La science de la vision humaine se situe \u00e0 la crois\u00e9e de la physique de la lumi\u00e8re, de la biologie des photor\u00e9cepteurs et de l’architecture algorithmique du syst\u00e8me nerveux central. Depuis la fin du vingti\u00e8me si\u00e8cle, l’essor des sciences cognitives computationnelles a profond\u00e9ment red\u00e9fini l’\u00e9tude de la perception sensorielle, transformant une discipline jadis largement descriptive ou ph\u00e9nom\u00e9nologique en un champ formel fond\u00e9 sur la mod\u00e9lisation math\u00e9matique et l’exp\u00e9rimentation m\u00e9trologique de haute pr\u00e9cision. Au c\u0153ur de cette r\u00e9volution scientifique se d\u00e9ploient les travaux majeurs de David H. Brainard, figure incontournable des neurosciences computationnelles et de la psychophysique de la vision des couleurs, dont les recherches ont jet\u00e9 des ponts in\u00e9dits entre l’optique oculaire, le traitement statistique de l’information et le comportement perceptif conscient.<\/p>\n
N\u00e9 au d\u00e9but des ann\u00e9es 1960 et actif de mani\u00e8re ininterrompue jusqu’\u00e0 aujourd’hui, Brainard a d\u00e9velopp\u00e9 un cadre th\u00e9orique novateur qui appr\u00e9hende le syst\u00e8me visuel non comme un simple r\u00e9cepteur passif, mais comme un syst\u00e8me d’inf\u00e9rence statistique optimal confront\u00e9 \u00e0 des contraintes physiques et biologiques s\u00e9v\u00e8res. Face au d\u00e9fi fondamental pos\u00e9 par l’ambigu\u00eft\u00e9 des images r\u00e9tiniennes \u2014 o\u00f9 l’\u00e9nergie lumineuse atteignant l’\u0153il r\u00e9sulte du produit indissociable des spectres d’illumination et des propri\u00e9t\u00e9s de r\u00e9flectance des surfaces \u2014, ses travaux ont formalis\u00e9 la mani\u00e8re dont le cerveau humain r\u00e9sout ce \u00ab probl\u00e8me inverse mal pos\u00e9 \u00bb. En combinant des mod\u00e8les d’observateurs id\u00e9aux bas\u00e9s sur le cadre th\u00e9orique bay\u00e9sien avec des mesures comportementales d’une extr\u00eame rigueur, il a fourni les premi\u00e8res solutions quantitatives rigoureuses au probl\u00e8me s\u00e9culaire de la constance des couleurs.<\/p>\n
Au-del\u00e0 de la th\u00e9orie de la couleur, l’apport scientifique de David Brainard s’incarne dans la cr\u00e9ation d’instruments computationnels et m\u00e9thodologiques qui ont red\u00e9fini la pratique quotidienne des laboratoires de vision \u00e0 l’\u00e9chelle mondiale. Des biblioth\u00e8ques de programmation exp\u00e9rimentale comme la Psychtoolbox<\/a> jusqu’\u00e0 la plateforme biophysique de pointe ISETBio<\/a> (Image Systems Engineering Toolbox for Biology<\/em>), son \u0153uvre allie la recherche fondamentale la plus abstraite aux applications cliniques et technologiques contemporaines, incluant la th\u00e9rapie g\u00e9nique des dyschromatopsies et l’optimisation des proth\u00e8ses r\u00e9tiniennes. Ce parcours intellectuel retrace l’\u00e9mergence d’une science computationnelle de la perception sensorielle de 1960 \u00e0 nos jours.<\/p>\n La formation intellectuelle de David Brainard s’enracine au confluent de la physique fondamentale, des math\u00e9matiques appliqu\u00e9es et de la psychologie exp\u00e9rimentale. D\u00e8s ses \u00e9tudes de premier cycle \u00e0 l’Universit\u00e9 Harvard au d\u00e9but des ann\u00e9es 1980, il manifeste un int\u00e9r\u00eat marqu\u00e9 pour la quantification rigoureuse des processus mentaux, refusant la dichotomie traditionnelle entre les sciences de la nature et l’\u00e9tude de l’esprit humain. Convaincu que les myst\u00e8res de la perception consciente ne peuvent \u00eatre \u00e9lucid\u00e9s sans une ma\u00eetrise absolue des m\u00e9canismes physiques sous-jacents \u00e0 la formation des images, il s’oriente vers la biophysique et l’optique, tout en s’impr\u00e9gnant des principes \u00e9mergents de l’informatique th\u00e9orique et de l’intelligence artificielle.<\/p>\n Cette approche interdisciplinaire s’affirme de mani\u00e8re d\u00e9cisive lors de son doctorat \u00e0 l’Universit\u00e9 de Rochester, alors l’un des \u00e9picentres mondiaux des sciences visuelles contemporaines. Au sein du Center for Visual Science, Brainard b\u00e9n\u00e9ficie de l’\u00e9mulation intellectuelle suscit\u00e9e par des ma\u00eetres de la psychophysique et de l’optique physiologique tels que Walter Makous, David Williams et John Krauskopf. Sous leur influence, il apprend \u00e0 d\u00e9composer la cha\u00eene sensorielle avec une pr\u00e9cision chirurgicale, mesurant la diffraction oculaire, l’\u00e9chantillonnage de la mosa\u00efque des photor\u00e9cepteurs et les recombinaisons post-r\u00e9ceptoriales. Sa th\u00e8se doctorale, consacr\u00e9e \u00e0 l’estimation conjointe des illuminants et des surfaces, pose les fondations de ce qui deviendra la marque de fabrique de ses travaux : une alliance m\u00e9thodologique indissoluble entre formulation math\u00e9matique rigoureuse et collecte de donn\u00e9es psychophysiques empiriques.<\/p>\n Apr\u00e8s des travaux postdoctoraux fondateurs et un premier passage acad\u00e9mique \u00e0 l’Universit\u00e9 de Californie \u00e0 Santa Barbara, David Brainard rejoint le corps professoral de l’Universit\u00e9 de Pennsylvanie (UPenn), o\u00f9 il s’\u00e9tablit durablement au sein du D\u00e9partement de Psychologie. Au fil des d\u00e9cennies, il y b\u00e2tit un laboratoire de renomm\u00e9e plan\u00e9taire, occupant la prestigieuse chaire Centennial Term Professor of Psychology<\/em> et exer\u00e7ant d’importantes responsabilit\u00e9s de direction institutionnelle, notamment en tant que directeur associ\u00e9 de l’Institut des Sciences Cognitives d’UPenn. Son rayonnement acad\u00e9mique se traduit par une influence d\u00e9terminante sur plusieurs g\u00e9n\u00e9rations de doctorants et de post-doctorants, diss\u00e9minant une culture scientifique o\u00f9 la rigueur algorithmique dialogue en permanence avec les contraintes neurobiologiques.<\/p>\n L’entr\u00e9e de David Brainard dans la recherche acad\u00e9mique co\u00efncide avec un bouleversement de paradigme majeur au sein des sciences cognitives : la publication posthume, en 1982, de l’ouvrage fondateur de David Marr, Vision<\/em>. Marr propose une structuration th\u00e9orique tripartite de l’analyse des syst\u00e8mes de traitement de l’information, distinguant le niveau computationnel (quelle est la t\u00e2che et quelle est sa logique physique ?), le niveau algorithmique (quelles repr\u00e9sentations et quelles \u00e9tapes de calcul sont mises en \u0153uvre ?) et le niveau de l’impl\u00e9mentation physique (quel substrat mat\u00e9riel ou neuronal r\u00e9alise ces calculs ?). Cette grille de lecture exerce une influence profonde sur la g\u00e9n\u00e9ration de chercheurs \u00e0 laquelle appartient Brainard, fournissant un cadre unifi\u00e9 permettant d’\u00e9chapper aux limites descriptives de la psychophysique classique du dix-neuvi\u00e8me si\u00e8cle sans sombrer dans le r\u00e9ductionnisme neurobiologique na\u00eff.<\/p>\n Dans ce contexte scientifique des d\u00e9cennies 1980 et 1990, le b\u00e9haviorisme r\u00e9siduel, qui se contentait d’\u00e9tablir des fonctions de transfert bo\u00eete-noire entre stimulus et r\u00e9ponse, est d\u00e9finitivement supplant\u00e9 par l’analyse algorithmique des flux sensoriels. Parall\u00e8lement, l’informatique graphique et le traitement du signal num\u00e9rique connaissent un d\u00e9veloppement spectaculaire. Les chercheurs commencent \u00e0 concevoir des algorithmes capables de segmenter des images num\u00e9riques et de reconstruire des structures tridimensionnelles \u00e0 partir de projections bidimensionnelles. Cependant, un gouffre subsiste entre la vision par ordinateur, souvent pragmatique et d\u00e9pourvue de validation psychologique, et la psychophysique humaine, encore cantonn\u00e9e \u00e0 des stimuli excessivement abstraits, comme des r\u00e9seaux sinuso\u00efdaux monochromatiques sur des fonds uniformes.<\/p>\n C’est pr\u00e9cis\u00e9ment \u00e0 cette interface critique que David Brainard positionne ses recherches. Il comprend que les principes algorithmiques de la vision par ordinateur ne peuvent enrichir la psychologie que si les exp\u00e9riences psychophysiques int\u00e8grent la complexit\u00e9 optique des sc\u00e8nes naturelles tout en conservant un contr\u00f4le param\u00e9trique absolu. En synth\u00e9tisant l’h\u00e9ritage de l’optique physiologique d’Ernst Mach et d’Hermann von Helmholtz<\/a> avec les m\u00e9thodes computationnelles modernes, Brainard fait converger la neuroscience de la vision et l’ing\u00e9nierie statistique, inaugurant une \u00e8re o\u00f9 le cerveau est con\u00e7u comme un d\u00e9codeur d’images r\u00e9solvant des inf\u00e9rences physiques complexes en situation d’incertitude permanente.<\/p>\n L’itin\u00e9raire intellectuel de David Brainard, des ann\u00e9es 1980 jusqu’\u00e0 nos jours, refl\u00e8te une maturation th\u00e9orique continue, passant d’une colorim\u00e9trie exp\u00e9rimentale lin\u00e9aire \u00e0 une \u00e9cologie statistique sophistiqu\u00e9e de la vision. Dans la phase initiale de ses travaux, Brainard se consacre principalement \u00e0 la g\u00e9om\u00e9trie des espaces colorim\u00e9triques, explorant comment l’alg\u00e8bre lin\u00e9aire et les d\u00e9compositions spectrales permettent d’\u00e9lucider la constance des couleurs. Ces mod\u00e8les pr\u00e9coces reposent sur des hypoth\u00e8ses de lin\u00e9arit\u00e9 globale et sur l’utilisation de mod\u00e8les lin\u00e9aires r\u00e9duits pour repr\u00e9senter les spectres de r\u00e9flectance et les illuminants, s’inscrivant dans la continuit\u00e9 directe des travaux pionniers de Laurence Maloney et Brian Wandell.<\/p>\n Au tournant des ann\u00e9es 2000, David Brainard fait \u00e9voluer sa posture th\u00e9orique en embrassant pleinement la r\u00e9volution bay\u00e9sienne qui transforme alors les sciences cognitives. Constatant que les mod\u00e8les purement d\u00e9terministes et lin\u00e9aires \u00e9chouent \u00e0 capturer la subtilit\u00e9 des jugements humains face \u00e0 des sc\u00e8nes visuelles complexes, il reformule le probl\u00e8me de la perception des couleurs et de l’apparence des surfaces sous l’angle de l’estimation statistique optimale. L’accent se d\u00e9place de la simple inversion matricielle vers la caract\u00e9risation des distributions de probabilit\u00e9 a priori<\/em> dict\u00e9es par l’environnement naturel. Le syst\u00e8me visuel n’est plus envisag\u00e9 comme un m\u00e9canisme r\u00e9solvant un syst\u00e8me d’\u00e9quations statiques, mais comme une machine statistique adaptative calculant des densit\u00e9s de probabilit\u00e9 a posteriori<\/em> conditionn\u00e9es par un flux d’informations r\u00e9tiniennes bruit\u00e9es.<\/p>\n Enfin, au cours des deux derni\u00e8res d\u00e9cennies, cette orientation bay\u00e9sienne s’est enrichie d’une volont\u00e9 d’ancrage biophysique radical. Gr\u00e2ce \u00e0 l’av\u00e8nement d’une puissance de calcul sans pr\u00e9c\u00e9dent, Brainard s’est \u00e9loign\u00e9 des stimuli sch\u00e9matiques affich\u00e9s sur des tubes cathodiques pour d\u00e9velopper des simulateurs physiologiques int\u00e9graux. Cette \u00e9volution culmine dans la cr\u00e9ation d’\u00e9cosyst\u00e8mes logiciels capables de mod\u00e9liser le trajet individuel de millions de photons \u00e0 travers les aberrations du front d’onde oculaire, leur absorption par la mosa\u00efque stochastique des c\u00f4nes et leur transmission cin\u00e9tique dans les synapses r\u00e9tiniennes. Sa trajectoire scientifique illustre ainsi un mouvement dialectique constant : des lois psychophysiques abstraites vers la formalisation math\u00e9matique, puis de l’inf\u00e9rence bay\u00e9sienne vers la reconstitution computationnelle du tissu biologique.<\/p>\n L’architecture de la recherche men\u00e9e par David Brainard s’appuie sur une distinction \u00e9pist\u00e9mologique fondamentale : le positionnement des processus visuels au niveau interm\u00e9diaire (mid-level vision<\/em>). En sciences de la vision, ce niveau interm\u00e9diaire se d\u00e9finit comme l’\u00e9tage de traitement situ\u00e9 pr\u00e9cis\u00e9ment entre la transduction physique pr\u00e9coce \u2014 assur\u00e9e par l’optique corn\u00e9enne et les photor\u00e9cepteurs de la r\u00e9tine \u2014 et l’\u00e9mergence finale de la conscience ph\u00e9nom\u00e9nale ou de la s\u00e9mantique de haut niveau. Brainard soutient que les secrets de l’organisation perceptive r\u00e9sident dans cette zone charni\u00e8re, o\u00f9 les signaux bruts de radiance spectrale sont regroup\u00e9s, segment\u00e9s et interpr\u00e9t\u00e9s sous la forme de repr\u00e9sentations stables d’objets, de surfaces et d’\u00e9clairages.<\/p>\n Pour explorer ce niveau sans c\u00e9der \u00e0 la sp\u00e9culation m\u00e9taphysique, Brainard conf\u00e8re un r\u00f4le axial \u00e0 la mesure comportementale du seuil diff\u00e9rentiel de perception. La psychophysique, selon sa doctrine, ne doit pas se r\u00e9duire \u00e0 un recueil d’impressions subjectives non v\u00e9rifiables ; elle doit quantifier les limites ultimes de la sensibilit\u00e9 humaine avec une pr\u00e9cision comparable \u00e0 celle de la m\u00e9trologie physique. En soumettant des observateurs humains \u00e0 des paradigmes rigoureux de discrimination sensorielle, le chercheur mesure les seuils absolus et diff\u00e9rentiels permettant de d\u00e9duire les op\u00e9rations algorithmiques ex\u00e9cut\u00e9es par les r\u00e9seaux neuronaux sous-jacents. Cette d\u00e9marche postule qu’aucun mod\u00e8le perceptif ne peut \u00eatre valid\u00e9 s’il ne pr\u00e9dit pas quantitativement les erreurs, les biais et les seuils de performance mesur\u00e9s en laboratoire.<\/p>\n Cette rigueur m\u00e9thodologique conduit Brainard \u00e0 rejeter formellement les approches ph\u00e9nom\u00e9nologiques purement descriptives, qui se contentent d’inventorier les illusions visuelles sans en formaliser les principes g\u00e9n\u00e9rateurs. Pour lui, une illusion n’est pas une d\u00e9faillance curieuse du cerveau, mais la signature logique d’une strat\u00e9gie computationnelle optimale op\u00e9rant sous des contraintes d’information incompl\u00e8te. La liaison syst\u00e9matique entre les repr\u00e9sentations algorithmiques et les substrats neurobiologiques devient ainsi l’unique crit\u00e8re de scientificit\u00e9 : tout calcul postul\u00e9 par la psychophysique doit pouvoir \u00eatre mapp\u00e9 sur les dynamiques physiologiques connues des circuits r\u00e9tiniens, thalamiques ou corticaux.<\/p>\n Au c\u0153ur du cadre th\u00e9orique de Brainard r\u00e9side la formulation math\u00e9matique de la vision en tant que \u00ab probl\u00e8me inverse mal pos\u00e9 \u00bb, une notion initialement introduite par Jacques Hadamard en math\u00e9matiques et popularis\u00e9e dans l’\u00e9tude de la perception par Hermann von Helmholtz et David Marr. La formation d’une image optique sur la r\u00e9tine est un processus direct d\u00e9terministe r\u00e9git par les lois de l’\u00e9lectromagn\u00e9tisme : la lumi\u00e8re \u00e9mise par une ou plusieurs sources \u00e9claire les objets du monde, est r\u00e9fl\u00e9chie en fonction des propri\u00e9t\u00e9s spectrales de leur mati\u00e8re, traverse les milieux transparents de l’\u0153il et forme une distribution spatiale de photons absorb\u00e9s par les pigments visuels. Ce processus direct projette un monde tridimensionnel et spectralement riche sur une surface bidimensionnelle et sous-\u00e9chantillonn\u00e9e.<\/p>\n Le probl\u00e8me inverse, que le syst\u00e8me visuel est somm\u00e9 de r\u00e9soudre \u00e0 chaque milliseconde pour assurer la survie de l’organisme, consiste \u00e0 d\u00e9duire l’\u00e9tat r\u00e9el du monde physique ext\u00e9rieur \u00e0 partir de cette projection r\u00e9tinienne appauvrie. Math\u00e9matiquement, ce probl\u00e8me est radicalement sous-d\u00e9termin\u00e9 : une infinit\u00e9 de combinaisons physiques distinctes de sources lumineuses, de g\u00e9om\u00e9tries d’objets et de r\u00e9flectances mat\u00e9rielles peuvent engendrer exactement la m\u00eame image r\u00e9tinienne. Pour lever cette sous-d\u00e9termination fondamentale et convertir ce probl\u00e8me mal pos\u00e9 en une t\u00e2che soluble, le syst\u00e8me visuel doit obligatoirement introduire des contraintes suppl\u00e9mentaires, c’est-\u00e0-dire des postulats ou des connaissances a priori<\/em> sur la structure statistique de l’univers physique.<\/p>\n Dans ce cadre computationnel de traitement de l’information, Brainard mod\u00e9lise rigoureusement l’impact d\u00e9l\u00e9t\u00e8re du rapport signal sur bruit (RSB) le long de la cha\u00eene sensorielle pr\u00e9coce. D\u00e8s l’entr\u00e9e du syst\u00e8me, le flux visuel subit les fluctuations quantiques inh\u00e9rentes \u00e0 l’arriv\u00e9e discr\u00e8te des photons (le bruit de Poisson), auxquelles s’ajoutent le bruit d’isom\u00e9risation thermique des opsines et le bruit synaptique des circuits r\u00e9tiniens. L’analyse de Brainard d\u00e9montre que la t\u00e2che computationnelle du cerveau ne consiste pas simplement \u00e0 calculer des transformations spatiales ou g\u00e9om\u00e9triques, mais \u00e0 pr\u00e9server et extraire l’information pertinente dans un syst\u00e8me physique continuellement corrompu par le bruit stochastique, transformant la perception en un processus de filtrage et d’estimation statistique hautement sp\u00e9cialis\u00e9.<\/p>\n L’un des apports les plus durables de David Brainard r\u00e9side dans la clart\u00e9 avec laquelle il a formalis\u00e9 la g\u00e9om\u00e9trie des espaces de couleur \u00e0 l’aide des outils de l’alg\u00e8bre lin\u00e9aire vectorielle. Dans ce cadre formel, une distribution spectrale de puissance lumineuse, qu’elle repr\u00e9sente une source d’\u00e9clairage ou la radiance \u00e9mise par une surface, est mod\u00e9lis\u00e9e non pas comme une fonction continue infinie, mais comme un vecteur de dimension $N$<\/span>, o\u00f9 chaque composante correspond \u00e0 l’\u00e9nergie pr\u00e9sente dans une bande de longueur d’onde discr\u00e9tis\u00e9e du spectre visible, g\u00e9n\u00e9ralement mesur\u00e9e entre 380 et 780 nanom\u00e8tres :<\/p>\n $$\\vec{E} = [e(\\lambda_1), e(\\lambda_2), dots, e(\\lambda_N)]^T$$<\/span><\/p>\n De m\u00eame, la r\u00e9flectance d’une surface physique est repr\u00e9sent\u00e9e par une matrice diagonale ou un vecteur $N$<\/span>-dimensionnel d\u00e9crivant la fraction de lumi\u00e8re incidente renvoy\u00e9e \u00e0 chaque longueur d’onde. Lorsque cette lumi\u00e8re interagit avec l’\u0153il, elle traverse l’optique oculaire et est absorb\u00e9e par les trois types de photor\u00e9cepteurs \u00e0 c\u00f4nes qui tapissent la fov\u00e9a humaine : les c\u00f4nes sensibles aux grandes longueurs d’onde ($L$<\/span>), aux longueurs d’onde moyennes ($M$<\/span>) et aux courtes longueurs d’onde ($S$<\/span>). La sensibilit\u00e9 spectrale de ces trois classes de c\u00f4nes est encapsul\u00e9e dans une matrice de sensibilit\u00e9 $T$<\/span> de dimensions $3 \\times N$<\/span>, d\u00e9finie conform\u00e9ment aux tables de fondement des c\u00f4nes \u00e9tablies par Andrew Stockman et Lindsay Sharpe<\/a> :<\/p>\n $$\\vec{R}_{\\text{c\u00f4nes}} = \\begin{\\bmatrix} L \\ M \\ S \\end{\\bmatrix} = T \\cdot \\vec{C}$$<\/span><\/p>\n o\u00f9 $\\vec{C}$<\/span> repr\u00e9sente le spectre de radiance du stimulus atteignant la corn\u00e9e. Cette transformation constitue une projection lin\u00e9aire irr\u00e9versible d’un espace continu de dimension $N$<\/span> (physiquement infinie, num\u00e9riquement souvent discr\u00e9tis\u00e9e \u00e0 $N = 31$<\/span> ou $101$) vers un sous-espace vectoriel de basse dimension ($3$). Cette perte drastique de dimensionnalit\u00e9 est \u00e0 l’origine du ph\u00e9nom\u00e8ne de m\u00e9tam\u00e9risme<\/em> : deux distributions spectrales physiques totalement divergentes peuvent exciter de mani\u00e8re strictement identique les trois classes de photor\u00e9cepteurs et para\u00eetre ainsi visuellement indiscernables pour un observateur humain.<\/p>\n Brainard a pouss\u00e9 cette formalisation math\u00e9matique vers la mod\u00e9lisation des surfaces naturelles en s’appuyant sur des mod\u00e8les lin\u00e9aires de dimension r\u00e9duite. S’inspirant des analyses empiriques d\u00e9montrant que les spectres de r\u00e9flectance des objets terrestres et les spectres de la lumi\u00e8re du jour naturelle varient de fa\u00e7on fluide et hautement corr\u00e9l\u00e9e, il a d\u00e9montr\u00e9 qu’on peut approximer fid\u00e8lement tout spectre de r\u00e9flectance naturel par une combinaison lin\u00e9aire d’un nombre restreint de fonctions de base orthogonales obtenues par analyse en composantes principales (ACP) :<\/p>\n $$S(\\lambda) \\approx \\sum_{j=1}^{B} w_j B_j(\\lambda)$$<\/span><\/p>\n En limitant le nombre de bases $B$<\/span> \u00e0 une valeur petite (souvent 3 ou 4), Brainard a transform\u00e9 l’estimation des propri\u00e9t\u00e9s spectrales du monde en un syst\u00e8me d’\u00e9quations r\u00e9soluble, jetant ainsi les bases computationnelles de ses th\u00e9ories sur la constance des couleurs.<\/p>\n L’un des d\u00e9fis les plus remarquables relev\u00e9s par David Brainard concerne la ph\u00e9nom\u00e9nologie de la constance des couleurs. Dans le monde naturel, la distribution spectrale de l’\u00e9nergie lumineuse atteignant la r\u00e9tine, d\u00e9sign\u00e9e sous le terme de radiance spectrale $C(lambda)$<\/span>, est le produit point par point, pour chaque longueur d’onde, de l’irradiance de la source lumineuse incidente $E(lambda)$<\/span> et de la r\u00e9flectance spectrale de la surface observ\u00e9e $S(lambda)$<\/span> :<\/p>\n $$C(\\lambda) = E(\\lambda) \\times S(\\lambda)$$<\/span><\/p>\n Or, la r\u00e9tine n’a acc\u00e8s direct qu’\u00e0 la quantit\u00e9 int\u00e9gr\u00e9e de ce produit $C(lambda)$<\/span> \u00e0 travers ses trois classes de c\u00f4nes. Physiquement, ce signal est totalement ind\u00e9termin\u00e9 : une radiance donn\u00e9e peut tout aussi bien provenir d’une surface blanche observ\u00e9e sous une faible lumi\u00e8re rouge que d’une surface d’un rouge intense \u00e9clair\u00e9e par une vive lumi\u00e8re blanche. Pourtant, l’exp\u00e9rience perceptive quotidienne des \u00eatres humains ne fluctue pas au gr\u00e9 des changements incessants du spectre de la lumi\u00e8re solaire au cours de la journ\u00e9e. Un objet appara\u00eet stable dans sa coloration intrins\u00e8que, d\u00e9montrant que le syst\u00e8me visuel est capable de s\u00e9parer ce produit spectral pour estimer de mani\u00e8re isol\u00e9e la r\u00e9flectance $S(lambda)$<\/span>, un ph\u00e9nom\u00e8ne d\u00e9sign\u00e9 sous le terme classique de constance des couleurs.<\/p>\n Brainard a soumis \u00e0 une critique exp\u00e9rimentale et th\u00e9orique d\u00e9vastatrice les hypoth\u00e8ses historiques na\u00efves, en particulier celle de l’adaptation pure de von Kries. Formul\u00e9e \u00e0 la fin du dix-neuvi\u00e8me si\u00e8cle par Johannes von Kries, cette th\u00e9orie postulait que la constance des couleurs r\u00e9sultait exclusivement d’un gain multiplicatif ind\u00e9pendant appliqu\u00e9 \u00e0 chacun des trois canaux de c\u00f4nes :<\/p>\n $$L’ = k_L \\cdot L, \\quad M’ = k_M \\cdot M, \\quad S’ = k_S \\cdot S$$<\/span><\/p>\n En concevant des exp\u00e9riences psychophysiques d’une pr\u00e9cision in\u00e9dite, Brainard a prouv\u00e9 que si le r\u00e9ajustement des gains r\u00e9ceptoriaux explique une part non n\u00e9gligeable de l’adaptation globale, il est totalement incapable de rendre compte de la constance chromatique lorsque la complexit\u00e9 de la sc\u00e8ne augmente. Il a mis en lumi\u00e8re le r\u00f4le pr\u00e9pond\u00e9rant des indices contextuels spatiaux, des gradients de luminance et des informations st\u00e9r\u00e9oscopiques, montrant que l’estimation de l’illuminant fait intervenir des processus corticaux int\u00e9grant la g\u00e9om\u00e9trie globale et la distribution statistique de la sc\u00e8ne enti\u00e8re.<\/p>\n Face \u00e0 l’insuffisance des mod\u00e8les purement m\u00e9canistes, David Brainard, en collaboration avec William T. Freeman, a \u00e9labor\u00e9 une approche novatrice fond\u00e9e sur des mod\u00e8les bilin\u00e9aires d’estimation conjointe. L’intuition math\u00e9matique sous-jacente est \u00e9l\u00e9gante : si la lumi\u00e8re incidente $E(lambda)$<\/span> et la r\u00e9flectance de surface $S(lambda)$<\/span> sont toutes deux repr\u00e9sent\u00e9es par des mod\u00e8les lin\u00e9aires de dimension r\u00e9duite d\u00e9compos\u00e9s sur des fonctions de base spectrales respectives, le calcul des signaux r\u00e9ceptoriaux devient une forme bilin\u00e9aire des coefficients de surface et d’illumination. Le probl\u00e8me ne se formule plus comme la recherche isol\u00e9e d’un r\u00e9flecteur, mais comme la recherche simultan\u00e9e du couple optimal illuminant-surface maximisant la compatibilit\u00e9 avec l’ensemble des donn\u00e9es spatiales observ\u00e9es.<\/p>\n Pour soumettre ces algorithmes d’inversion bilin\u00e9aire \u00e0 l’\u00e9preuve de la r\u00e9alit\u00e9 biologique, Brainard a standardis\u00e9 et perfectionn\u00e9 le paradigme psychophysique de l’ajustement asym\u00e9trique des couleurs (asymmetric color matching<\/em>). Dans ce protocole exp\u00e9rimental extr\u00eamement exigeant, un sujet observe deux sc\u00e8nes visuelles distinctes, soit alternativement dans le temps, soit simultan\u00e9ment dans des champs visuels s\u00e9par\u00e9s, chaque sc\u00e8ne \u00e9tant baign\u00e9e par un illuminant spectralement diff\u00e9rent. Le sujet a pour t\u00e2che d’ajuster les coordonn\u00e9es trichromatiques d’une pastille test plac\u00e9e dans le second contexte pour qu’elle pr\u00e9sente rigoureusement la m\u00eame couleur de surface apparente que celle observ\u00e9e dans le premier contexte.<\/p>\n Les donn\u00e9es empiriques recueillies par Brainard \u00e0 travers ces protocoles ont r\u00e9v\u00e9l\u00e9 les caract\u00e9ristiques exactes de la constance humaine : celle-ci n’est jamais absolue ni parfaite. Si les humains atteignent un degr\u00e9 remarquable de stabilit\u00e9 perceptive face aux variations de lumi\u00e8re naturelle, ils commettent des erreurs syst\u00e9matiques d\u00e8s lors que les illuminants s’\u00e9cartent du spectre de la lumi\u00e8re du jour (daylight locus<\/em>). Brainard a d\u00e9montr\u00e9 l’existence d’une robustesse pr\u00e9f\u00e9rentielle pour la \u00ab constance relationnelle \u00bb : m\u00eame lorsque l’\u00e9valuation absolue de l’alb\u00e9do d’une surface d\u00e9rive l\u00e9g\u00e8rement, les relations ordinales et chromatiques entre diff\u00e9rents objets au sein d’une m\u00eame sc\u00e8ne sont conserv\u00e9es avec une fid\u00e9lit\u00e9 math\u00e9matique remarquable, ce qui suffit amplement aux imp\u00e9ratifs d’action et d’interaction biologique.<\/p>\n La plupart des mod\u00e8les classiques de vision traitaient la constance chromatique sous l’hypoth\u00e8se simplificatrice d’une source lumineuse unique et spatialement uniforme baignant l’ensemble du champ visuel. Or, le monde \u00e9cologique r\u00e9el est caract\u00e9ris\u00e9 par une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 spatiale complexe : la lumi\u00e8re directe du soleil alterne avec l’\u00e9clairage bleut\u00e9 diffus du ciel dans les zones d’ombre, tandis que les surfaces se renvoient mutuellement des flux lumineux color\u00e9s par le ph\u00e9nom\u00e8ne optique des r\u00e9flexions diffuses inter-objets. Dans une s\u00e9rie d’\u00e9tudes exp\u00e9rimentales c\u00e9l\u00e8bres men\u00e9es au laboratoire avec James Kraft, David Brainard a entrepris d’analyser le comportement du syst\u00e8me visuel confront\u00e9 \u00e0 ces illuminations spatialement disparates.<\/p>\n Pour mener \u00e0 bien ces investigations sans introduire d’artefacts vid\u00e9o, Brainard a con\u00e7u des dispositifs d’exp\u00e9rimentation physique tridimensionnels \u00e0 l’int\u00e9rieur de chambres noires rigoureusement \u00e9talonn\u00e9es. \u00c0 l’aide de projecteurs de th\u00e9\u00e2tre contr\u00f4l\u00e9s par ordinateur, de filtres optiques interf\u00e9rentiels et de mat\u00e9riaux calibr\u00e9s par spectroradiom\u00e9trie, les exp\u00e9rimentateurs ont recr\u00e9\u00e9 des environnements r\u00e9els miniatures comportant des parois d’alb\u00e9do connu, des objets tridimensionnels et des ombres port\u00e9es nettes. Les sujets regardaient directement ces sc\u00e8nes r\u00e9elles \u00e0 travers des syst\u00e8mes binoculaires ou monoculaires, \u00e9liminant les limites inh\u00e9rentes aux affichages sur \u00e9crans cathodiques o\u00f9 la plage dynamique et la g\u00e9om\u00e9trie de profondeur sont tronqu\u00e9es.<\/p>\n Ces exp\u00e9riences ont d\u00e9montr\u00e9 que le syst\u00e8me visuel n’applique pas un filtre d’adaptation global unique \u00e0 l’ensemble du champ de vision, mais segmente activement la sc\u00e8ne en \u00ab cadres de r\u00e9f\u00e9rence d’illumination \u00bb locaux (illumination frameworks<\/em>). Brainard a mis en \u00e9vidence le fait que le regroupement perceptivo-spatial \u2014 guid\u00e9 par la perspective g\u00e9om\u00e9trique, la continuit\u00e9 des contours des ombres et la st\u00e9r\u00e9oscopie \u2014 dicte le choix de l’\u00e9tat d’adaptation local. Le cerveau isole la composante de luminance due \u00e0 l’ombre de la composante due \u00e0 la pigmentation propre de la mati\u00e8re, emp\u00eachant l’observateur de percevoir une ombre sombre comme une peinture noire appliqu\u00e9e sur le sol. Cette d\u00e9couverte a \u00e9tabli un pont d\u00e9finitif entre la psychophysique des couleurs et la th\u00e9orie de la Gestalt, d\u00e9montrant que la perception de la couleur est ins\u00e9parable de la segmentation spatiale et de la reconstruction tridimensionnelle du monde physique.<\/p>\n L’introduction syst\u00e9matique de la th\u00e9orie de la d\u00e9cision statistique dans les sciences de la vision constitue sans doute le pan le plus rigoureux de l’\u00e9difice b\u00e2ti par David Brainard. Empruntant les concepts d\u00e9velopp\u00e9s initialement par David Green et John Swets dans le cadre de la th\u00e9orie de la d\u00e9tection du signal (TDS), et s’appuyant sur les travaux de Wilson Geisler, Brainard a d\u00e9fini et op\u00e9rationnalis\u00e9 la notion d’\u00ab observateur id\u00e9al bay\u00e9sien \u00bb pour les t\u00e2ches fondamentales de discrimination et d’estimation visuelle. Un observateur id\u00e9al est un mod\u00e8le computationnel th\u00e9orique qui exploite l’int\u00e9gralit\u00e9 de l’information physique et statistique disponible dans un flux sensoriel, en appliquant les r\u00e8gles optimales de la th\u00e9orie des probabilit\u00e9s, sans jamais subir d’autre perte d’information que celles express\u00e9ment impos\u00e9es par les lois de la physique et les limites de son mat\u00e9riel biologique mod\u00e9lis\u00e9.<\/p>\n La formulation formelle de l’observateur id\u00e9al permet de quantifier pr\u00e9cis\u00e9ment la perte d’information qui s’op\u00e8re \u00e0 chaque \u00e9tape successive de la machinerie sensorielle :<\/p>\n En d\u00e9rivant les r\u00e8gles de d\u00e9cision optimales pour une t\u00e2che discriminative donn\u00e9e \u2014 par exemple, distinguer deux longueurs d’onde monochromatiques tr\u00e8s proches ou d\u00e9celer un incr\u00e9ment infime de contraste \u2014, l’observateur id\u00e9al fixe la limite sup\u00e9rieure absolue de la performance math\u00e9matiquement atteignable par n’importe quel syst\u00e8me physique ou biologique confront\u00e9 \u00e0 ces m\u00eames donn\u00e9es.<\/p>\n David Brainard utilise ensuite cette r\u00e9f\u00e9rence th\u00e9orique pour mesurer l’efficacit\u00e9 de l’observateur humain r\u00e9el, d\u00e9finie comme le ratio de la performance humaine sur la performance de l’observateur id\u00e9al. Si un sujet humain manifeste une efficacit\u00e9 de 50 %, cela d\u00e9montre que la moiti\u00e9 de l’information th\u00e9oriquement accessible est perdue lors des traitements post-r\u00e9ceptoriaux ou corticaux de d\u00e9cision. Cette approche m\u00e9trologique a permis de d\u00e9mythifier de nombreuses \u00ab limites \u00bb cognitives pr\u00e9sum\u00e9es : Brainard a ainsi prouv\u00e9 que de nombreuses d\u00e9gradations de la vision humaine, que l’on attribuait historiquement \u00e0 des inefficiences du cortex c\u00e9r\u00e9bral, s’expliquent en r\u00e9alit\u00e9 de fa\u00e7on exhaustive par la physique des bruits pr\u00e9-r\u00e9ceptoriaux et l’optique de l’\u0153il.<\/p>\n Dans la perspective bay\u00e9sienne promue par David Brainard, la perception est formalis\u00e9e math\u00e9matiquement par la mise en \u0153uvre de la c\u00e9l\u00e8bre r\u00e8gle de Bayes, qui calcule la distribution de probabilit\u00e9 a posteriori<\/em> d’un \u00e9tat du monde $W$<\/span> (par exemple, la r\u00e9flectance d’une surface ou le spectre d’une source lumineuse) conditionnellement aux donn\u00e9es r\u00e9tiniennes bruit\u00e9es enregistr\u00e9es $D$<\/span> :<\/p>\n $$P(W mid D) = \\frac{P(D mid W) \\cdot P(W)}{P(D)}$$<\/span><\/p>\n Dans cette formulation, $P(D mid W)$<\/span> repr\u00e9sente la fonction de vraisemblance, mod\u00e9lisant la probabilit\u00e9 physique que le stimulus r\u00e9tinien $D$<\/span> soit g\u00e9n\u00e9r\u00e9 par l’\u00e9tat $W$<\/span> compte tenu du bruit sensoriel et de l’optique oculaire. L’\u00e9l\u00e9ment d\u00e9terminant r\u00e9side dans le terme $P(W)$<\/span>, la distribution de probabilit\u00e9 a priori<\/em> (le \u00ab prior \u00bb). Ce terme encapsule l’ensemble des r\u00e9gularit\u00e9s statistiques, des invariances physiques et des contraintes \u00e9cologiques de l’environnement naturel dans lequel l’esp\u00e8ce humaine a \u00e9volu\u00e9 et dans lequel l’individu a grandi.<\/p>\n Pour conf\u00e9rer une substance empirique rigoureuse \u00e0 ces distributions a priori<\/em>, Brainard et son \u00e9quipe ont conduit des campagnes m\u00e9trologiques exhaustives visant \u00e0 mesurer la structure statistique r\u00e9elle du monde physique. En s’appuyant sur des bases de donn\u00e9es spectroradiom\u00e9triques de centaines de paysages naturels et de milliers de pigments min\u00e9raux et v\u00e9g\u00e9taux, ils ont mod\u00e9lis\u00e9 la g\u00e9om\u00e9trie statistique de la lumi\u00e8re du jour et des surfaces terrestres. Ils ont ainsi math\u00e9matis\u00e9 le fait que les illuminations naturelles ne se distribuent pas de mani\u00e8re al\u00e9atoire dans l’espace des couleurs : elles sont rigoureusement confin\u00e9es le long d’une courbe \u00e9troite appel\u00e9e le locus<\/em> de la lumi\u00e8re du jour, allant des teintes ambr\u00e9es du cr\u00e9puscule aux bleus froids du ciel z\u00e9nithal.<\/p>\n Brainard s’est \u00e9galement attach\u00e9 \u00e0 comparer les strat\u00e9gies d’estimation utilis\u00e9es par le cerveau pour convertir cette distribution a posteriori<\/em> en un jugement perceptif unitaire. Le syst\u00e8me visuel s\u00e9lectionne-t-il l’\u00e9tat du monde correspondant au pic absolu de la distribution (le maximum a posteriori<\/em>, ou estimateur MAP), ou calcule-t-il le centre de gravit\u00e9 probabiliste de tous les \u00e9tats possibles (l’estimateur de la moyenne a posteriori<\/em>, ou MMSE) ? Par des analyses psychophysiques sophistiqu\u00e9es, ses travaux ont sugg\u00e9r\u00e9 que sous certaines fonctions de co\u00fbt asym\u00e9triques, le syst\u00e8me visuel s\u00e9lectionne des compromis statistiques minimisant les erreurs comportementales potentiellement mortelles, attestant d’une remarquable plasticit\u00e9 perceptive lorsque les distributions de l’environnement viennent \u00e0 \u00eatre artificiellement modifi\u00e9es au laboratoire.<\/p>\n L’impl\u00e9mentation op\u00e9rationnelle de l’inf\u00e9rence bay\u00e9sienne a exig\u00e9 le d\u00e9ploiement d’outils computationnels capables de synth\u00e9tiser des images de synth\u00e8se physiquement fid\u00e8les. Dans cette optique, David Brainard a \u00e9t\u00e9 l’un des pionniers de l’int\u00e9gration des mod\u00e8les g\u00e9n\u00e9ratifs de sc\u00e8nes et des moteurs de rendu physique (Physically Based Rendering<\/em>, ou PBR) dans la recherche en sciences de la vision. Contrairement aux moteurs de rendu graphiques traditionnels con\u00e7us pour le jeu vid\u00e9o ou le cin\u00e9ma, qui recourent \u00e0 des approximations perceptives et des raccourcis empiriques pour tromper l’\u0153il \u00e0 faible co\u00fbt computationnel, les mod\u00e8les physiques utilis\u00e9s par Brainard r\u00e9solvent l’\u00e9quation du rendu de Kajiya avec une fid\u00e9lit\u00e9 radiom\u00e9trique absolue par la m\u00e9thode de lancer de rayons stochastique (path tracing<\/em> hyperspectral).<\/p>\n Dans ce cadre, la vision computationnelle est envisag\u00e9e comme un processus rigoureux de \u00ab r\u00e9tro-ing\u00e9nierie cognitive \u00bb ou d’inversion bay\u00e9sienne d’un mod\u00e8le g\u00e9n\u00e9ratif physique :<\/p>\n Cette m\u00e9thodologie a profond\u00e9ment renouvel\u00e9 la compr\u00e9hension des illusions et des biais perceptifs humains. Brainard a d\u00e9montr\u00e9 que les biais perceptifs syst\u00e9matiques observ\u00e9s chez l’\u00eatre humain ne sont pas les anomalies dysfonctionnelles d’un syst\u00e8me visuel imparfait, mais la signature math\u00e9matique in\u00e9luctable d’un compromis d’estimation optimal. Lorsqu’un observateur op\u00e8re dans un r\u00e9gime d’incertitude sensorielle \u2014 par exemple sous un \u00e9clairage extr\u00eamement faible ou face \u00e0 une g\u00e9om\u00e9trie ambigu\u00eb \u2014, l’estimateur bay\u00e9sien r\u00e9gularise la solution en accordant un poids pr\u00e9pond\u00e9rant aux a priori<\/em> statistiques de l’environnement naturel. Le pr\u00e9tendu \u00ab biais \u00bb perceptif n’est alors rien d’autre que l’expression d’une d\u00e9cision rationnelle face au bruit.<\/p>\n L’une des contributions technologiques et th\u00e9oriques les plus colossales de David Brainard au cours de la derni\u00e8re d\u00e9cennie est le co-d\u00e9veloppement de la suite logicielle open-source ISETBio<\/a> (Image Systems Engineering Toolbox for Biology<\/em>), men\u00e9 en collaboration \u00e9troite avec Brian Wandell \u00e0 l’Universit\u00e9 Stanford. ISETBio est une plateforme computationnelle d’une exhaustivit\u00e9 sans pr\u00e9c\u00e9dent, con\u00e7ue pour simuler, avec une pr\u00e9cision biophysique totale, chaque \u00e9tape de la propagation du signal visuel : depuis la distribution spectrale de la radiance \u00e9mise par une sc\u00e8ne ext\u00e9rieure jusqu’aux trains de potentiels d’action g\u00e9n\u00e9r\u00e9s par la population des cellules ganglionnaires de la r\u00e9tine.<\/p>\n L’architecture d’ISETBio repose sur une mod\u00e9lisation modulaire rigoureuse. La premi\u00e8re composante calcule le trajet de la lumi\u00e8re \u00e0 travers les milieux r\u00e9fringents de l’\u0153il humain \u2014 film lacrymal, corn\u00e9e, humeur aqueuse, cristallin et corps vitr\u00e9. L’optique oculaire y est caract\u00e9ris\u00e9e de fa\u00e7on individualis\u00e9e gr\u00e2ce aux polyn\u00f4mes de Zernike, qui permettent de mod\u00e9liser avec pr\u00e9cision non seulement les aberrations g\u00e9om\u00e9triques d’ordre inf\u00e9rieur (la d\u00e9focalisation sph\u00e9rique et l’astigmatisme), mais \u00e9galement les aberrations d’ordre sup\u00e9rieur hautement complexes (le coma, le tr\u00e8fle et l’aberration sph\u00e9rique) qui varient d’un individu \u00e0 l’autre et fluctuent dynamiquement en fonction du diam\u00e8tre de la pupille.<\/p>\n Le projet ISETBio s’inscrit au c\u0153ur d’un engagement \u00e9thique et scientifique in\u00e9branlable en faveur de la science ouverte et de la reproductibilit\u00e9 computationnelle. En mettant l’int\u00e9gralit\u00e9 du code source \u00e0 la disposition de la communaut\u00e9 mondiale sous licence libre, Brainard et ses collaborateurs ont aboli les barri\u00e8res d’acc\u00e8s aux simulations biophysiques de pointe. Tout chercheur, clinicien ou ing\u00e9nieur peut d\u00e9sormais r\u00e9pliquer exactement les conditions de stimulation lumineuse d’une exp\u00e9rience, en manipulant virtuellement chaque param\u00e8tre physiologique de l’\u0153il pour dissocier pr\u00e9cis\u00e9ment les contraintes optiques des computations neurales centrales.<\/p>\n Au-del\u00e0 de la formation de l’image optique r\u00e9tinienne (l’irradiance spectrale r\u00e9tinienne), ISETBio int\u00e8gre un module de simulation de la mosa\u00efque des photor\u00e9cepteurs humains d’un niveau de r\u00e9alisme biologique in\u00e9dit. Les c\u00f4nes $L$<\/span>, $M$<\/span> et $S$<\/span> ne sont pas dispos\u00e9s selon un r\u00e9seau g\u00e9om\u00e9trique r\u00e9gulier comme les pixels d’un capteur photographique en silicium ; ils forment une mosa\u00efque stochastique h\u00e9t\u00e9rog\u00e8ne et d\u00e9sorganis\u00e9e, dont la densit\u00e9 culmine au centre de la fov\u00e9ola pour d\u00e9cro\u00eetre de mani\u00e8re exponentielle vers la p\u00e9riph\u00e9rie r\u00e9tinienne. La plateforme mod\u00e9lise cette topologie en tenant compte des densit\u00e9s empiriques mesur\u00e9es par l’histologie r\u00e9tinienne et l’optique adaptative in vivo<\/em>.<\/p>\n L’absorption de la lumi\u00e8re par cette mosa\u00efque fait intervenir des processus biophysiques complexes minutieusement param\u00e9tr\u00e9s dans les travaux de Brainard :<\/p>\n Brainard a explor\u00e9 les cons\u00e9quences perceptives directes de la d\u00e9sorganisation spatiale de la mosa\u00efque des c\u00f4nes, notamment la raret\u00e9 extr\u00eame des c\u00f4nes $S$<\/span> au centre exact de la fov\u00e9ola (la \u00ab tritanopie fov\u00e9olaire \u00bb physiologique) et les fluctuations locales du ratio $L\/M$<\/span>, qui varie consid\u00e9rablement d’un individu \u00e0 l’autre sans alt\u00e9rer notablement la perception ph\u00e9nom\u00e9nale de la couleur. ISETBio simule ces variations individuelles, permettant de comprendre comment les circuits post-r\u00e9ceptoriaux parviennent \u00e0 s’auto-calibrer de fa\u00e7on robuste face \u00e0 une mosa\u00efque structurellement asym\u00e9trique et bruit\u00e9e.<\/p>\n La force \u00e9pist\u00e9mologique du projet ISETBio r\u00e9side dans sa capacit\u00e9 \u00e0 articuler directement la simulation biophysique pr\u00e9coce aux d\u00e9cisions comportementales de haut niveau. Dans les architectures traditionnelles de la psychologie cognitive, les mod\u00e8les th\u00e9oriques postulent fr\u00e9quemment des m\u00e9canismes corticaux ad hoc pour expliquer les limitations perceptives humaines. Brainard a boulevers\u00e9 cette perspective en couplant l’observateur id\u00e9al computationnel directement \u00e0 la sortie de la simulation ISETBio de la r\u00e9tine.<\/p>\n Cette m\u00e9thodologie permet de pr\u00e9dire avec une pr\u00e9cision math\u00e9matique rigoureuse les fonctions de sensibilit\u00e9 au contraste (CSF) spatial et chromatique de sujets humains, ainsi que leur acuit\u00e9 visuelle maximale :<\/p>\n Cette approche a permis de tracer une fronti\u00e8re d\u00e9finitive entre les contraintes strictement pr\u00e9-r\u00e9ceptoriales et les \u00e9tapes de filtrage neurales post-r\u00e9tiniennes. Brainard a ainsi prouv\u00e9 que la chute vertigineuse de la sensibilit\u00e9 au contraste pour les hautes fr\u00e9quences spatiales n’est pas caus\u00e9e par une incapacit\u00e9 du cerveau \u00e0 analyser les d\u00e9tails fins, mais r\u00e9sulte quasi-int\u00e9gralement de la fonction d’\u00e9talement du point (Point Spread Function<\/em>, ou PSF) de l’optique oculaire et de l’int\u00e9gration spatiale sur l’ouverture finie des segments internes des c\u00f4nes. Les mod\u00e8les de Brainard r\u00e9v\u00e8lent ainsi la formidable \u00e9conomie computationnelle du syst\u00e8me visuel, qui s’av\u00e8re optimis\u00e9 pour extraire la quasi-totalit\u00e9 du signal qui franchit la barri\u00e8re optique de l’\u0153il.<\/p>\n D\u00e8s lors que les photons sont absorb\u00e9s par les trois classes de c\u00f4nes r\u00e9tiniens, le signal sensoriel subit une restructuration radicale au sein des microcircuits de la r\u00e9tine interne. Les sensibilit\u00e9s spectrales des c\u00f4nes $L$<\/span> et $M$<\/span> se chevauchent de fa\u00e7on spectaculaire sur une large portion du spectre visible ; leurs signaux bruts sont donc extr\u00eamement corr\u00e9l\u00e9s (avec un coefficient de corr\u00e9lation statistique souvent sup\u00e9rieur \u00e0 0,98 pour les images naturelles). Si le syst\u00e8me nerveux se contentait de transmettre ces signaux bruts le long du nerf optique, il gaspillerait une bande passante m\u00e9tabolique consid\u00e9rable \u00e0 transporter des donn\u00e9es redondantes.<\/p>\n David Brainard a analys\u00e9 la recombinaison de ces signaux \u00e0 travers le prisme de la th\u00e9orie de l’information et du codage efficace, initialement formul\u00e9e par Horace Barlow. Les signaux des c\u00f4nes sont transform\u00e9s en trois canaux neuronaux post-r\u00e9ceptoriaux distincts :<\/p>\n En mod\u00e9lisant la projection fonctionnelle des c\u00f4nes sur les cellules naines de primate, Brainard a explicit\u00e9 le calcul de la r\u00e9duction d’entropie et de d\u00e9corr\u00e9lation des signaux sensoriels. En \u00e9liminant la redondance statistique entre les canaux $L$<\/span> et $M$<\/span>, le syst\u00e8me visuel extrait le contraste chromatique pur avec un encombrement axonal minimal. Brainard a mis en lumi\u00e8re les divergences subtiles entre les mod\u00e8les psychophysiques historiques d’opponence (comme l’espace de Derrington-Krauskopf-Lennie ou DKL) et la r\u00e9alit\u00e9 physiologique complexe des arborisations dendritiques des cellules ganglionnaires naines, qui n’atteignent un antagonisme spectral spatialement s\u00e9lectif parfait que dans la fov\u00e9ola centrale.<\/p>\n La vision humaine ne s’ex\u00e9cute pas sur des instantan\u00e9s statiques, mais s’inscrit dans un flux temporel dynamique permanent. Les recherches de David Brainard ont accord\u00e9 une attention soutenue aux m\u00e9canismes d’adaptation rapide \u00e0 la lumi\u00e8re (light adaptation<\/em>) qui interviennent d\u00e8s les premi\u00e8res synapses r\u00e9tiniennes. Le syst\u00e8me visuel humain poss\u00e8de une remarquable capacit\u00e9 \u00e0 op\u00e9rer sur une plage dynamique de plus de dix ordres de grandeur de luminance ambiante \u2014 depuis la p\u00e9nombre stellaire la plus obscure jusqu’\u00e0 l’\u00e9clat aveuglant d’un glacier sous le soleil z\u00e9nithal \u2014, alors que les neurones individuels poss\u00e8dent une plage dynamique d’\u00e9mission de potentiels d’action limit\u00e9e \u00e0 moins de deux ordres de grandeur.<\/p>\n Pour r\u00e9soudre ce dilemme d’ing\u00e9nierie biologique, la r\u00e9tine d\u00e9ploie des m\u00e9canismes d’adaptation photochimique et synaptique d’une r\u00e9activit\u00e9 extr\u00eame. Brainard a int\u00e9gr\u00e9 dans ses architectures computationnelles la cin\u00e9tique de r\u00e9troaction n\u00e9gative exerc\u00e9e par les cellules horizontales sur les terminaisons synaptiques des photor\u00e9cepteurs. Ce r\u00e9trocontr\u00f4le inhibiteur ajuste dynamiquement le gain synaptique en quelques dizaines de millisecondes, emp\u00eachant la saturation du potentiel de membrane des cellules bipolaires et ganglionnaires d\u00e8s lors que l’intensit\u00e9 lumineuse moyenne augmente brutalement.<\/p>\n Cette dynamique temporelle est indissociable des mouvements oculaires incessants. M\u00eame lorsque le regard fixe un point immobile avec la plus grande concentration, l’\u0153il humain est anim\u00e9 de micromouvements permanents : d\u00e9rives lentes (drift<\/em>), microtremblements et microsaccades. Brainard a d\u00e9montr\u00e9 que ces micromouvements oculaires ne sont pas un d\u00e9faut de stabilit\u00e9 motrice, mais une n\u00e9cessit\u00e9 computationnelle absolue. En d\u00e9pla\u00e7ant continuellement la mosa\u00efque des photor\u00e9cepteurs par rapport \u00e0 la distribution spatiale de l’image r\u00e9tinienne, les micromouvements transforment les gradients spatiaux statiques en modulations temporelles de haute fr\u00e9quence. Cette modulation temporelle \u00e9vite la d\u00e9sensibilisation locale par blanchiment photochimique des opsines et permet aux circuits r\u00e9tiniens post-r\u00e9ceptoriaux de rafra\u00eechir l’extraction des contrastes chromatiques fins.<\/p>\n L’information visuelle pr\u00e9trait\u00e9e par les populations de cellules ganglionnaires de la r\u00e9tine transite le long des axones du nerf optique pour atteindre le corps genouill\u00e9 lat\u00e9ral (CGL) du thalamus, avant d’\u00eatre projet\u00e9e sur l’aire visuelle primaire (cortex stri\u00e9 ou V1). David Brainard s’est attach\u00e9 \u00e0 caract\u00e9riser la fid\u00e9lit\u00e9 de cette transmission topographique et les transformations fonctionnelles majeures qui s’op\u00e8rent au cours de ce relais synaptique central.<\/p>\n Dans le corps genouill\u00e9 lat\u00e9ral, la s\u00e9gr\u00e9gation fonctionnelle entre les couches magnocellulaires, parvocellulaires et koniocellulaires pr\u00e9serve la structure topologique de la r\u00e9tine tout en maintenant une s\u00e9paration \u00e9tanche entre le codage des contrastes de haute r\u00e9solution spatio-temporelle et le codage chromatique antagoniste. L’\u00e9tape cruciale th\u00e9oris\u00e9e et simul\u00e9e par Brainard se produit lors de l’arriv\u00e9e de ces axones thalamiques dans la couche 4C du cortex stri\u00e9 :<\/p>\n \u00c0 ce niveau cortical, les champs r\u00e9cepteurs circulaires concentriques non orient\u00e9s du CGL sont convertis en champs r\u00e9cepteurs corticaux caract\u00e9ris\u00e9s par une s\u00e9lectivit\u00e9 stricte \u00e0 l’orientation spatiale. Brainard a explor\u00e9 comment cette convergence synaptique donne naissance aux neurones dits \u00ab double-opposants \u00bb (double-opponent cells<\/em>), qui manifestent simultan\u00e9ment un antagonisme chromatique (par exemple Rouge contre Vert) et un antagonisme spatial (centre contre p\u00e9riph\u00e9rie) :<\/p>\n $$\\text{R\u00e9ponse} = \\iint \\left( [L(x,y) – M(x,y)]_{\\text{centre}} – [L(x,y) – M(x,y)]_{\\text{p\u00e9riph\u00e9rie}} \\right) dx dy$$<\/span><\/p>\n Cette d\u00e9couverte computationnelle fondamentale montre que les neurones double-opposants constituent les unit\u00e9s \u00e9l\u00e9mentaires de d\u00e9tection des fronti\u00e8res chromatiques et de l’induction de surface. Brainard a formalis\u00e9 le r\u00f4le de ces cellules dans l’architecture cognitive globale de la perception de forme par la couleur : la couleur cesse d’\u00eatre un attribut secondaire plaqu\u00e9 sur des formes pr\u00e9d\u00e9finies pour devenir le signal computationnel primaire permettant de segmenter la g\u00e9om\u00e9trie et la silhouette des objets \u00e0 travers les discontinuit\u00e9s de leur r\u00e9flectance spectrale.<\/p>\n L’adaptation sensorielle est la pierre angulaire de l’efficacit\u00e9 perceptive. Dans la th\u00e9orisation de David Brainard, l’adaptation ne se limite pas \u00e0 une simple d\u00e9sensibilisation passive face \u00e0 la lumi\u00e8re vive ; elle repr\u00e9sente un ensemble sophistiqu\u00e9 de recalibrages computationnels d\u00e9ploy\u00e9s \u00e0 diff\u00e9rentes \u00e9chelles spatiales et temporelles. Brainard a formalis\u00e9 la distinction cruciale entre les processus d’adaptation locale et les m\u00e9canismes d’adaptation globale, d\u00e9montrant que le jugement ph\u00e9nom\u00e9nal de couleur r\u00e9sulte d’une interaction dynamique permanente entre ces deux r\u00e9gimes.<\/p>\n L’adaptation locale op\u00e8re au niveau des r\u00e9cepteurs individuels et des petits groupes de cellules ganglionnaires adjacentes ; elle est modul\u00e9e par les contrastes locaux imm\u00e9diats et la luminance des bordures environnantes. \u00c0 l’inverse, l’adaptation globale calcule une moyenne spatiale pond\u00e9r\u00e9e de l’ensemble de la sc\u00e8ne visuelle, int\u00e9grant la distribution statistique sur des angles visuels \u00e9tendus de plusieurs dizaines de degr\u00e9s. Brainard a con\u00e7u des paradigmes exp\u00e9rimentaux permettant de dissocier math\u00e9matiquement ces deux composantes : en manipulant s\u00e9par\u00e9ment la composition chromatique du pourtour imm\u00e9diat d’un stimulus test et celle du fond p\u00e9riph\u00e9rique \u00e9loign\u00e9, il a quantifi\u00e9 le poids respectif de chaque \u00e9chelle spatiale dans la d\u00e9termination du point de neutralit\u00e9 chromatique (le blanc subjectif).<\/p>\n Ces travaux ont \u00e9tabli que le syst\u00e8me visuel met en \u0153uvre une forme de normalisation contextuelle \u00e9tendue<\/em>. Au-del\u00e0 des limites g\u00e9om\u00e9triques des champs r\u00e9cepteurs r\u00e9tiniens classiques, des connexions horizontales et des projections de r\u00e9troaction corticales (feedback<\/em> des aires extrastri\u00e9es comme V2 et V4 vers V1) viennent moduler le gain des populations neuronales locales en fonction du contexte global de la sc\u00e8ne. Brainard a fourni les bases psychophysiques permettant de s\u00e9parer avec certitude l’adaptation du photor\u00e9cepteur \u2014 r\u00e9gie par la dynamique biochimique du pigment \u2014 de l’adaptation corticale, cette derni\u00e8re impliquant des calculs complexes d’inf\u00e9rence sur la nature de la distribution spatiale de l’illuminant.<\/p>\n La perception de la couleur d’une surface n’est jamais d\u00e9termin\u00e9e de mani\u00e8re isol\u00e9e par les photons \u00e9mis par cette seule surface ; elle d\u00e9pend radicalement des surfaces qui la jouxtent. Deux ph\u00e9nom\u00e8nes perceptifs classiques et apparemment contradictoires illustrent cette d\u00e9pendance contextuelle : le contraste simultan\u00e9<\/em>, o\u00f9 une surface tend \u00e0 prendre une teinte oppos\u00e9e \u00e0 celle de son environnement imm\u00e9diat (un carr\u00e9 gris sur fond vert para\u00eetra l\u00e9g\u00e8rement ros\u00e9), et l’assimilation chromatique<\/em>, o\u00f9 une surface prend la teinte de son voisinage (le m\u00eame carr\u00e9 gris stri\u00e9 de fines lignes vertes semblera teint\u00e9 de vert).<\/p>\n David Brainard a consacr\u00e9 des \u00e9tudes pouss\u00e9es \u00e0 l’analyse quantitative de ces transitions, explorant notamment l’effet de White \u2014 une illusion c\u00e9l\u00e8bre o\u00f9 des pastilles grises d’alb\u00e9do rigoureusement identique ins\u00e9r\u00e9es dans des rayures noires et blanches acqui\u00e8rent des luminosit\u00e9s radicalement oppos\u00e9es, d\u00e9fiant les th\u00e9ories \u00e9l\u00e9mentaires d’inhibition lat\u00e9rale r\u00e9tinienne. Brainard a d\u00e9montr\u00e9 que la bascule computationnelle entre contraste et assimilation est rigoureusement r\u00e9gie par la distribution des fr\u00e9quences spatiales du stimulus et l’organisation g\u00e9om\u00e9trique des lignes de d\u00e9marcation :<\/p>\n Pour unifier ces observations contradictoires, Brainard a \u00e9labor\u00e9 des architectures computationnelles multi-\u00e9chelles fond\u00e9es sur des bancs de filtres lin\u00e9aires orient\u00e9s suivis d’op\u00e9rations de normalisation de division non lin\u00e9aire (divisive normalization<\/em>). Ce cadre math\u00e9matique permet de pr\u00e9dire de fa\u00e7on unifi\u00e9e pourquoi et comment le cerveau privil\u00e9gie tant\u00f4t le contraste, tant\u00f4t l’assimilation, r\u00e9v\u00e9lant que ces ph\u00e9nom\u00e8nes ne sont pas des illusions d\u00e9connect\u00e9es mais les facettes d’un m\u00eame algorithme visant \u00e0 extraire des signaux de surface stables malgr\u00e9 les disparit\u00e9s optiques du signal incident.<\/p>\n L’adaptation ne se limite pas \u00e0 des m\u00e9canismes transitoires de quelques fractions de seconde ; elle s’exprime \u00e9galement sous la forme de plasticit\u00e9s \u00e0 long terme qui garantissent la calibration continue du syst\u00e8me visuel tout au long de l’existence. Le syst\u00e8me visuel humain est confront\u00e9 \u00e0 un d\u00e9fi hom\u00e9ostatique redoutable : son mat\u00e9riel biologique d\u00e9rive en permanence sous l’effet du vieillissement. Avec l’\u00e2ge, le cristallin s’opacifie et jaunit de mani\u00e8re continue, absorbant des quantit\u00e9s croissantes de lumi\u00e8re bleue, tandis que la densit\u00e9 des photor\u00e9cepteurs d\u00e9cline progressivement.<\/p>\n Si la perception des couleurs \u00e9tait fig\u00e9e de fa\u00e7on rigide d\u00e8s l’enfance, le monde devrait appara\u00eetre de plus en plus jaune ou ambr\u00e9 aux personnes vieillissantes. Or, les travaux de David Brainard ont document\u00e9 que la perception ph\u00e9nom\u00e9nale du \u00ab blanc pur \u00bb reste remarquablement stable tout au long de la vie d’un individu. Le cerveau humain adulte proc\u00e8de \u00e0 un recalibrage lent, continu et compensatoire de ses gains post-r\u00e9ceptoriaux, r\u00e9\u00e9quilibrant dynamiquement les canaux chromatiques pour annuler la d\u00e9rive spectrale impos\u00e9e par les milieux oculaires.<\/p>\n Brainard a explor\u00e9 cette plasticit\u00e9 visuelle \u00e0 travers des protocoles exp\u00e9rimentaux d’exposition prolong\u00e9e \u00e0 des environnements chromatiquement d\u00e9viants. En soumettant des observateurs au port continu de lunettes filtrantes pendant plusieurs jours, il a quantifi\u00e9 la vitesse et la profondeur du recalibrage perceptif du syst\u00e8me visuel adulte. Ces mesures psychophysiques de haute pr\u00e9cision ont d\u00e9montr\u00e9 que le cortex visuel r\u00e9ajuste ses distributions de probabilit\u00e9 a priori<\/em> en fonction de la nouvelle statistique de l’environnement artificiel, maintenant la stabilit\u00e9 ph\u00e9nom\u00e9nologique du monde visible en d\u00e9pit des transformations massives de l’entr\u00e9e sensorielle p\u00e9riph\u00e9rique.<\/p>\n L’une des contributions les plus universellement reconnues de David Brainard \u00e0 la communaut\u00e9 scientifique mondiale concerne l’\u00e9tablissement de standards m\u00e9trologiques rigoureux pour l’\u00e9talonnage des dispositifs d’affichage utilis\u00e9s en laboratoire. Dans les ann\u00e9es 1990, avec l’av\u00e8nement de l’exp\u00e9rimentation visuelle sur ordinateurs de bureau, la majorit\u00e9 des laboratoires de psychologie pr\u00e9sentaient des stimuli sur des \u00e9crans \u00e0 tube cathodique (CRT) en pr\u00e9sumant na\u00efvement que le signal num\u00e9rique envoy\u00e9 par la carte graphique entretenait une relation lin\u00e9aire avec la lumi\u00e8re \u00e9mise par l’\u00e9cran. Brainard a mis en garde la communaut\u00e9 contre les artefacts exp\u00e9rimentaux catastrophiques induits par de telles suppositions.<\/p>\n Il a formalis\u00e9 les m\u00e9thodes de lin\u00e9arisation de la courbe de r\u00e9ponse des luminophores (la correction gamma) et d\u00e9velopp\u00e9 des algorithmes de caract\u00e9risation hyperspectrale des affichages. Pour mesurer avec pr\u00e9cision l’irradiance absolue \u00e9mise par un moniteur, Brainard a \u00e9tabli des protocoles d’\u00e9talonnage crois\u00e9 couplant des spectroradiom\u00e8tres de haute pr\u00e9cision et des colorim\u00e8tres rapides :<\/p>\n $$\\text{Radiance}(\\lambda) = \\sum_{c in {R,G,B}} f_c(DAC_c) \\cdot P_c(\\lambda)$$<\/span><\/p>\n o\u00f9 $DAC_c$<\/span> repr\u00e9sente la commande num\u00e9rique envoy\u00e9e au canal de couleur, $f_c$<\/span> la fonction d’\u00e9talonnage non lin\u00e9aire du canon \u00e0 \u00e9lectrons (ou de la diode contemporaine), et $P_c(\\lambda)$<\/span> la signature spectrale d’\u00e9mission du luminophore. Avec le passage progressif des \u00e9crans CRT aux moniteurs \u00e0 cristaux liquides (LCD) puis aux diodes \u00e9lectroluminescentes organiques (OLED), Brainard a r\u00e9actualis\u00e9 ces protocoles, documentant les instabilit\u00e9s temporelles, les d\u00e9pendances spatiales d’angle de vue et les interactions de voisinage propres \u00e0 ces nouvelles technologies.<\/p>\n Ces travaux ont trouv\u00e9 leur cons\u00e9cration dans sa participation d\u00e9terminante \u00e0 la cr\u00e9ation et au maintien de la Psychtoolbox<\/a> pour MATLAB et GNU Octave, initi\u00e9e avec Denis Pelli. Cette suite logicielle est devenue le standard plan\u00e9taire incontournable de la recherche en vision. Brainard y a d\u00e9velopp\u00e9 les modules de gestion colorim\u00e9trique et de calibration g\u00e9om\u00e9trique, permettant aux chercheurs du monde entier de contr\u00f4ler la pr\u00e9sentation temporelle des stimuli au milliseconde pr\u00e8s, en synchronisation directe avec le balayage vertical du mat\u00e9riel vid\u00e9o et en garantissant une conversion photom\u00e9trique rigoureuse des coordonn\u00e9es de l’espace d’affichage vers les excitations individuelles des c\u00f4nes de la r\u00e9tine.<\/p>\n Tout au long de sa carri\u00e8re, David Brainard a cherch\u00e9 \u00e0 d\u00e9passer le format traditionnel des pastilles lumineuses bidimensionnelles plates affich\u00e9es sur fond noir, conscient que le syst\u00e8me visuel humain a \u00e9volu\u00e9 pour naviguer au sein d’un univers spatialement continu et tridimensionnel. D\u00e8s que les technologies informatiques l’ont permis, il a orchestr\u00e9 la transition de son laboratoire vers la psychophysique en r\u00e9alit\u00e9 virtuelle immersive et la g\u00e9n\u00e9ration de sc\u00e8nes 3D st\u00e9r\u00e9oscopiques d’un r\u00e9alisme optique irr\u00e9prochable.<\/p>\n Cette transition a n\u00e9cessit\u00e9 la ma\u00eetrise computationnelle du rendu bas\u00e9 sur la physique (Physically Based Rendering<\/em>) int\u00e9gr\u00e9 en temps r\u00e9el ou semi-temps r\u00e9el au sein de casques de r\u00e9alit\u00e9 virtuelle (VR) ou de st\u00e9r\u00e9oscopes \u00e0 miroirs de tr\u00e8s haute d\u00e9finition. Dans ces environnements virtuels immersifs, la lumi\u00e8re n’est plus une texture plaqu\u00e9e sur un polygone ; elle ob\u00e9it aux lois de la radiom\u00e9trie :<\/p>\n Gr\u00e2ce \u00e0 ces environnements, Brainard a mesur\u00e9 la constance des couleurs dans des conditions \u00e9cologiques contr\u00f4l\u00e9es, d\u00e9montrant que l’estimation de l’illuminant est d\u00e9cupl\u00e9e en pr\u00e9cision lorsque l’observateur dispose des indices tridimensionnels de profondeur et d’\u00e9clairage ambiant. En int\u00e9grant des syst\u00e8mes de poursuite oculaire haute fr\u00e9quence (eye-tracking<\/em> \u00e0 plus de 1000 Hz) dans ces dispositifs immersifs, Brainard a \u00e9galement \u00e9lucid\u00e9 la relation causale entre les patterns de fixation visuelle \u2014 les zones de l’objet ou de l’ombre explor\u00e9es par le regard \u2014 et la dynamique du calcul de surface op\u00e9r\u00e9 par le cortex c\u00e9r\u00e9bral.<\/p>\n L’obtention de donn\u00e9es psychophysiques d’une puret\u00e9 scientifique irr\u00e9prochable requiert une conception m\u00e9thodologique sans faille. David Brainard a \u00e9t\u00e9 l’un des promoteurs les plus rigoureux du recours aux paradigmes \u00e0 choix forc\u00e9 \u00e0 deux alternatives spatio-temporelles (Two-Alternative Forced-Choice<\/em>, ou 2AFC). Contrairement aux m\u00e9thodes \u00ab oui\/non \u00bb ou aux \u00e9valuations d’\u00e9chelle subjective o\u00f9 le jugement du sujet est contamin\u00e9 par des crit\u00e8res d\u00e9cisionnels internes arbitraires ou des biais de complaisance envers l’exp\u00e9rimentateur, la m\u00e9thodologie 2AFC contraint l’observateur \u00e0 discriminer entre deux intervalles temporels ou deux localisations spatiales :<\/p>\n Le sujet doit indiquer, par exemple, dans lequel des deux intervalles une pastille pr\u00e9sentait une chromaticit\u00e9 l\u00e9g\u00e8rement distincte. En appliquant la th\u00e9orie de la d\u00e9tection du signal (TDS), Brainard s\u00e9pare math\u00e9matiquement la sensibilit\u00e9 sensorielle pure de l’observateur ($d’$<\/span>) de son biais de r\u00e9ponse ($c$<\/span> ou $\\beta$<\/span>). Ces t\u00e2ches sont combin\u00e9es \u00e0 des proc\u00e9dures d’escalier adaptatives (comme les m\u00e9thodes QUEST ou les escaliers transform\u00e9s de Levitt), qui ajustent automatiquement la difficult\u00e9 du stimulus pour converger vers le seuil diff\u00e9rentiel de 75 % ou 82 % de r\u00e9ponses correctes avec un nombre minimal d’essais.<\/p>\n Pour traiter la volum\u00e9trie consid\u00e9rable de donn\u00e9es g\u00e9n\u00e9r\u00e9es par ces protocoles exp\u00e9rimentaux, Brainard a d\u00e9velopp\u00e9 et diffus\u00e9 des outils d’analyse statistique avanc\u00e9s. Il a g\u00e9n\u00e9ralis\u00e9 l’usage des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s mixtes (GLMM) pour mod\u00e9liser les courbes psychom\u00e9triques individuelles tout en prenant en compte les variations al\u00e9atoires inter-individuelles. De surcro\u00eet, le laboratoire a d\u00e9mocratis\u00e9 l’utilisation des m\u00e9thodes de r\u00e9\u00e9chantillonnage non param\u00e9trique (bootstrapping<\/em>) pour calculer des intervalles de confiance rigoureux sur les param\u00e8tres de seuil et de pente, garantissant que les conclusions th\u00e9oriques ne reposent sur aucun artefact d’ajustement statistique.<\/p>\n L’exploration des d\u00e9ficits cong\u00e9nitaux de la vision des couleurs (couramment d\u00e9sign\u00e9s sous le terme g\u00e9n\u00e9rique de daltonisme) a constitu\u00e9 pour David Brainard un terrain d’application privil\u00e9gi\u00e9 pour valider et enrichir ses cadres th\u00e9oriques. Les dyschromatopsies ne sont pas simplement des anomalies m\u00e9dicales ; elles repr\u00e9sentent des configurations physiologiques alternatives offrant une opportunit\u00e9 unique de tester la plasticit\u00e9 du syst\u00e8me nerveux confront\u00e9 \u00e0 une perte ou une alt\u00e9ration d’un canal d’entr\u00e9e sensoriel.<\/p>\n Brainard s’est particuli\u00e8rement int\u00e9ress\u00e9 \u00e0 la mod\u00e9lisation math\u00e9matique des espaces de couleur chez les dichromates cong\u00e9nitaux :<\/p>\n Chez ces individus, l’espace des couleurs n’est plus tridimensionnel mais bidimensionnel. Brainard a formalis\u00e9 la g\u00e9om\u00e9trie des \u00ab lignes de confusion \u00bb dans le diagramme de chromaticit\u00e9, c’est-\u00e0-dire les trajectoires vectorielles le long desquelles une infinit\u00e9 de spectres distincts deviennent rigoureusement m\u00e9tam\u00e8res pour un \u0153il dichromate.<\/p>\n Ses travaux ont pouss\u00e9 l’investigation plus loin en explorant le polymorphisme g\u00e9n\u00e9tique complexe des trichromates anormaux (protanomaux et deut\u00e9ranomaux). Chez ces individus, les trois types de c\u00f4nes sont pr\u00e9sents, mais les spectres d’absorption des pigments $L$<\/span> et $M$<\/span> sont d\u00e9cal\u00e9s spectralement le long de l’axe des longueurs d’onde en raison de recombinaisons intrag\u00e9niques au sein du groupe de g\u00e8nes tandem $OPN1LW$<\/span> et $OPN1MW$<\/span> situ\u00e9 sur le chromosome X. En appliquant la th\u00e9orie de l’observateur id\u00e9al \u00e0 ces configurations g\u00e9n\u00e9tiquement caract\u00e9ris\u00e9es, Brainard a pr\u00e9dit avec une exactitude remarquable la d\u00e9gradation ou la pr\u00e9servation r\u00e9siduelle de leur sensibilit\u00e9 diff\u00e9rentielle chromatique, \u00e9lucidant pourquoi certains trichromates anormaux m\u00e8nent une vie normale sans jamais prendre conscience de leur anomalie tandis que d’autres manifestent des d\u00e9ficits s\u00e9v\u00e8res de discrimination des teintes.<\/p>\n L’expertise th\u00e9orique et m\u00e9thodologique de David Brainard s’est av\u00e9r\u00e9e d\u00e9terminante dans l’un des jalons les plus spectaculaires de la biologie moderne : les protocoles de restauration de la vision trichromatique par th\u00e9rapie g\u00e9nique. Dans le cadre de collaborations scientifiques majeures avec les g\u00e9n\u00e9ticiens Maureen et Jay Neitz \u00e0 l’Universit\u00e9 de Washington, Brainard a particip\u00e9 \u00e0 l’\u00e9valuation fonctionnelle de la c\u00e9l\u00e8bre exp\u00e9rience de th\u00e9rapie g\u00e9nique men\u00e9e sur des singes \u00e9cureuils adultes m\u00e2les (Saimiri sciureus<\/em>).<\/p>\n Ces primates m\u00e2les sont naturellement dichromates en raison de l’absence du g\u00e8ne d’opsine $L$<\/span> sur leur unique chromosome X. Par l’injection sous-r\u00e9tinienne d’un vecteur viral ad\u00e9no-associ\u00e9 (AAV) transportant la s\u00e9quence du g\u00e8ne humain codant pour l’opsine $L$<\/span>, les chercheurs ont r\u00e9ussi \u00e0 transfecter une fraction de leurs c\u00f4nes $M$<\/span> pr\u00e9existants, les transformant fonctionnellement en r\u00e9cepteurs sensibles aux grandes longueurs d’onde. La question scientifique fondamentale qui subsistait \u00e9tait d’ordre cognitif et psychophysique : le cerveau adulte de ces singes, qui avait \u00e9volu\u00e9 et s’\u00e9tait d\u00e9velopp\u00e9 durant des ann\u00e9es avec un c\u00e2blage dichromate, \u00e9tait-il capable d’exploiter cette nouvelle entr\u00e9e sensorielle pour g\u00e9n\u00e9rer une perception trichromatique consciente ?<\/p>\n Brainard a contribu\u00e9 \u00e0 la conception de tests de discrimination psychophysique d’une rigueur absolue pour \u00e9liminer tout indice d’intensit\u00e9 lumineuse parasite :<\/p>\n Les r\u00e9sultats ont confirm\u00e9 que les singes trait\u00e9s d\u00e9veloppaient une sensibilit\u00e9 chromatique trichromatique in\u00e9dite. Brainard a mod\u00e9lis\u00e9 comment les circuits post-r\u00e9ceptoriaux existants ont pu \u00eatre \u00ab d\u00e9tourn\u00e9s \u00bb de fa\u00e7on non supervis\u00e9e pour extraire ce nouveau signal, apportant une preuve \u00e9clatante de la plasticit\u00e9 fonctionnelle du cortex visuel adulte confront\u00e9 \u00e0 une expansion de son r\u00e9pertoire sensoriel.<\/p>\n Pour les patients atteints de c\u00e9cit\u00e9 cons\u00e9cutive \u00e0 des pathologies d\u00e9g\u00e9n\u00e9ratives s\u00e9v\u00e8res de la r\u00e9tine externe \u2014 telles que la r\u00e9tinite pigmentaire ou les stades terminaux de la d\u00e9g\u00e9n\u00e9rescence maculaire li\u00e9e \u00e0 l’\u00e2ge (DMLA) \u2014, les photor\u00e9cepteurs sont d\u00e9truits, mais les couches internes de la r\u00e9tine (cellules bipolaires et ganglionnaires) demeurent partiellement viables. Les technologies de proth\u00e8ses r\u00e9tiniennes \u00e9lectroniques (implants \u00e9pir\u00e9tiniens ou sous-r\u00e9tiniens) visent \u00e0 stimuler \u00e9lectriquement ces cellules survivantes \u00e0 l’aide de micro-matrices d’\u00e9lectrodes pour restaurer une forme de vision fonctionnelle.<\/p>\n David Brainard a investi ce domaine en y appliquant la mod\u00e9lisation computationnelle biophysique via des extensions d’ISETBio. L’enjeu fondamental est d’une grande complexit\u00e9 : une \u00e9lectrode m\u00e9tallique carr\u00e9e ne stimule pas une cellule biologique ponctuelle comme un pixel d’\u00e9cran stimule un c\u00f4ne. Le champ \u00e9lectrique diffuse dans le tissu r\u00e9tinien, excitant de mani\u00e8re indiff\u00e9renci\u00e9e les corps cellulaires des cellules ganglionnaires sous-jacentes ainsi que les axones de passage provenant de r\u00e9gions \u00e9loign\u00e9es de la r\u00e9tine. Il en r\u00e9sulte que le patient per\u00e7oit des taches lumineuses amorphes, d\u00e9form\u00e9es et comateuses (des \u00ab phosph\u00e8nes \u00bb) au lieu de points lumineux nets.<\/p>\n En mod\u00e9lisant la dynamique biophysique de cette stimulation \u00e9lectrique, Brainard et ses collaborateurs ont d\u00e9velopp\u00e9 des algorithmes d’optimisation computationnelle pour l’encodage vid\u00e9o des cam\u00e9ras embarqu\u00e9es sur les lunettes des patients :<\/p>\n $$\\vec{I}_{\\text{stim}} = arg\\min_{\\vec{I}} left| f_{\\text{biophys}}(\\vec{I}) – \\text{Image}_{\\text{cible}} right|^2 + \\lambda R(\\vec{I})$$<\/span><\/p>\n Ces algorithmes pr\u00e9-compensent la d\u00e9formation spatiale induite par la diffusion du courant \u00e9lectrique en injectant des impulsions multi-\u00e9lectrodes coordonn\u00e9es qui mod\u00e8lent le champ \u00e9lectrique par interf\u00e9rence destructive. L’observateur id\u00e9al d’ISETBio pr\u00e9dit ensuite la qualit\u00e9 perceptive des phosph\u00e8nes r\u00e9sultants et \u00e9value la quantit\u00e9 d’information visuelle utile (pour la navigation spatiale ou la reconnaissance de grands caract\u00e8res textuels) transmise au cerveau du patient, guidant ainsi la conception mat\u00e9rielle des implants du futur.<\/p>\n Au cours des deux derni\u00e8res d\u00e9cennies, les recherches de David Brainard se sont \u00e9largies au-del\u00e0 de la chromaticit\u00e9 pure pour embrasser l’analyse de l’apparence mat\u00e9rielle des objets dans toute sa complexit\u00e9 physique. Dans le monde r\u00e9el, un objet n’est pas uniquement d\u00e9fini par son alb\u00e9do diffus (sa couleur mate) ; son apparence d\u00e9pend de la mani\u00e8re dont sa surface r\u00e9fl\u00e9chit la lumi\u00e8re dans toutes les directions de l’espace en fonction de l’angle d’incidence du rayon lumineux. Cette propri\u00e9t\u00e9 optique fondamentale est formalis\u00e9e par la fonction de distribution de la r\u00e9flectance bidirectionnelle (Bidirectional Reflectance Distribution Function<\/em>, ou BRDF) :<\/p>\n $$f_r(\\omega_i, \\omega_o, \\lambda) = \\frac{dL_r(\\omega_o, \\lambda)}{dE_i(\\omega_i, \\lambda)}$$<\/span><\/p>\n o\u00f9 $dL_r$<\/span> est la radiance diff\u00e9rentielle r\u00e9fl\u00e9chie dans la direction $\\omega_o$<\/span> et $dE_i$<\/span> l’irradiance diff\u00e9rentielle incidente provenant de la direction $\\omega_i$<\/span>.<\/p>\n Brainard s’est focalis\u00e9 sur la perception de la brillance (gloss<\/em>) et la distinction que le syst\u00e8me visuel op\u00e8re entre la r\u00e9flexion sp\u00e9culaire (le miroitement net de la source lumineuse sur une surface lustr\u00e9e) et la r\u00e9flexion diffuse lambertienne. En exploitant des moteurs de rendu graphique physically-based utilisant des mod\u00e8les analytiques de BRDF (tels que les mod\u00e8les de Ward, de Cook-Torrance ou d’Ashikhmin-Shirley), Brainard a con\u00e7u des stimuli psychophysiques param\u00e9triques permettant d’\u00e9valuer la constance de la brillance chez l’\u00eatre humain.<\/p>\n Ses exp\u00e9riences ont r\u00e9v\u00e9l\u00e9 que la perception de la brillance est soumise \u00e0 des interactions complexes entre la g\u00e9om\u00e9trie de la forme tridimensionnelle de l’objet et le champ d’illumination environnant. Si une sph\u00e8re brillante est plac\u00e9e dans un environnement d’\u00e9clairage uniforme et diffus (comme une pi\u00e8ce aux murs blancs sans ombres), elle perd instantan\u00e9ment son apparence lustr\u00e9e et est faussement per\u00e7ue par l’observateur humain comme une surface mate peinte en gris clair. Brainard a mod\u00e9lis\u00e9 ce ph\u00e9nom\u00e8ne, d\u00e9montrant que le cerveau inf\u00e8re la sp\u00e9cularit\u00e9 en analysant la congruence spatiale entre les hautes lumi\u00e8res sp\u00e9culaires (les reflets) et la courbure g\u00e9om\u00e9trique globale de l’objet.<\/p>\n L’apparence de la mati\u00e8re d\u00e9pend \u00e9galement de sa microg\u00e9om\u00e9trie ou rugosit\u00e9 de surface, qui d\u00e9termine la transition entre des finitions hautement r\u00e9fl\u00e9chissantes (comme le chrome ou la porcelaine \u00e9maill\u00e9e) et des aspects mats, satin\u00e9s ou velout\u00e9s. Dans ses travaux computationnels sur la texture des mat\u00e9riaux, David Brainard a formalis\u00e9 la mani\u00e8re dont le syst\u00e8me visuel d\u00e9couple l’information topographique (le relief microscopique de la mati\u00e8re) de la variation spatiale de la pigmentation (l’alb\u00e9do de texture).<\/p>\n Ce probl\u00e8me inverse est d’une complexit\u00e9 computationnelle extr\u00eame : un motif de luminance ray\u00e9 sur une surface peut provenir soit d’un mat\u00e9riau z\u00e9br\u00e9 plat (une variation de r\u00e9flectance spectrale bidimensionnelle), soit d’une surface ondul\u00e9e monochrome \u00e9clair\u00e9e obliquement (une variation de normales de surface g\u00e9n\u00e9rant de l’ombrage et des micro-ombres port\u00e9es). Brainard a d\u00e9montr\u00e9 que pour r\u00e9soudre cette ambigu\u00eft\u00e9 physique, le cerveau humain s’appuie massivement sur la structure statistique de l’illumination globale :<\/p>\n Brainard a test\u00e9 empiriquement ces mod\u00e8les en synth\u00e9tisant des surfaces virtuelles complexes dont la rugosit\u00e9 statistique \u00e9tait contr\u00f4l\u00e9e par des surfaces fractales de Brown. En manipulant artificiellement la coh\u00e9rence entre la direction de la lumi\u00e8re incidente et les micro-ombres port\u00e9es, il a prouv\u00e9 que la perception de textures complexes \u2014 comme le cuir, le m\u00e9tal bross\u00e9 ou la c\u00e9ramique \u2014 s’effondre d\u00e8s lors que les r\u00e9gularit\u00e9s physiques du monde naturel sont viol\u00e9es, consolidant ainsi la port\u00e9e \u00e9cologique du cadre bay\u00e9sien appliqu\u00e9 aux mat\u00e9riaux.<\/p>\n L’ancrage \u00e9cologique des recherches de David Brainard trouve son expression la plus accomplie dans l’\u00e9tude de la valeur adaptative de la vision des couleurs chez les primates au cours de l’\u00e9volution. Pourquoi le sous-ordre des primates catarhiniens (incluant l’\u00eatre humain) a-t-il r\u00e9-\u00e9volu\u00e9 vers un syst\u00e8me trichromatique fond\u00e9 sur la duplication g\u00e9n\u00e9tique des opsines $L$<\/span> et $M$<\/span>, alors que l’\u00e9crasante majorit\u00e9 des mammif\u00e8res terrestres non-primates sont demeur\u00e9s dichromates ?<\/p>\n En analysant les propri\u00e9t\u00e9s spectrales de fruits m\u00fbrs, de jeunes feuilles comestibles et de feuillages tropicaux dans les for\u00eats d’Afrique et d’Am\u00e9rique du Sud, Brainard et d’autres pionniers de l’\u00e9cologie visuelle ont d\u00e9montr\u00e9 que la s\u00e9paration spectrale \u00e9troite entre les c\u00f4nes $L$<\/span> et $M$<\/span> (dont les pics d’absorption ne sont distants que d’une trentaine de nanom\u00e8tres, autour de 530 nm pour $M$<\/span> et 560 nm pour $L$<\/span>) est math\u00e9matiquement optimis\u00e9e pour :<\/p>\n Brainard souligne ainsi que le syst\u00e8me trichromatique humain n’est pas con\u00e7u pour faire de la spectroscopie d’illumination de laboratoire, mais pour guider l’action biologique au sein d’une niche \u00e9cologique d\u00e9finie. La perception visuelle des mati\u00e8res et des couleurs s’int\u00e8gre ultimement dans un cycle perception-action o\u00f9 l’apparence d’un fruit ou d’un mat\u00e9riau guide directement la d\u00e9cision motrice d’ingestion ou de manipulation.<\/p>\n L’impact scientifique de David Brainard s’explique non seulement par ses intuitions personnelles, mais aussi par sa capacit\u00e9 \u00e0 animer et catalyser des partenariats de recherche d’une rare f\u00e9condit\u00e9 avec les plus grands th\u00e9oriciens et exp\u00e9rimentateurs de sa g\u00e9n\u00e9ration. Parmi ces collaborations p\u00e9rennes figure son dialogue continu avec Brian Wandell<\/a> (Stanford). Ensemble, ils ont red\u00e9fini la colorim\u00e9trie computationnelle, posant les bases des mod\u00e8les lin\u00e9aires de vision et concr\u00e9tisant le projet ambitieux d’ISETBio, unissant le g\u00e9nie logiciel de Stanford et la rigueur psychophysique de Penn.<\/p>\n Sa complicit\u00e9 de longue date avec Denis Pelli<\/a> (Universit\u00e9 de New York) a donn\u00e9 naissance \u00e0 la Psychtoolbox, un outil dont l’impact mat\u00e9riel sur la reproductibilit\u00e9 scientifique en psychologie cognitive et en neurosciences est incalculable. Brainard a \u00e9galement collabor\u00e9 de mani\u00e8re r\u00e9currente avec Eero Simoncelli<\/a> (NYU \/ Howard Hughes Medical Institute), explorant comment les architectures de normalisation par division d\u00e9velopp\u00e9es pour le cortex stri\u00e9 pr\u00e9disent les performances de discrimination perceptive dans des sc\u00e8nes naturelles complexes, ainsi qu’avec William T. Freeman (MIT) sur les fondements math\u00e9matiques de l’inversion bilin\u00e9aire.<\/p>\n Au-del\u00e0 de ses travaux de laboratoire, Brainard a exerc\u00e9 un leadership d\u00e9terminant dans la structuration institutionnelle de la discipline. Il a \u00e9t\u00e9 une cheville ouvri\u00e8re majeure du d\u00e9veloppement de la Vision Sciences Society (VSS)<\/a>, la plus importante organisation internationale consacr\u00e9e aux sciences visuelles. Son implication assidue au sein des comit\u00e9s scientifiques et des groupes de travail interdisciplinaires a contribu\u00e9 \u00e0 d\u00e9cloisonner la psychologie de la perception, for\u00e7ant les d\u00e9partements de psychologie, les facult\u00e9s d’ing\u00e9nierie informatique et les laboratoires d’ophtalmologie clinique \u00e0 dialoguer au sein d’un cadre conceptuel et formel partag\u00e9.<\/p>\n Bien avant que la \u00ab crise de la reproductibilit\u00e9 \u00bb n’\u00e9branle la psychologie et la biom\u00e9decine au d\u00e9but des ann\u00e9es 2010, David Brainard s’\u00e9tait impos\u00e9 comme un militant fervent d’une \u00e9thique de la recherche fond\u00e9e sur le libre acc\u00e8s au code source, la standardisation m\u00e9trologique et le partage des donn\u00e9es primaires brutes. Sa vision \u00e9pist\u00e9mologique a toujours postul\u00e9 qu’une th\u00e9orie computationnelle de la vision est vide de sens si le mod\u00e8le math\u00e9matique ne s’accompagne pas du script algorithmique exact ayant servi \u00e0 g\u00e9n\u00e9rer les pr\u00e9dictions et \u00e0 traiter les donn\u00e9es empiriques.<\/p>\n Le maintien, la documentation m\u00e9ticuleuse et le support technique b\u00e9n\u00e9vole accord\u00e9 sans interruption \u00e0 la suite logicielle Psychtoolbox pendant pr\u00e8s de trois d\u00e9cennies illustrent cet engagement au service du bien commun scientifique. En fournissant des biblioth\u00e8ques gratuites, robustes et universellement document\u00e9es, Brainard a d\u00e9mocratis\u00e9 l’acc\u00e8s \u00e0 une psychophysique de haute pr\u00e9cision pour des centaines de laboratoires \u00e0 travers le monde qui ne disposaient pas des ressources d’ing\u00e9nierie n\u00e9cessaires pour concevoir leurs propres pilotes mat\u00e9riels.<\/p>\n Dans le m\u00eame esprit, le d\u00e9veloppement d’ISETBio sur des d\u00e9p\u00f4ts ouverts (GitHub) applique les standards les plus exigeants du g\u00e9nie logiciel moderne : int\u00e9gration continue, tests unitaires automatis\u00e9s v\u00e9rifiant la conformit\u00e9 des simulations physiques \u00e0 chaque modification du code, et documentation exhaustive pas-\u00e0-pas sous forme de tutoriels interactifs. Brainard a \u00e9galement milit\u00e9 sans rel\u00e2che pour l’\u00e9l\u00e9vation des exigences d’enseignement au sein des cursus universitaires de neurosciences cognitives, d\u00e9fendant l’apprentissage pr\u00e9coce de l’alg\u00e8bre lin\u00e9aire, du calcul stochastique et de la programmation informatique comme des comp\u00e9tences m\u00e9thodologiques aussi fondamentales que la statistique descriptive traditionnelle.<\/p>\n Le laboratoire dirig\u00e9 par David Brainard \u00e0 l’Universit\u00e9 de Pennsylvanie \u2014 le Brainard Lab<\/em> \u2014 a fonctionn\u00e9 pendant plus de trois d\u00e9cennies comme l’une des p\u00e9pini\u00e8res de talents les plus influentes de la communaut\u00e9 internationale des neurosciences computationnelles. La culture de laboratoire qu’il a instaur\u00e9e repose sur un couplage constant entre le code informatique, le formalisme th\u00e9orique et l’exp\u00e9rimentation m\u00e9trologique rigoureuse : aucun \u00e9tudiant ou chercheur postdoctoral ne formule d’hypoth\u00e8se sans l’impl\u00e9menter sous la forme d’un mod\u00e8le computationnel testable et sans mesurer personnellement les coordonn\u00e9es spectroradiom\u00e9triques de son stimulus.<\/p>\n De nombreux doctorants et chercheurs postdoctoraux form\u00e9s sous sa direction ont essaim\u00e9 dans le monde acad\u00e9mique et industriel, acc\u00e9dant \u00e0 des postes de professeurs titulaires ou de directeurs de recherche au sein d’institutions prestigieuses \u00e0 travers le monde. Ces anciens \u00e9l\u00e8ves perp\u00e9tuent et enrichissent sa vision de la science, occupant des r\u00f4les de premier plan dans l’\u00e9tude de la perception des formes, de la couleur, de la d\u00e9cision visuelle et de l’apprentissage profond.<\/p>\n Parall\u00e8lement, l’empreinte des m\u00e9thodes computationnelles d\u00e9velopp\u00e9es au sein de son laboratoire s’est diffus\u00e9e dans les centres de recherche et d\u00e9veloppement des g\u00e9ants industriels de l’optique, de l’affichage et de la r\u00e9alit\u00e9 augment\u00e9e (Apple, Meta Reality Labs, Google). Les ing\u00e9nieurs concevant les algorithmes de balance des blancs des appareils photographiques contemporains, les syst\u00e8mes de rendu colorim\u00e9trique des \u00e9crans de smartphones ou les moteurs optiques des casques de r\u00e9alit\u00e9 mixte puisent directement dans les \u00e9quations bilin\u00e9aires et les mod\u00e8les d’\u00e9talonnage forg\u00e9s par David Brainard au cours de son parcours acad\u00e9mique.<\/p>\n L’h\u00e9ritage scientifique b\u00e2ti par David Brainard depuis 1960 repr\u00e9sente un monument th\u00e9orique pour les sciences cognitives. Son succ\u00e8s indiscutable r\u00e9side dans la capacit\u00e9 sans pr\u00e9c\u00e9dent du cadre bay\u00e9sien \u00e0 pr\u00e9dire quantitativement et \u00e9l\u00e9gamment des pans entiers de la ph\u00e9nom\u00e9nologie visuelle humaine \u2014 depuis les seuils \u00e9l\u00e9mentaires de d\u00e9tection de photons jusqu’aux ajustements les plus subtils de la constance chromatique au sein de sc\u00e8nes tridimensionnelles complexes \u2014, mettant fin \u00e0 un si\u00e8cle de d\u00e9bats purement discursifs sur la nature de la perception.<\/p>\n N\u00e9anmoins, cet \u00e9difice a suscit\u00e9 des d\u00e9bats th\u00e9oriques stimulants et des critiques \u00e9pist\u00e9mologiques f\u00e9condes. La critique la plus r\u00e9currente concerne la plausibilit\u00e9 neurobiologique<\/em> de l’inversion bay\u00e9sienne exacte. Les opposants \u00e0 une lecture bay\u00e9sienne stricte soutiennent que le cerveau, confront\u00e9 \u00e0 des contraintes de temps r\u00e9el et \u00e0 des ressources \u00e9nerg\u00e9tiques limit\u00e9es, ne saurait int\u00e9grer des int\u00e9grales multidimensionnelles continues ou propager des distributions de probabilit\u00e9 compl\u00e8tes \u00e0 chaque instant. Certains th\u00e9oriciens de la vision sugg\u00e8rent que l’\u00e9volution a plut\u00f4t favoris\u00e9 l’\u00e9mergence d’heuristiques computationnelles simples, \u00ab rapides et frugales \u00bb (fast and frugal heuristics<\/em>), capables de fournir des solutions perceptives satisfaisantes sans jamais ex\u00e9cuter les calculs th\u00e9oriques optimaux postul\u00e9s par l’observateur id\u00e9al.<\/p>\n Brainard et ses partisans ont r\u00e9pondu \u00e0 ces objections en rappelant la fonction m\u00e9thodologique fondamentale de l’observateur id\u00e9al selon Marr : celui-ci ne postule pas que les synapses c\u00e9r\u00e9brales r\u00e9pliquent textuellement les lignes de calcul de l’algorithme bay\u00e9sien, mais fixe la limite sup\u00e9rieure de performance<\/em> que tout syst\u00e8me physique optimal est en mesure d’atteindre. L’observateur id\u00e9al fournit l’\u00e9talon m\u00e9trologique absolu \u00e0 l’aune duquel on peut pr\u00e9cis\u00e9ment d\u00e9couvrir la nature des approximations, des bruits et des heuristiques biologiques sous-optimales effectivement d\u00e9ploy\u00e9es par les r\u00e9seaux de neurones r\u00e9els.<\/p>\n L’irruption spectaculaire des r\u00e9seaux de neurones convolutifs profonds (Deep Convolutional Neural Networks<\/em>, ou DCNN) dans le champ de la vision par ordinateur et des neurosciences visuelles au cours de la derni\u00e8re d\u00e9cennie a profond\u00e9ment interrog\u00e9 la posture scientifique incarn\u00e9e par David Brainard. Les r\u00e9seaux profonds modernes apprennent \u00e0 classifier des millions d’images naturelles et \u00e0 r\u00e9soudre des probl\u00e8mes complexes d’estimation de surface en optimisant des millions de param\u00e8tres de connexions synaptiques \u00e0 travers des descentes de gradient stochastiques sur d’immenses bases de donn\u00e9es \u00e9tiquet\u00e9es, fonctionnant pour l’essentiel comme des \u00ab bo\u00eetes noires \u00bb statistiques non interpr\u00e9tables physiquement.<\/p>\n Face \u00e0 ce raz-de-mar\u00e9e empirique, Brainard a d\u00e9fendu avec rigueur la n\u00e9cessit\u00e9 absolue des mod\u00e8les physiques explicites<\/em>. Alors qu’un r\u00e9seau de neurones profond standard peut \u00e9chouer de mani\u00e8re absurde face \u00e0 des exemples antagonistes (adversarial examples<\/em>) ou extrapoler de fa\u00e7on erron\u00e9e face \u00e0 une sc\u00e8ne lumineuse in\u00e9dite dont il n’a jamais rencontr\u00e9 les statistiques durant son entra\u00eenement, les mod\u00e8les biophysiques fond\u00e9s sur les lois de l’optique et l’inf\u00e9rence causale conservent une explicabilit\u00e9 totale et une robustesse inalt\u00e9rable.<\/p>\n Loin de rejeter en bloc l’intelligence artificielle connexionniste, Brainard a milit\u00e9 pour une hybridation f\u00e9conde entre les mod\u00e8les biophysiques et les r\u00e9seaux profonds :<\/p>\n Au terme de plus de quatre d\u00e9cennies d’activit\u00e9 scientifique continue, David Brainard continue de tracer les perspectives d’avenir de la recherche sur la vision humaine. L’horizon le plus prometteur r\u00e9side dans la convergence imminente entre la mod\u00e9lisation computationnelle biophysique de bout en bout et les r\u00e9volutions instrumentales de l’optom\u00e9trie de haute r\u00e9solution, de l’optog\u00e9n\u00e9tique et de l’imagerie calcique fonctionnelle in vivo<\/em>.<\/p>\n Gr\u00e2ce aux progr\u00e8s de l’optique adaptative coupl\u00e9e \u00e0 l’ophtalmoscopie laser \u00e0 balayage (AOSLO), les chercheurs sont d\u00e9sormais capables de visualiser chaque photor\u00e9cepteur individuel au fond de l’\u0153il d’un \u00eatre humain vivant et d’y projeter des micro-stimuli optiques ciblant sp\u00e9cifiquement un unique c\u00f4ne $L$<\/span>, $M$<\/span> ou $S$<\/span>. Les cadres de simulation computationnelle d\u00e9velopp\u00e9s par Brainard sont les seuls outils th\u00e9oriques \u00e0 l’\u00e9chelle mondiale capables de pr\u00e9dire la r\u00e9ponse perceptive subjective qui \u00e9merge lorsqu’un motif spatial arbitraire de photons est d\u00e9livr\u00e9 \u00e0 une poign\u00e9e de photor\u00e9cepteurs identifi\u00e9s.<\/p>\n L’objectif ultime poursuivi par cette d\u00e9marche scientifique reste l’\u00e9lucidation int\u00e9grale et math\u00e9matiquement transparente du flux visuel : comprendre, sans aucune rupture m\u00e9thodologique, comment un photon unique traversant la corn\u00e9e d\u00e9clenche une succession d\u00e9terministe et stochastique de transformations physiques et neurales qui culmine dans l’exp\u00e9rience ph\u00e9nom\u00e9nale d’un monde baign\u00e9 de couleurs, de formes et de mati\u00e8res signifiantes. Dans cette grande \u00e9pop\u00e9e intellectuelle des sciences cognitives modernes, l’\u0153uvre de David Brainard s’impose durablement comme l’une des fondations th\u00e9oriques et m\u00e9thodologiques les plus robustes, \u00e9clairant d’un jour nouveau la mani\u00e8re dont l’esprit humain parvient \u00e0 reconstruire la v\u00e9rit\u00e9 de son univers au-del\u00e0 de l’ambigu\u00eft\u00e9 des apparences lumineuses.<\/p>\n Brainard, D. H. (1989). Calibration of a computer controlled color display. Color Research & Application<\/em>, 14(1), 23\u201334. https:\/\/doi.org\/10.1002\/col.5080140107<\/a><\/p>\n Brainard, D. H., & Freeman, W. T. (1997). Bayesian color constancy. Journal of the Optical Society of America A<\/em>, 14(7), 1393\u20131411. https:\/\/doi.org\/10.1364\/JOSAA.14.001393<\/a><\/p>\n Brainard, D. H., & Wandell, B. A. (1986). Analysis of the retinex theory of color vision. Journal of the Optical Society of America A<\/em>, 3(10), 1651\u20131661. https:\/\/doi.org\/10.1364\/JOSAA.3.001651<\/a><\/p>\n Brainard, D. H., & Wandell, B. A. (1991). Asymmetric color matching: How color appearance depends on the illuminant. 1. Introduction biographique et gen\u00e8se intellectuelle (1960 \u00e0 nos jours)<\/h2>\n
1.1 Origines acad\u00e9miques et parcours de formation<\/h3>\n
1.2 Contexte scientifique de la vision computationnelle dans les ann\u00e9es 1980 et 1990<\/h3>\n
1.3 \u00c9volution de sa posture th\u00e9orique au fil des d\u00e9cennies<\/h3>\n
2. Fondements \u00e9pist\u00e9mologiques et cadre computationnel de David Brainard<\/h2>\n
2.1 L’approche psychophysique de niveau interm\u00e9diaire<\/h3>\n
2.2 La th\u00e9orie du traitement de l’information appliqu\u00e9e au flux visuel<\/h3>\n
2.3 Formalisation math\u00e9matique des espaces colorim\u00e9triques<\/h3>\n
3. La psychophysique de la constance des couleurs<\/h2>\n
3.1 Le probl\u00e8me fondamental de la s\u00e9paration illumination-r\u00e9flectance<\/h3>\n
3.2 Mod\u00e8les bilin\u00e9aires et estimation conjointe<\/h3>\n
3.3 Perception de la couleur sous illuminations spatialement h\u00e9t\u00e9rog\u00e8nes<\/h3>\n
4. L’observateur id\u00e9al et l’inf\u00e9rence bay\u00e9sienne dans la vision<\/h2>\n
4.1 Th\u00e9orie de la d\u00e9cision statistique et observateur id\u00e9al<\/h3>\n
\n
4.2 L’int\u00e9gration des a priori statistiques naturels<\/h3>\n
4.3 Mod\u00e8les g\u00e9n\u00e9ratifs de sc\u00e8nes visuelles<\/h3>\n
\n
5. Optique oculaire et mosa\u00efque des photor\u00e9cepteurs : Le projet ISETBio<\/h2>\n
5.1 Architecture et finalit\u00e9 de la plateforme ISETBio<\/h3>\n
5.2 Structure spatiale et absorption des photor\u00e9cepteurs<\/h3>\n
\n
5.3 Couplage de la mod\u00e9lisation biophysique aux d\u00e9cisions perceptives<\/h3>\n
\n
6. Circuits r\u00e9tiniens post-r\u00e9ceptoriaux et codage de l’information<\/h2>\n
6.1 Opponence chromatique et canaux parvocellulaires<\/h3>\n
\n
6.2 Dynamique temporelle et adaptation photochimique<\/h3>\n
6.3 Transmission vers le corps genouill\u00e9 lat\u00e9ral et l’aire V1<\/h3>\n
7. Adaptation sensorielle et m\u00e9canismes contextuels<\/h2>\n
7.1 Processus d’adaptation locale versus globale<\/h3>\n
7.2 Effets de contraste et d’assimilation chromatique<\/h3>\n
\n
7.3 Adaptation \u00e0 long terme et plasticit\u00e9 visuelle adulte<\/h3>\n
8. M\u00e9thodologie exp\u00e9rimentale et m\u00e9trologie de haute pr\u00e9cision<\/h2>\n
8.1 \u00c9talonnage rigoureux et caract\u00e9risation des dispositifs d’affichage<\/h3>\n
8.2 Psychophysique en r\u00e9alit\u00e9 virtuelle et sc\u00e8nes tridimensionnelles immersives<\/h3>\n
\n
8.3 Paradigmes de discrimination et d’appariement psychophysique<\/h3>\n
9. D\u00e9ficits visuels, proth\u00e8ses r\u00e9tiniennes et th\u00e9rapie g\u00e9nique<\/h2>\n
9.1 Compr\u00e9hension fine des dyschromatopsies cong\u00e9nitales<\/h3>\n
\n
9.2 \u00c9valuation fonctionnelle des th\u00e9rapies g\u00e9niques oculaires<\/h3>\n
\n
9.3 Optimisation computationnelle des proth\u00e8ses et implants r\u00e9tiniens<\/h3>\n
10. Perception de la mati\u00e8re, brillance et propri\u00e9t\u00e9s de surface<\/h2>\n
10.1 Au-del\u00e0 de la couleur : la r\u00e9flectance bidirectionnelle (BRDF)<\/h3>\n
10.2 Inf\u00e9rence de la texture et rugosit\u00e9 des mat\u00e9riaux<\/h3>\n
\n
10.3 Consid\u00e9rations \u00e9cologiques de la vision des objets naturels<\/h3>\n
\n
11. Collaborations interdisciplinaires et leadership acad\u00e9mique<\/h2>\n
11.1 Synergies avec les figures majeures de la vision computationnelle<\/h3>\n
11.2 Diffusion d’outils ouverts et \u00e9thique de reproductibilit\u00e9<\/h3>\n
11.3 Direction de laboratoires et formation de la nouvelle g\u00e9n\u00e9ration<\/h3>\n
12. H\u00e9ritage th\u00e9orique, critiques et perspectives futures de la psychologie de la vision<\/h2>\n
12.1 Bilan \u00e9pist\u00e9mologique de l’approche computationnelle bay\u00e9sienne<\/h3>\n
12.2 Confrontation avec les r\u00e9seaux de neurones profonds contemporains<\/h3>\n
\n
12.3 Horizons futurs pour la recherche sur la vision humaine<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n