Des neuroscientifiques de l’université de Princeton rapportent que le cerveau parvient à un apprentissage flexible en réutilisant des composants cognitifs modulaires à travers les tâches. Dans des expériences avec des macaques rhésus, les chercheurs ont découvert que le cortex préfrontal assemble ces « Lego cognitifs » réutilisables pour adapter rapidement les comportements. Les résultats, publiés le 26 novembre dans Nature, soulignent les différences avec les systèmes d’IA actuels et pourraient éventuellement informer des traitements pour les troubles qui altèrent la pensée flexible.
Des chercheurs de l’université de Princeton ont étudié pourquoi les cerveaux biologiques s’adaptent mieux aux nouvelles tâches que de nombreux systèmes d’intelligence artificielle. Dans une nouvelle étude, ils rapportent que le cerveau réutilise à plusieurs reprises des motifs neuronaux partagés, ou « blocs » cognitifs, pour construire des comportements complexes plutôt que d’apprendre chaque tâche à partir de zéro.
Selon le compte rendu de Princeton sur ce travail, publié le 26 novembre 2025 dans la revue Nature, l’équipe a entraîné deux macaques rhésus mâles à effectuer trois tâches de catégorisation visuelle liées tout en enregistrant l’activité cérébrale.
Dans ces tâches, les singes observaient des taches colorées en forme de ballons sur un écran et devaient juger si chaque forme ressemblait plus à un lapin ou à la lettre « T » (catégorisation de forme) ou si elle paraissait plus rouge ou plus verte (catégorisation de couleur). Pour indiquer leurs choix, les animaux rapportaient leurs décisions en regardant dans l’une des quatre directions sur l’écran. Dans une tâche, par exemple, regarder à gauche signalait que la tache ressemblait à un lapin, tandis que regarder à droite indiquait qu’elle ressemblait plus à un « T ». Certaines images étaient clairement d’une catégorie ou d’une autre, tandis que d’autres étaient ambiguës et nécessitaient un jugement plus fin.
Une caractéristique clé de la conception était que chaque tâche avait des règles distinctes mais partageait encore des éléments avec les autres. L’une des tâches de couleur et la tâche de forme exigeaient le même mappage entre les mouvements oculaires et les choix, tandis que les deux tâches de couleur utilisaient la même règle pour juger la couleur (plus rouge vs plus verte) mais nécessitaient des réponses de mouvement oculaire différentes. Cette structure a permis aux chercheurs de tester si le cerveau réutilisait les mêmes motifs neuronaux – ses blocs de construction cognitifs – chaque fois que les tâches partageaient des composants spécifiques.
L’analyse de l’activité cérébrale a révélé des motifs récurrents dans le cortex préfrontal, une région à l’avant du cerveau impliquée dans la cognition supérieure et la prise de décision. Ces motifs apparaissaient lorsque des groupes de neurones travaillaient ensemble vers des objectifs partagés, comme discriminer les couleurs, et pouvaient être combinés de manière flexible avec d’autres motifs pour soutenir différentes tâches.
« Les modèles d’IA de pointe peuvent atteindre des performances humaines, voire surhumaines, sur des tâches individuelles. Mais ils peinent à apprendre et à exécuter de nombreuses tâches différentes », a déclaré Tim Buschman, Ph.D., auteur principal de l’étude et directeur adjoint du Princeton Neuroscience Institute. « Nous avons découvert que le cerveau est flexible car il peut réutiliser des composants de la cognition dans de nombreuses tâches différentes. En assemblant ces « Lego cognitifs », le cerveau est capable de construire de nouvelles tâches. »
Buschman a comparé un bloc cognitif à une fonction dans un programme informatique : un ensemble de neurones pourrait déterminer la couleur d’une image, et sa sortie pourrait alors alimenter un autre bloc qui guide une action comme un mouvement oculaire particulier. Pour l’une des tâches de couleur, par exemple, le cerveau a assemblé un bloc qui évaluait la couleur avec un autre qui contrôlait la direction du regard. Lorsque l’animal passait à juger des formes en utilisant des mouvements oculaires similaires, le cerveau combinait plutôt un bloc de traitement de forme avec le même bloc de mouvement.
L’auteure principale Sina Tafazoli, Ph.D., chercheuse postdoctorale au laboratoire de Buschman, a indiqué que le cortex préfrontal semblait également supprimer les blocs non pertinents, aidant les animaux à se concentrer sur l’objectif actuel. « Le cerveau a une capacité limitée de contrôle cognitif », a déclaré Tafazoli. « Il faut comprimer certaines de vos capacités pour pouvoir vous concentrer sur celles qui sont actuellement importantes. Se concentrer sur la catégorisation de forme, par exemple, diminue momentanément la capacité à coder la couleur car l’objectif est la discrimination de forme, pas de couleur. »
Les chercheurs interprètent cette organisation compositionnelle – assembler de nouveaux comportements à partir de composants neuronaux réutilisables – comme une raison clé pour laquelle les humains et les autres animaux peuvent apprendre de nouvelles tâches si rapidement. En revanche, de nombreux systèmes d’apprentissage automatique souffrent d’une « interférence catastrophique », dans laquelle l’acquisition d’une nouvelle compétence écrase les anciennes. « Quand une machine ou un réseau neuronal apprend quelque chose de nouveau, ils oublient et écrasent les souvenirs précédents », a déclaré Tafazoli.
Selon le rapport de Princeton et les couvertures connexes de l’étude, comprendre comment le cerveau réutilise et recombine ces blocs cognitifs pourrait aider les ingénieurs à concevoir des systèmes d’IA qui apprennent de nouvelles tâches sans effacer les connaissances antérieures. Les mêmes principes pourraient éventuellement guider les approches cliniques pour des affections telles que la schizophrénie, le trouble obsessionnel-compulsif et certaines formes de lésions cérébrales, dans lesquelles les personnes peinent souvent à changer de stratégie ou à appliquer des compétences existantes dans de nouveaux contextes.
Le financement de la recherche a été fourni par les National Institutes of Health des États-Unis, y compris les subventions R01MH129492 et 5T32MH065214.
