L’entraînement aide le cerveau des souris à dissocier deux tâches

Une souris tente d’effectuer deux tâches simultanément. Au début, les signaux de son cerveau se télescopent : différentes populations neuronales se disputent les ressources, ce qui crée des interférences. Après un entraînement régulier, les chercheurs ont constaté que le cortex moteur secondaire des animaux, appelé M2, commençait à séparer les tâches et leurs représentations neuronales.

L’étude a été dirigée par le professeur Yung Wing-ho, de la City University of Hong Kong, et le professeur Ke Ya, de la Chinese University of Hong Kong. En observant le M2 pendant l’exécution de deux tâches, l’équipe a identifié un passage de ressources partagées et concurrentes à des neurones spécialisés affectés à différentes tâches. Cette réorganisation a réduit les interférences et amélioré les performances en multitâche.

Les chercheurs ont ensuite construit des modèles de réseaux neuronaux récurrents — des systèmes qui traitent l’information au moyen de cycles interconnectés — afin de vérifier si les mêmes principes pouvaient fonctionner en dehors du cerveau. Les modèles ont reproduit les mécanismes de coordination et de séparation et montré qu’ils pouvaient accélérer l’apprentissage de deux tâches, offrant aux chercheurs en intelligence artificielle une stratégie biologique à étudier.

Pour les personnes extérieures au laboratoire, la conséquence concrète n’est pas une amélioration du multitâche disponible dès aujourd’hui. Il s’agit d’une possible méthode pour concevoir des entraînements : la pratique pourrait aider à séparer les signaux concurrents associés aux tâches plutôt qu’à simplement demander davantage d’efforts. L’équipe de CityUHK évoque également des applications potentielles dans l’éducation et les programmes de rééducation destinés aux personnes atteintes de troubles neurologiques, mais cette étude n’a pas établi ces utilisations chez l’être humain.

La limite est claire. Les observations biologiques ont été réalisées sur des souris, et les implications plus larges proviennent de modèles de réseaux neuronaux récurrents. Les résultats publiés dans Neuron décrivent la manière dont l’expérience peut réorganiser les ressources neuronales ; ils ne montrent pas encore que la même intervention ou la même évolution des performances a été démontrée chez l’être humain.