OttoMatic septembre - 23 - 2011 Stratinnov partage sa veille avec vous

Nicolas Rougier, membre de l’équipe Cortex (Nancy), s’intéresse au fonctionnement du cerveau. Il cherche à comprendre l’émergence de phénomènes aussi complexes que la cognition ou la conscience. Une démarche dans laquelle la modélisation est primordiale, le recours à la robotique est courant, et la reproduction fidèle des grands principes biologiques est un souci permanent. 


Vous travaillez en "neurosciences computationnelles". En quoi cela consiste-t-il ?

Nicolas Rougier : Les neurosciences computationnelles visent à élaborer des modèles implémentables du fonctionnement cérébral en collaboration avec des biologistes. Par exemple, je termine actuellement un projet sur la modélisation du colliculus supérieur du singe, une petite zone sous-corticale responsable notamment des saccades oculaires. Mon rôle d’informaticien est de proposer des modèles numériques qui réalisent les tâches avec des performances similaires à celles de l’animal ou de l’homme mais aussi de la même manière. Autrement dit, que le modèle soit une bonne approximation du fonctionnement cérébral.


Quelle question s‘impose à vous à ce point de votre parcours scientifique ?

Nicolas Rougier : Mon habilitation à diriger des recherches a été l’occasion de prendre un peu de recul sur la conception de ces modèles. Lorsqu’il s’agit de modéliser un seul neurone, il est possible de mesurer de nombreux paramètres (impulsions, potentiels de membranes, etc.) et de construire des réseaux de neurones artificiels dont les performances peuvent être confrontées directement aux observations. Mais dès que le système est plus complexe (aire cérébrale, cerveau tout entier) se pose la question de ce que représente le modèle et de sa portée. Un point essentiel est que les phénomènes que nous cherchons à modéliser émergent de vastes ensembles d’éléments simples fonctionnant en parallèle. Il faut donc veiller à ne pas introduire d’artefacts à quelque niveau que ce soit. C’est indispensable car l’objectif n’est pas simplement que le modèle soit prédictif, c’est-à-dire qu’il soit capable d’anticiper les performances observées, mais aussi qu’il ait un pouvoir explicatif: qu’il permette de comprendre comment le cerveau réalise une fonction. Pour cela le modèle, même très simplifié, doit se conformer à la manière dont on pense que le cerveau fonctionne. Or il est très facile en informatique d’introduire, à une étape ou une autre et sans même s’en rendre compte, des artefacts de modélisation.


Comment proposez-vous de résoudre cette difficulté ?

N.R. : J’ai défini un cadre de modélisation qui permet de se prémunir de ce type de problème en posant quelques bases théoriques et pragmatiques garantissant un certain nombre de propriétés au modèle. Il faut identifier avec le biologiste les propriétés qui doivent être présentes tout au long du calcul pour que le modèle puisse vraiment prétendre avoir des propriétés émergentes. Puis construire le modèle avec ces contraintes et voir si l’on obtient des propriétés similaires à celles obtenues par l’expérimentation. Un bon modèle permet, par exemple, de faire des expériences in silico. C’est inestimable car cela ne prend que quelques heures là où il faut plusieurs mois d’expérimentations au biologiste en laboratoire.


Quelles questions motivent vos travaux actuels ?

N.R. : La modélisation du cerveau m’intéresse beaucoup mais je voudrais aller plus loin aujourd’hui et comprendre comment la cognition émerge, c’est-à-dire comment émergent des processus comme la perception, la motricité ou les émotions, mais aussi les fonctions de haut niveau comme le raisonnement, la mémoire ou la prise de décision. L’approche des neurosciences computationnelles croise ici celle de la cognition incarnée, qui défend l’idée que la cognition n’est pas pur esprit mais est liée de façon intime au corps (l’intelligence se construisant par le corps en interaction avec le monde). Par analogie, j’utilise le robot comme dispositif expérimental permettant de mettre les modèles du fonctionnement cérébral à l’épreuve de l’environnement. Il faut pour cela maîtriser tous les concepts associés : le robot a des effecteurs et il apprend au fur et à mesure que ses actions sont associées à ce qu’il voit par la caméra, etc. On peut espérer voir ainsi un simple bras robotisé ou une caméra mobile développer une cognition qui est à leur portée.


Ces travaux peuvent-ils déboucher sur des applications ?

N.R. : Comprendre le cerveau et savoir le modéliser au moins en partie permettra de proposer une nouvelle façon de faire de la robotique. On pourra par exemple concevoir des robots qui fonctionnent mieux parce qu’ils auront la capacité de s’améliorer avec l’apprentissage et l’interaction avec l’environnement. La communauté de la cognition incarnée regroupe des personnes de l’informatique, de la psychologie, de la biologie, de la philosophie. Elle foisonne d’idées et de tentatives qui touchent le développement, la perception active mais aussi les émotions dont on sait combien elles influent sur l’apprentissage.


Votre rêve ?

N.R. : Comprendre l’émergence de la conscience. C’est une vision à très long terme mais il existe aujourd’hui un domaine d’étude constitué qui propose déjà quelques modèles computationnels !

Lire la source