envers <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> devienne rigoureusement congruente \u00e0 la similarit\u00e9 de <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span> envers <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span> dans un espace m\u00e9trique euclidien r\u00e9gulier.<\/p>\n<p>De surcro\u00eet, le mod\u00e8le r\u00e9vis\u00e9 de 1994 a int\u00e9gr\u00e9 de mani\u00e8re explicite un terme continu de modulation de la saillance perceptive individuelle (<span class=\"arabpsy-math-inline\" data-latex=\"\\alpha\">$\\alpha$<\/span>), permettant d&rsquo;ajuster dynamiquement le poids d&rsquo;un \u00e9l\u00e9ment au sein de la repr\u00e9sentation globale selon son contraste physique et son niveau d&rsquo;amplification attentionnelle. Cette avanc\u00e9e formelle a conf\u00e9r\u00e9 au mod\u00e8le une robustesse math\u00e9matique absolue, lui permettant de traiter sans distorsion aussi bien des stimuli binaires purs que des signaux sensoriels continus modul\u00e9s en fr\u00e9quence, en intensit\u00e9 ou en localisation spatiale.<\/p>\n<h3>9.2 Nouvelles pr\u00e9dictions exp\u00e9rimentales<\/h3>\n<p>La puissance du mod\u00e8le r\u00e9vis\u00e9 de Pearce (1994) s&rsquo;est manifest\u00e9e par sa capacit\u00e9 \u00e0 formuler de nouvelles pr\u00e9dictions quantitatives d&rsquo;une extr\u00eame pr\u00e9cision face \u00e0 des situations d&rsquo;apprentissage jusqu&rsquo;alors r\u00e9put\u00e9es inexplicables. L&rsquo;un des domaines d&rsquo;application les plus brillants a concern\u00e9 le comportement d&rsquo;animaux soumis \u00e0 des discriminations structurales complexes impliquant des compos\u00e9s partageant des proportions variables et incr\u00e9mentielles d&rsquo;\u00e9l\u00e9ments communs, telles que les discriminations de type :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"ABCD+ \\quad \\text{vs} \\quad ABC E-\">$$ABCD+ \\quad \\text{vs} \\quad ABC E-$$<\/span><\/p>\n<p>compar\u00e9es \u00e0 des discriminations partageant moins d&rsquo;attributs communs comme :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"AB CD+ \\quad \\text{vs} \\quad AB EF-\">$$AB CD+ \\quad \\text{vs} \\quad AB EF-$$<\/span><\/p>\n<p>L&rsquo;\u00e9quation de 1994 calcule pour chaque cas une valeur num\u00e9rique exacte de transfert associatif sans n\u00e9cessiter le moindre ajustement de param\u00e8tre subjectif :<\/p>\n<ul>\n<li>Pour la premi\u00e8re paire, le nombre d&rsquo;\u00e9l\u00e9ments partag\u00e9s est <span class=\"arabpsy-math-inline\" data-latex=\"N_C = 3\">$N_C = 3$<\/span> sur <span class=\"arabpsy-math-inline\" data-latex=\"N_{ABCD} = 4\">$N_{ABCD} = 4$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"N_{ABCE} = 4\">$N_{ABCE} = 4$<\/span>, ce qui engendre un coefficient de similarit\u00e9 de :\n<p><span class=\"arabpsy-math-display\" data-latex=\"S = \\frac{3^2}{4 \\times 4} = \\frac{9}{16} = 0{,}5625\">$$S = \\frac{3^2}{4 \\times 4} = \\frac{9}{16} = 0{,}5625$$<\/span><\/p>\n<\/li>\n<li>Pour la seconde paire, le nombre d&rsquo;\u00e9l\u00e9ments partag\u00e9s n&rsquo;est plus que <span class=\"arabpsy-math-inline\" data-latex=\"N_C = 2\">$N_C = 2$<\/span>, ce qui donne un coefficient de similarit\u00e9 substantiellement plus faible :\n<p><span class=\"arabpsy-math-display\" data-latex=\"S = \\frac{2^2}{4 \\times 4} = \\frac{4}{16} = 0{,}25\">$$S = \\frac{2^2}{4 \\times 4} = \\frac{4}{16} = 0{,}25$$<\/span><\/p>\n<\/li>\n<\/ul>\n<p>Ces d\u00e9rivations math\u00e9matiques ont \u00e9t\u00e9 soumises \u00e0 une validation empirique scrupuleuse au travers de dizaines de s\u00e9ries exp\u00e9rimentales conduites dans les laboratoires de l&rsquo;Universit\u00e9 de Cardiff et r\u00e9pliqu\u00e9es de fa\u00e7on ind\u00e9pendante \u00e0 l&rsquo;Universit\u00e9 d&rsquo;Oxford. Les vitesses de discrimination mesur\u00e9es chez les sujets ont \u00e9pous\u00e9 les pr\u00e9dictions math\u00e9matiques du mod\u00e8le avec une fid\u00e9lit\u00e9 statistique remarquable, validant l&rsquo;exactitude de la r\u00e8gle g\u00e9om\u00e9trique r\u00e9vis\u00e9e pour d\u00e9crire les gradients de g\u00e9n\u00e9ralisation associatifs chez les vert\u00e9br\u00e9s sup\u00e9rieurs.<\/p>\n<h3>9.3 Port\u00e9e th\u00e9orique du mod\u00e8le r\u00e9vis\u00e9<\/h3>\n<p>La r\u00e9vision th\u00e9orique orchestr\u00e9e par John Pearce en 1994 a constitu\u00e9 un accomplissement intellectuel de premier ordre, salu\u00e9 par l&rsquo;ensemble de la communaut\u00e9 de la psychologie computationnelle et comportementale. En r\u00e9solvant les \u00e9cueils math\u00e9matiques de sa premi\u00e8re mouture tout en consolidant l&rsquo;int\u00e9grit\u00e9 de ses pr\u00e9misses Gestaltistes, Pearce a d\u00e9finitivement \u00e9tabli l&rsquo;approche configurale non plus comme une simple alternative contestataire face au mod\u00e8le de Rescorla-Wagner, mais comme un cadre th\u00e9orique universel, global et pr\u00e9dictif \u00e0 part enti\u00e8re.<\/p>\n<p>L&rsquo;un des atouts d\u00e9cisifs du mod\u00e8le de 1994 a \u00e9t\u00e9 sa capacit\u00e9 imm\u00e9diate \u00e0 unifier sous une m\u00eame armature conceptuelle des champs empiriques jusqu&rsquo;alors cloisonn\u00e9s de la psychologie animale. Pour la premi\u00e8re fois, une th\u00e9orie math\u00e9matique de l&rsquo;apprentissage associatif pavlovien s&rsquo;est av\u00e9r\u00e9e directement transposable et op\u00e9rationnelle pour pr\u00e9dire les performances de navigation et d&rsquo;apprentissage spatial, o\u00f9 les relations g\u00e9om\u00e9triques entre les rep\u00e8res d&rsquo;un environnement constituent par excellence des configurations holistiques indivisibles.<\/p>\n<p>Le mod\u00e8le r\u00e9vis\u00e9 a d\u00e9montr\u00e9 que la psychologie de l&rsquo;apprentissage n&rsquo;\u00e9tait pas condamn\u00e9e \u00e0 choisir entre un associationnisme analytique rigoureux mais r\u00e9ducteur et un holisme perceptif riche mais souvent impr\u00e9cis. En formalisant math\u00e9matiquement les lois d&rsquo;organisation des formes au sein m\u00eame des algorithmes de calcul de l&rsquo;erreur pr\u00e9dictive, Pearce a conf\u00e9r\u00e9 aux intuitions de la Gestalt psychologie la pr\u00e9cision formelle et la validit\u00e9 quantitative indispensables aux exigences des sciences contemporaines du cerveau et du comportement.<\/p>\n<h2>10. Substrats neurobiologiques et m\u00e9canismes c\u00e9r\u00e9braux de l&rsquo;apprentissage configural<\/h2>\n<h3>10.1 Le r\u00f4le critique de l&rsquo;hippocampe<\/h3>\n<p>Parall\u00e8lement aux joutes comportementales et aux formalisations computationnelles, l&rsquo;essor des neurosciences cognitives dans les ann\u00e9es 1990 a impuls\u00e9 une recherche active des substrats neuroanatomiques impliqu\u00e9s dans la mise en \u0153uvre des repr\u00e9sentations configuratives formalis\u00e9es par Pearce. Les chercheurs se sont rapidement focalis\u00e9s sur une structure sous-corticale majeure du syst\u00e8me limbique des mammif\u00e8res : la <a rel=\"noopener noreferrer\" href=\"https:\/\/www.ncbi.nlm.nih.gov\/books\/NBK559092\/\">formation hippocampique<\/a>.<\/p>\n<p>Dans une s\u00e9rie d&rsquo;\u00e9tudes neurobiologiques d\u00e9terminantes men\u00e9es notamment par Jerry Rudy et Robert Sutherland, la contribution de l&rsquo;hippocampe a \u00e9t\u00e9 \u00e9valu\u00e9e au travers de protocoles de l\u00e9sions s\u00e9lectives (par voie chirurgicale, radiofr\u00e9quence ou neurotoxique via l&rsquo;acide ibot\u00e9nique) chez le rongeur. Les r\u00e9sultats exp\u00e9rimentaux ont apport\u00e9 une confirmation saisissante de la dissociation fonctionnelle entre encodage \u00e9l\u00e9mentaire et traitement configural :<\/p>\n<ul>\n<li>Les rats pr\u00e9sentant une l\u00e9sion bilut\u00e9rale compl\u00e8te de l&rsquo;hippocampe demeurent parfaitement capables d&rsquo;acqu\u00e9rir des conditionnements pavloviens \u00e9l\u00e9mentaires simples (<span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"B+\">$B+$<\/span>) ainsi que des discriminations associatives simples lin\u00e9aires (<span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span> versus <span class=\"arabpsy-math-inline\" data-latex=\"B-\">$B-$<\/span>). Leurs courbes d&rsquo;apprentissage \u00e9l\u00e9mentaire sont strictement superposables \u00e0 celles d&rsquo;animaux contr\u00f4les intacts.<\/li>\n<li>En revanche, les m\u00eames animaux hippocampo-l\u00e9s\u00e9s s&rsquo;av\u00e8rent structurellement <strong>incapables de r\u00e9soudre les discriminations de pattern n\u00e9gatif<\/strong> (<span class=\"arabpsy-math-inline\" data-latex=\"A+\">$A+$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"B+\">$B+$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"AB-\">$AB-$<\/span>) ou les discriminations biconditionnelles. Face \u00e0 la pr\u00e9sentation simultan\u00e9e du compos\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"AB\">$AB$<\/span>, ils continuent ind\u00e9finiment de manifester des r\u00e9ponses motrices intenses, incapables d&rsquo;inhiber leur comportement face \u00e0 la configuration non renforc\u00e9e.<\/li>\n<\/ul>\n<p>Ces d\u00e9couvertes ont conduit Rudy et Sutherland \u00e0 formuler l&rsquo;hypoth\u00e8se d&rsquo;un \u00ab syst\u00e8me de m\u00e9moire configurale \u00bb d\u00e9pendant de l&rsquo;hippocampe (<em>Configural Association System<\/em>). L&rsquo;hippocampe agit physiologiquement comme un r\u00e9seau de convergence o\u00f9 les repr\u00e9sentations \u00e9l\u00e9mentaires relay\u00e9es par les cortex sensoriels primaires et associatifs sont li\u00e9es et fondues en une trace conjonctive unitaire et orthogonalis\u00e9e (via les r\u00e9seaux r\u00e9currents de la r\u00e9gion CA3 et les cellules granulaires du gyrus dent\u00e9). Les postulats unitaires de John Pearce ont ainsi trouv\u00e9 une incarnation neurobiologique directe : l&rsquo;hippocampe constitue le substrat anatomique charg\u00e9 d&rsquo;instancier les repr\u00e9sentations unitaires globales n\u00e9cessaires \u00e0 la r\u00e9solution des t\u00e2ches que les circuits \u00e9l\u00e9mentaires sous-corticaux et n\u00e9ocorticaux ne peuvent r\u00e9soudre seuls.<\/p>\n<h3>10.2 Le cortex p\u00e9rirhinal et le traitement unitaire des objets<\/h3>\n<p>Si l&rsquo;hippocampe joue un r\u00f4le d\u00e9terminant dans la conjonction d&rsquo;indices spatiaux ou temporels complexes, les recherches neurophysiologiques ult\u00e9rieures, men\u00e9es notamment par Elisabeth Murray et Timothy Bussey, ont d\u00e9montr\u00e9 qu&rsquo;une autre structure c\u00e9r\u00e9brale du lobe temporal m\u00e9dian joue un r\u00f4le encore plus direct dans l&rsquo;encodage des configurations perceptives d&rsquo;indices visuels : le <a rel=\"noopener noreferrer\" href=\"https:\/\/www.sciencedirect.com\/topics\/neuroscience\/perirhinal-cortex\">cortex p\u00e9rirhinal<\/a>.<\/p>\n<p>Situ\u00e9 \u00e0 l&rsquo;interface entre les aires n\u00e9ocorticales sensorielles visuelles de haut niveau (le cortex inf\u00e9rotemporal) et les structures hippocampiques profondes, le cortex p\u00e9rirhinal est id\u00e9alement positionn\u00e9 pour op\u00e9rer la synth\u00e8se perceptive d&rsquo;attributs multiples en une repr\u00e9sentation holistique unifi\u00e9e d&rsquo;objet. Les donn\u00e9es neuropsychologiques recueillies chez le primate non humain et chez le rat indiquent que des l\u00e9sions limit\u00e9es au cortex p\u00e9rirhinal alt\u00e8rent dramatiquement la capacit\u00e9 des sujets \u00e0 r\u00e9soudre des discriminations visuelles caract\u00e9ris\u00e9es par un niveau \u00e9lev\u00e9 d&rsquo;ambigu\u00eft\u00e9 de traits sensoriels (<em>feature ambiguity<\/em>) \u2014 une situation qui reproduit formellement la discrimination biconditionnelle de Pearce.<\/p>\n<p>Ces recherches d\u00e9montrent que le cortex p\u00e9rirhinal n&rsquo;est pas un simple r\u00e9pertoire m\u00e9moriel passif, mais une structure d&rsquo;int\u00e9gration perceptive fonctionnant selon les principes stricts du mod\u00e8le unitaire de Pearce. Lorsque des stimuli \u00e9l\u00e9mentaires sont pr\u00e9sent\u00e9s de mani\u00e8re combin\u00e9e, les populations neuronales du cortex p\u00e9rirhinal ne codent pas l&rsquo;activit\u00e9 s\u00e9par\u00e9e des attributs ; elles g\u00e9n\u00e8rent une d\u00e9charge synchrone sp\u00e9cifique \u00e0 la configuration visuelle globale. Ce traitement unitaire permet au syst\u00e8me nerveux central d&rsquo;attribuer une force associative unique \u00e0 l&rsquo;objet dans sa totalit\u00e9, confirmant la pertinence \u00e9cologique et neuroanatomique des \u00e9quations formul\u00e9es \u00e0 Cardiff.<\/p>\n<h3>10.3 Mod\u00e9lisation en r\u00e9seaux de neurones artificiels<\/h3>\n<p>L&rsquo;essor fulgurant des sciences cognitives computationnelles et des <a rel=\"noopener noreferrer\" href=\"https:\/\/plato.stanford.edu\/entries\/connectionism\/\">r\u00e9seaux de neurones artificiels<\/a> a fourni un troisi\u00e8me niveau de validation empirique \u00e0 la th\u00e9orie configurale de Pearce. Les th\u00e9oriciens computationnels se sont efforc\u00e9s d&rsquo;impl\u00e9menter les \u00e9quations de Pearce (1987, 1994) au sein d&rsquo;architectures connexionnistes formelles multicouches (perceptrons multicouches entra\u00een\u00e9s par r\u00e9tropropagation du gradient ou mod\u00e8les de r\u00e9seaux \u00e0 fonctions de base radiale, dits <em>RBF networks<\/em>).<\/p>\n<p>Ces mod\u00e9lisations computationnelles ont d\u00e9montr\u00e9 une convergence algorithmique frappante entre les pr\u00e9dictions math\u00e9matiques de Pearce et le fonctionnement dynamique des couches cach\u00e9es (<em>hidden layers<\/em>) au sein des r\u00e9seaux de neurones distribu\u00e9s. Dans un r\u00e9seau connexionniste entra\u00een\u00e9 sur des t\u00e2ches de pattern n\u00e9gatif ou de discrimination biconditionnelle, les unit\u00e9s neuronales interm\u00e9diaires apprennent spontan\u00e9ment \u00e0 d\u00e9velopper des champs r\u00e9cepteurs non lin\u00e9aires correspondant \u00e0 l&rsquo;intersection logique des entr\u00e9es sensorielles. Ces n\u0153uds cach\u00e9s se comportent de mani\u00e8re fonctionnellement identique aux repr\u00e9sentations configuratives unitaires postul\u00e9es par Pearce.<\/p>\n<p>De plus, l&rsquo;impl\u00e9mentation de calculs locaux de similarit\u00e9 configurale bas\u00e9s sur la distance euclidienne ou le cosinus de similarit\u00e9 vectorielle a permis de simuler avec un r\u00e9alisme saisissant les gradients de transfert associatif et le d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation observ\u00e9s chez l&rsquo;animal vivant. Cette concordance computationnelle prouve que le mod\u00e8le de Pearce ne constitue pas seulement une description heuristique abstraite du comportement animal, mais formalise avec une justesse rigoureuse les contraintes d&rsquo;optimisation math\u00e9matique qui p\u00e8sent sur tout syst\u00e8me de traitement adaptatif de l&rsquo;information confront\u00e9 \u00e0 des environnements statistiques complexes.<\/p>\n<h2>11. Extensions et applications contemporaines de la th\u00e9orie configurale<\/h2>\n<h3>11.1 L&rsquo;apprentissage spatial et la navigation chez l&rsquo;animal<\/h3>\n<p>L&rsquo;une des extensions les plus f\u00e9condes et les plus spectaculaires de la th\u00e9orie unitaire de John Pearce s&rsquo;est d\u00e9ploy\u00e9e dans le domaine de la cognition spatiale et de la navigation chez l&rsquo;animal. Traditionnellement, l&rsquo;apprentissage spatial \u00e9tait abord\u00e9 sous l&rsquo;angle du concept de \u00ab carte cognitive \u00bb \u00e9l\u00e9mentaire forg\u00e9 par Edward Tolman et actualis\u00e9 par John O&rsquo;Keefe et Lynn Nadel suite \u00e0 la d\u00e9couverte des cellules de lieu hippocampiques. Dans ce paradigme analytique, l&rsquo;animal navigue en calculant des vecteurs de positionnement g\u00e9om\u00e9trique par rapport \u00e0 des rep\u00e8res spatiaux discrets consid\u00e9r\u00e9s comme des signaux conditionnels \u00e9l\u00e9mentaires isol\u00e9s (arbres, poteaux, panneaux lumineux).<\/p>\n<p>John Pearce et ses doctorants ont profond\u00e9ment boulevers\u00e9 cette perspective en appliquant les principes de la th\u00e9orie configurale \u00e0 la navigation spatiale au sein de l&rsquo;ar\u00e8ne circulaire du labyrinthe aquatique de Morris. Pearce a confront\u00e9 des rats \u00e0 des environnements natatoires o\u00f9 la plateforme de sauvetage immerg\u00e9e \u00e9tait masqu\u00e9e et o\u00f9 l&rsquo;orientation spatiale d\u00e9pendait soit de rep\u00e8res discrets diss\u00e9min\u00e9s sur le pourtour de la cuve, soit de la structure g\u00e9om\u00e9trique globale de la pi\u00e8ce d&rsquo;entra\u00eenement (formes polygonales, rectangulaires ou trap\u00e9zo\u00efdales des parois).<\/p>\n<p>Les r\u00e9sultats de ces exp\u00e9riences ont d\u00e9montr\u00e9 de mani\u00e8re sans appel que les rongeurs traitent spontan\u00e9ment la forme de l&rsquo;environnement comme une Gestalt globale plut\u00f4t que comme une collection de surfaces planes ou d&rsquo;angles ind\u00e9pendants :<\/p>\n<ul>\n<li>Lorsque la configuration g\u00e9om\u00e9trique de la pi\u00e8ce est d\u00e9form\u00e9e (par exemple en \u00e9tirant un rectangle pour former un parall\u00e9logramme), les animaux manifestent un d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation spatial massif.<\/li>\n<li>Ce d\u00e9cr\u00e9ment est rigoureusement identique dans son amplitude math\u00e9matique \u00e0 celui pr\u00e9dit par l&rsquo;\u00e9quation de similarit\u00e9 configurale de 1994, attestant que la m\u00e9trique de transfert unitaire r\u00e9git aussi bien l&rsquo;apprentissage des sc\u00e8nes g\u00e9om\u00e9triques complexes que celui des stimuli acoustico-visuels \u00e9l\u00e9mentaires.<\/li>\n<\/ul>\n<h3>11.2 L&rsquo;apprentissage des cat\u00e9gories et concepts chez l&rsquo;humain<\/h3>\n<p>Bien que forg\u00e9e initialement dans le cadre du conditionnement animal en laboratoire, la th\u00e9orie de l&rsquo;apprentissage configural de Pearce a exerc\u00e9 un impact consid\u00e9rable sur la psychologie cognitive humaine, en particulier dans la mod\u00e9lisation de l&rsquo;apprentissage des cat\u00e9gories et de la formation des concepts abstraits. Durant des d\u00e9cennies, un d\u00e9bat conceptuel d&rsquo;envergure a oppos\u00e9 les th\u00e9ories bas\u00e9es sur les prototypes (qui postulent que l&rsquo;humain abstrait une moyenne math\u00e9matique abstraite des attributs de chaque cat\u00e9gorie) et les th\u00e9ories bas\u00e9es sur les exemplaires (qui soutiennent que l&rsquo;humain m\u00e9morise des repr\u00e9sentations individuelles concr\u00e8tes de chaque objet rencontr\u00e9).<\/p>\n<p>Les formalismes computationnels de John Pearce ont fourni un cadre formel d\u00e9cisif pour affiner les mod\u00e8les d&rsquo;exemplaires, dont le mod\u00e8le classique de contexte g\u00e9n\u00e9ralis\u00e9 (<em>Generalized Context Model<\/em>, GCM) d\u00e9velopp\u00e9 par Robert Nosofsky. La fonction de similarit\u00e9 configurale de Pearce s&rsquo;est av\u00e9r\u00e9e math\u00e9matiquement sup\u00e9rieure pour rendre compte de la mani\u00e8re dont les sujets humains classent de nouveaux sp\u00e9cimens au sein de cat\u00e9gories visuelles complexes pr\u00e9sentant des structures de corr\u00e9lation non lin\u00e9aires (telles que le diagnostic m\u00e9dical, la taxonomie botanique ou la reconnaissance d&#8217;empreintes digitales).<\/p>\n<p>Une application contemporaine majeure concerne la psychologie cognitive de la <a rel=\"noopener noreferrer\" href=\"https:\/\/www.sciencedirect.com\/topics\/psychology\/face-perception\">reconnaissance des visages<\/a> et des sc\u00e8nes visuelles d&rsquo;ensemble. Il est exp\u00e9rimentalement \u00e9tabli que le syst\u00e8me visuel humain traite les visages de mani\u00e8re profond\u00e9ment holistique : l&rsquo;alt\u00e9ration de l&rsquo;espacement entre le nez et la bouche modifie instantan\u00e9ment la perception d&rsquo;ensemble des yeux et du menton. Les algorithmes de mod\u00e9lisation unitaire inspir\u00e9s de Pearce parviennent \u00e0 simuler avec une fid\u00e9lit\u00e9 impressionnante l&rsquo;effet d&rsquo;inversion des visages et les illusions d&rsquo;identit\u00e9 composites (effet composite de Young, Hellawell et Hay), confirmant que l&rsquo;encodage d&rsquo;objets sociaux chez l&rsquo;\u00eatre humain ob\u00e9it aux lois de l&rsquo;int\u00e9gration configurale unifi\u00e9e.<\/p>\n<h3>11.3 Psychopathologie exp\u00e9rimentale et th\u00e9rapies cognitives<\/h3>\n<p>L&rsquo;\u00e9difice th\u00e9orique \u00e9rig\u00e9 par John Pearce a trouv\u00e9 des r\u00e9sonances profondes et hautement pragmatiques dans le champ de la psychopathologie exp\u00e9rimentale contemporaine, en particulier dans la conceptualisation \u00e9tiologique et le traitement clinique des troubles anxieux, des phobies sp\u00e9cifiques et du syndrome de stress post-traumatique (<a rel=\"noopener noreferrer\" href=\"https:\/\/www.sciencedirect.com\/topics\/psychology\/post-traumatic-stress-disorders\">SSPT<\/a>).<\/p>\n<p>Dans la gen\u00e8se du stress post-traumatique, les patients manifestent fr\u00e9quemment des ph\u00e9nom\u00e8nes d&rsquo;hyperg\u00e9n\u00e9ralisation de la peur conditionn\u00e9e : un stimulus anodin du quotidien (par exemple le bruit d&rsquo;un pot d&rsquo;\u00e9chappement dans une rue passante) d\u00e9clenche une r\u00e9miniscence traumatique et une terreur panique intenses. L&rsquo;approche configurale permet d&rsquo;analyser cette pathologie sous un jour nouveau :<\/p>\n<ul>\n<li>Le patient traumatis\u00e9 souffre d&rsquo;une d\u00e9faillance du traitement unitaire des contextes environnementaux, souvent li\u00e9e \u00e0 des alt\u00e9rations structurales ou fonctionnelles hippocampiques cons\u00e9cutives \u00e0 un stress toxique prolong\u00e9.<\/li>\n<li>Incapable d&rsquo;encoder la sc\u00e8ne traumatique initiale comme une configuration singuli\u00e8re, complexe et contextualis\u00e9e, le sujet r\u00e9agit au moindre micro-\u00e9l\u00e9ment sensoriel isol\u00e9 partag\u00e9 avec l&rsquo;\u00e9v\u00e9nement tragique d&rsquo;origine.<\/li>\n<\/ul>\n<p>Sur le plan psychoth\u00e9rapeutique, le mod\u00e8le de Pearce \u00e9claire d&rsquo;une mani\u00e8re critique les m\u00e9canismes sous-tendant le retour ind\u00e9sirable de la peur apr\u00e8s des th\u00e9rapies comportementales d&rsquo;exposition (extinction). Il est empiriquement document\u00e9 que lorsqu&rsquo;une phobie est \u00e9teinte avec succ\u00e8s au sein du cabinet feutr\u00e9 d&rsquo;un psychologue (contexte <span class=\"arabpsy-math-inline\" data-latex=\"A\">$A$<\/span>), la r\u00e9\u00e9mergence de la peur est fr\u00e9quente d\u00e8s que le patient est confront\u00e9 \u00e0 nouveau \u00e0 l&rsquo;objet phobog\u00e8ne dans son environnement naturel (contexte <span class=\"arabpsy-math-inline\" data-latex=\"B\">$B$<\/span>). Ce ph\u00e9nom\u00e8ne, connu sous le nom de \u00ab renouvellement contextuel \u00bb (<em>renewal<\/em>), s&rsquo;explique directement selon Pearce par un <strong>d\u00e9cr\u00e9ment de g\u00e9n\u00e9ralisation de l&rsquo;extinction<\/strong> :<\/p>\n<p><span class=\"arabpsy-math-display\" data-latex=\"\\bar{V}_{\\text{phobie}} = {_{\\text{contexte } B}S_{\\text{contexte } A}} \\times V_{\\text{extinction}}\">$$\\bar{V}_{\\text{phobie}} = {_{\\text{contexte } B}S_{\\text{contexte } A}} \\times V_{\\text{extinction}}$$<\/span><\/p>\n<p>La rupture de la configuration contextuelle neutralise le transfert de l&rsquo;inhibition protectrice acquise en th\u00e9rapie. Forts de cette compr\u00e9hension computationnelle, les th\u00e9rapeutes cognitivo-comportementaux optimisent aujourd&rsquo;hui leurs protocoles d&rsquo;exposition en diversifiant syst\u00e9matiquement les configurations de stimuli, les environnements et les indices contextuels durant les s\u00e9ances d&rsquo;entra\u00eenement afin d&rsquo;\u00e9largir le spectre de similarit\u00e9 configurale et de pr\u00e9munir durablement les patients contre le risque de rechute.<\/p>\n<h2>12. \u00c9valuation critique, synth\u00e8se th\u00e9orique et perspectives de recherche<\/h2>\n<h3>12.1 La querelle \u00e9l\u00e9mentaire-configurale : \u00c9tat des lieux actuel<\/h3>\n<p>Au terme de pr\u00e8s de quatre d\u00e9cennies de controverses th\u00e9oriques et d&rsquo;investigations exp\u00e9rimentales minutieuses, la querelle historique opposant les tenants de l&rsquo;approche \u00e9l\u00e9mentaire aux partisans du paradigme configural a atteint un stade de maturit\u00e9 \u00e9pist\u00e9mologique particuli\u00e8rement f\u00e9cond. Aujourd&rsquo;hui, la communaut\u00e9 scientifique internationale s&rsquo;accorde largement \u00e0 reconna\u00eetre que la vision d&rsquo;une dichotomie radicale et exclusive entre ces deux mod\u00e8les constituait une simplification heuristique transitoire. La r\u00e9alit\u00e9 cognitive et biologique semble s&rsquo;incarner dans des <strong>mod\u00e8les hybrides et int\u00e9gr\u00e9s<\/strong>, dits mod\u00e8les \u00e0 double traitement (<em>dual-processing models<\/em>).<\/p>\n<p>Des th\u00e9oriciens contemporains de l&rsquo;apprentissage associatif ont d\u00e9montr\u00e9 que le cerveau des vert\u00e9br\u00e9s sup\u00e9rieurs abrite des architectures computationnelles parall\u00e8les capables d&rsquo;alterner dynamiquement entre un mode de traitement \u00e9l\u00e9mentaire analytique et un mode de traitement configural holistique. Le basculement pr\u00e9f\u00e9rentiel vers l&rsquo;une ou l&rsquo;autre de ces strat\u00e9gies d\u00e9pend \u00e9troitement de contraintes \u00e9cologiques, m\u00e9taboliques et cognitives sp\u00e9cifiques :<\/p>\n<ul>\n<li>La saillance relative et la proximit\u00e9 spatio-temporelle des indices favorisent la fusion configurale unifi\u00e9e lorsque les stimuli sont pr\u00e9sent\u00e9s de mani\u00e8re contigu\u00eb et compacte.<\/li>\n<li>La charge cognitive globale impos\u00e9e \u00e0 l&rsquo;organisme, la nature des exigences discriminatives de l&rsquo;environnement, ainsi que le niveau d&rsquo;entra\u00eenement attentionnel jouent un r\u00f4le pivot dans la s\u00e9lection de la strat\u00e9gie de traitement.<\/li>\n<\/ul>\n<p>L&rsquo;attention s\u00e9lective, telle que mod\u00e9lis\u00e9e par Nick Mackintosh et John Pearce lui-m\u00eame dans leurs th\u00e9ories attentionnelles respectives, agit comme un filtre modulateur puissant : lorsque la t\u00e2che impose de focaliser les ressources cognitives sur un attribut invariant isol\u00e9, le syst\u00e8me neural peut inhiber temporairement la synth\u00e8se configurale globale pour privil\u00e9gier l&rsquo;extraction \u00e9l\u00e9mentaire locale, et inversement.<\/p>\n<h3>12.2 L&rsquo;h\u00e9ritage intellectuel et exp\u00e9rimental de John Pearce<\/h3>\n<p>La contribution monumentale de John M. Pearce \u00e0 la psychologie scientifique et aux neurosciences comportementales d\u00e9passe largement le strict cadre de la mod\u00e9lisation de l&rsquo;apprentissage associatif. L&rsquo;h\u00e9ritage de Pearce se caract\u00e9rise d&rsquo;abord par une exigence m\u00e9thodologique intransigeante et une \u00e9l\u00e9gance formelle hors du commun dans la conception des plans exp\u00e9rimentaux. Ses protocoles de discriminations structurales complexes et ses m\u00e9triques de transfert de similarit\u00e9 constituent aujourd&rsquo;hui des canons m\u00e9thodologiques universellement enseign\u00e9s et r\u00e9pliqu\u00e9s dans les laboratoires de neurobiologie du monde entier.<\/p>\n<p>Pearce a r\u00e9ussi le tour de force de transformer durablement le paradigme de la psychologie de l&rsquo;apprentissage en faisant voler en \u00e9clats le carcan du behaviorisme \u00e9l\u00e9mentaire dogmatique qui assimilait l&rsquo;esprit animal \u00e0 un simple faisceau de r\u00e9flexes additifs. En introduisant des lois math\u00e9matiques de structure Gestaltiste au c\u0153ur des m\u00e9canismes du conditionnement classique, il a r\u00e9concili\u00e9 la rigueur quantitative de l&rsquo;\u00e9cole pavlovienne anglo-saxonne avec la profondeur ph\u00e9nom\u00e9nologique de la psychologie continentale de la forme.<\/p>\n<p>Son influence sur les neurosciences cognitives computationnelles modernes demeure immense. Des algorithmes modernes d&rsquo;apprentissage profond (<em>deep learning<\/em>) aux architectures bio-inspir\u00e9es d\u00e9di\u00e9es \u00e0 la robotique autonome, les \u00e9quations diff\u00e9rentielles de similarit\u00e9 configurale formul\u00e9es \u00e0 Cardiff constituent l&rsquo;une des fondations th\u00e9oriques les plus solides pour concevoir des machines capables de percevoir le monde non pas comme une juxtaposition de pixels num\u00e9riques froids, mais comme une symphonie coh\u00e9rente d&rsquo;entit\u00e9s globales dot\u00e9es de sens adaptatif.<\/p>\n<h3>12.3 Perspectives et fronti\u00e8res de recherche future<\/h3>\n<p>\u00c0 l&rsquo;aube des d\u00e9cennies futures, les perspectives ouvertes par l&rsquo;exp\u00e9rience d&rsquo;apprentissage configural de Pearce s&rsquo;annoncent particuli\u00e8rement vastes et stimulantes. L&rsquo;un des fronts de recherche les plus prometteurs r\u00e9side dans l&rsquo;int\u00e9gration explicite des principes de similarit\u00e9 configurale au sein des algorithmes modernes d&rsquo;<a rel=\"noopener noreferrer\" href=\"https:\/\/www.nature.com\/articles\/nature14236\">apprentissage par renforcement<\/a> (<em>Reinforcement Learning<\/em>) et des mod\u00e8les de contr\u00f4le pr\u00e9dictif bas\u00e9s sur l&rsquo;\u00e9nergie libre et le codage pr\u00e9dictif (<em>predictive coding<\/em>). La formalisation math\u00e9matique de la mani\u00e8re dont les configurations d&rsquo;\u00e9tats environnementaux r\u00e9duisent dynamiquement l&rsquo;entropie repr\u00e9sentationnelle repr\u00e9sente un d\u00e9fi d&rsquo;avant-garde aux confluents des math\u00e9matiques appliqu\u00e9es, de l&rsquo;intelligence artificielle et de la physique statistique.<\/p>\n<p>Parall\u00e8lement, les progr\u00e8s vertigineux de la neuro-imagerie fonctionnelle \u00e0 haute r\u00e9solution spatio-temporelle (IRMf \u00e0 ultra-haut champ \u00e0 7 Teslas et plus) et des techniques d&rsquo;enregistrement optog\u00e9n\u00e9tique <em>in vivo<\/em> chez l&rsquo;animal \u00e9veill\u00e9 offrent l&rsquo;opportunit\u00e9 in\u00e9dite de visualiser directement le d\u00e9cours temporel de la synth\u00e8se configurale au sein des ensembles synaptiques du lobe temporal. Les neuroscientifiques sont aujourd&rsquo;hui en mesure de suivre en temps r\u00e9el la mani\u00e8re dont les assembl\u00e9es de neurones corticaux et hippocampiques fusionnent des signaux sensoriels h\u00e9t\u00e9roclites en une repr\u00e9sentation unitaire stable au fur et \u00e0 mesure que la valeur pr\u00e9dictive de la configuration se cristallise dans les circuits de la m\u00e9moire \u00e9pisodique.<\/p>\n<p>L&rsquo;exp\u00e9rience d&rsquo;apprentissage configural initi\u00e9e par John Pearce demeure l&rsquo;une des plus fascinantes d\u00e9monstrations de la capacit\u00e9 de l&rsquo;esprit scientifique \u00e0 transcender les fausses \u00e9vidences du r\u00e9ductionnisme lin\u00e9aire. En d\u00e9montrant que la perception globale du monde fa\u00e7onne la m\u00e9canique la plus intime de nos associations pr\u00e9dictives, John Pearce a durablement ancr\u00e9 la psychologie de l&rsquo;apprentissage au rang des sciences nobles de la complexit\u00e9 cognitive.<\/p>\n<h2>R\u00e9f\u00e9rences<\/h2>\n<ul>\n<li>Bussey, T. J., &#038; Saksida, L. M. (2002). The organization of visual object representations: A neurocomputational account of effects of damage to the perirhinal cortex. <em>European Journal of Neuroscience<\/em>, 15(2), 355-364. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1046\/j.0953-816x.2001.01851.x\">https:\/\/doi.org\/10.1046\/j.0953-816x.2001.01851.x<\/a><\/li>\n<li>Garner, W. R. (1974). <em>The Processing of Information and Structure<\/em>. Lawrence Erlbaum Associates.<\/li>\n<li>Guttman, N., &#038; Kalish, H. I. (1956). Discriminability and stimulus generalization. <em>Journal of Experimental Psychology<\/em>, 51(1), 79-88. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/h0046219\">https:\/\/doi.org\/10.1037\/h0046219<\/a><\/li>\n<li>Mackintosh, N. J. (1975). A theory of attention: Variations in the associability of stimuli with reinforcement. <em>Psychological Review<\/em>, 82(4), 276-298. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/h0076778\">https:\/\/doi.org\/10.1037\/h0076778<\/a><\/li>\n<li>Nosofsky, R. M. (1986). Attention, similarity, and the identification-categorization relationship. <em>Journal of Experimental Psychology: General<\/em>, 115(1), 39-61. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/0096-3445.115.1.39\">https:\/\/doi.org\/10.1037\/0096-3445.115.1.39<\/a><\/li>\n<li>Pearce, J. M. (1987). A model for stimulus generalization in Pavlovian conditioning. <em>Psychological Review<\/em>, 94(1), 61-73. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/0033-295X.94.1.61\">https:\/\/doi.org\/10.1037\/0033-295X.94.1.61<\/a><\/li>\n<li>Pearce, J. M. (1994). Similarity and discrimination: A selective review and a connectionist model. <em>Psychological Review<\/em>, 101(4), 587-607. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/0033-295X.101.4.587\">https:\/\/doi.org\/10.1037\/0033-295X.101.4.587<\/a><\/li>\n<li>Pearce, J. M. (2002). Evaluation and development of a connectionist theory of configural learning. <em>Animal Learning &#038; Behavior<\/em>, 30(2), 73-95. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.3758\/BF03192911\">https:\/\/doi.org\/10.3758\/BF03192911<\/a><\/li>\n<li>Pearce, J. M., &#038; Redhead, E. S. (1993). The influence of an irrelevant stimulus on configural conditioning. <em>Journal of Experimental Psychology: Animal Behavior Processes<\/em>, 19(2), 180-190. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/0097-7403.19.2.180\">https:\/\/doi.org\/10.1037\/0097-7403.19.2.180<\/a><\/li>\n<li>Rescorla, R. A. (1972). \u00ab\u00a0Configural\u00a0\u00bb conditioning in discrete-trial bar pressing. <em>Journal of Comparative and Physiological Psychology<\/em>, 79(2), 307-317. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/h0032585\">https:\/\/doi.org\/10.1037\/h0032585<\/a><\/li>\n<li>Rescorla, R. A., &#038; Wagner, A. R. (1972). A theory of Pavlovian conditioning: Variations in the effectiveness of reinforcement and nonreinforcement. In A. H. Black &#038; W. F. Prokasy (Eds.), <em>Classical Conditioning II: Current Research and Theory<\/em> (pp. 64-99). Appleton-Century-Crofts.<\/li>\n<li>Rudy, J. W., &#038; Sutherland, R. J. (1995). Configural association theory and the hippocampus: New data and alternatives. <em>Hippocampus<\/em>, 5(5), 375-389. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1002\/hipo.450050502\">https:\/\/doi.org\/10.1002\/hipo.450050502<\/a><\/li>\n<li>Spence, K. W. (1937). The differential response in animals to stimuli varying within a single dimension. <em>Psychological Review<\/em>, 44(5), 430-444. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1037\/h0062885\">https:\/\/doi.org\/10.1037\/h0062885<\/a><\/li>\n<li>Wagner, A. R. (1981). SOP: A model of automatic memory processing in animal behavior. In N. E. Spear &#038; R. R. Miller (Eds.), <em>Information Processing in Animals: Memory Mechanisms<\/em> (pp. 5-47). Lawrence Erlbaum Associates.<\/li>\n<li>Wagner, A. R. (2003). Context-sensitive elemental conditioning. In S. B. Klein &#038; R. R. Mowrer (Eds.), <em>Contemporary Learning Theories<\/em> (pp. 111-137). Psychology Press.<\/li>\n<li>Young, A. W., Hellawell, D., &#038; Hay, D. C. (1987). Configural information in face perception. <em>Perception<\/em>, 16(6), 747-759. <a rel=\"noopener noreferrer\" href=\"https:\/\/doi.org\/10.1068\/p160747\">https:\/\/doi.org\/10.1068\/p160747<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Analyse approfondie de la th\u00e9orie et des exp\u00e9riences d&rsquo;apprentissage configural de John Pearce face aux mod\u00e8les \u00e9l\u00e9mentaires du conditionnement associatif.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[647,1472],"tags":[7409,7203,7410,6411,7411],"class_list":["post-5493","psych_experiment","type-psych_experiment","status-publish","hentry","category-psychologie-cognitive","category-sciences-du-comportement","tag-apprentissage-configural","tag-conditionnement-pavlovien","tag-john-pearce","tag-neurobiologie","tag-theorie-associative"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_experiment\/5493","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_experiment"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_experiment"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=5493"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_experiment\/5493\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=5493"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=5493"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=5493"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}