Nos yeux effectuent des saccades rapides trois à quatre fois par seconde, fragmentant pourtant notre perception en instants disjoints. Une étude publiée dans le Journal of Neuroscience révèle comment le cerveau transforme ce flux discontinu en une compréhension continue et sémantique du monde. Ce mécanisme prédictif, observé chez l’humain et le singe rhésus, inspire déjà de nouvelles architectures pour l’intelligence artificielle.

Le mythe de la vision continue

Quand nous regardons un film ou traversons une rue, l’impression de fluidité est totale. En réalité, la rétine ne capte qu’une succession d’images fixes, séparées par des sauts saccadés où l’information visuelle est largement supprimée. Le défi pour le système nerveux n’est pas de « voir » chaque image, mais de relier ces instantanés pour en extraire le sens : comprendre qu’un personnage entre dans une pièce dangereuse, ou qu’une interaction sociale débute. Les modèles classiques de vision artificielle traitent encore souvent la vidéo comme une pile d’images complètes, une approche gourmande en calcul qui ignore l’efficacité biologique.

Une expérience au plus près du réel

L’équipe de Vinay Raghavan, au City College of New York, a choisi de sortir des protocoles de laboratoire classiques. Au lieu d’images statiques ou de tâches artificielles, des participants humains et des macaques ont visionné de véritables films et extraits vidéo. Les chercheurs ont couplé un suivi oculaire ultra-rapide à des enregistrements neuronaux profonds (intracrâniens chez l’humain, électrophysiologiques chez le singe). Cette méthodologie « naturaliste » permet d’observer le cerveau en situation écologique, mobilisant l’ensemble de la hiérarchie visuelle et cognitive, de la détection de contours à la compréhension narrative.

Le signal de « nouveauté sémantique » inter-fixation

La découverte majeure réside dans le timing précis de l’activation neuronale. Lorsque le contenu vidéo introduit un changement conceptuel — apparition d’un objet inédit, bascule narrative, modification du contexte spatial —, un signal neural puissant surgit dans les réseaux fronto-pariétaux d’attention et les aires de traitement de scène complexes (comme la zone parahippocampique des lieux). Crucialement, ce signal ne se déclenche pas après la nouvelle fixation, mais pendant la saccade, dans l’intervalle bref où l’œil se déplace d’un point à l’autre. Le cerveau anticipe donc le sens de la prochaine fixation avant même que l’image ne se stabilise sur la rétine.

Une architecture cognitive prédictive

Ce résultat renverse la vision passive d’un cortex visuel qui ne ferait que réagir aux photons. Les aires impliquées sont bien au-delà du cortex visuel primaire (V1/V2) : il s’agit de réseaux cognitifs de haut niveau, capables d’abstraction. Le cerveau formule des hypothèses actives sur ce qui va apparaître, comparant en permanence le contexte mémorisé à l’information entrante. Cette « mise à jour sémantique continue » permet de construire une scène cohérente sans traiter chaque pixel, en ne mobilisant les ressources lourdes que lorsque le sens change réellement.

Une feuille de route pour l’IA efficiente

Les implications pour la vision par ordinateur sont directes. Les transformateurs de vision (ViT) et réseaux de neurones convolutifs profonds actuels ingèrent des flux denses d’images à cadence fixe, coûtant une énergie massive. La biologie suggère une voie alternative : un échantillonnage épars de l’espace (comme les fixations) guidé par un signal de « surprise sémantique » qui ne déclenche le calcul lourd qu’en cas de nouveauté conceptuelle. Intégrer ce principe prédictif dans l’entraînement des réseaux artificiels pourrait drastiquement réduire leur empreinte énergétique tout en améliorant leur compréhension contextuelle de scènes dynamiques.

Conclusion

Cette recherche démontre que la perception n’est pas une capture passive, mais une construction active guidée par l’anticipation du sens. En identifiant le signal neural précis qui relie deux regards, la neuroscience offre à l’intelligence artificielle un modèle biologique d’efficience : ne traiter que ce qui compte, quand cela compte.

Source : https://neurosciencenews.com/primate-vision-eye-movement-32393/