Thèse Étudier le Degré de Flexibilité et d'Abstraction des Computations Sous-Tendant les Décisions Perceptives Humaines H/F - Doctorat.Gouv.Fr

Établissement : Ecole normale supérieure - PSL École doctorale : Sciences Cognitives Laboratoire de recherche : Laboratoire de Neurosciences Cognitives et Computationnelles Direction de la thèse : Valentin WYART ORCID 0000000165227837 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-07T23:59:59 La prise de décision perceptive repose sur la capacité à intégrer dans le temps des informations sensorielles incertaines afin de produire des choix adaptés. Si ce processus est classiquement décrit comme une accumulation d'évidence dans un espace sensoriel ou moteur, ces cadres théoriques rendent difficilement compte de la flexibilité remarquable des décisions humaines dans des environnements complexes et multidimensionnels. Cette thèse vise à tester l'hypothèse selon laquelle l'accumulation d'évidence s'effectue dans un espace représentationnel intermédiaire, abstrait et dépendant du contexte décisionnel.

Pour examiner cette hypothèse, le projet combinera des approches expérimentales, computationnelles et neurophysiologiques issues des sciences cognitives. Dans un premier axe, de nouveaux paradigmes comportementaux seront développés afin d'étudier l'intégration séquentielle de stimuli visuels multidimensionnels dont la pertinence décisionnelle dépendra de transformations contextuelles. Ces tâches permettront d'identifier les stratégies d'inférence mises en oeuvre par les participants et de quantifier les sources internes de variabilité computationnelle. Dans un second axe, l'activité cérébrale sera enregistrée par magnétoencéphalographie (MEG) afin de caractériser la dynamique temporelle des computations impliquées dans la transformation abstraite de l'information sensorielle et son intégration au cours du processus décisionnel. L'analyse conjointe des données comportementales et neurophysiologiques permettra de tester des modèles séquentiels probabilistes décrivant les mécanismes d'accumulation d'évidence.

Enfin, dans un troisième axe, des réseaux de neurones récurrents seront entraînés sur les mêmes tâches cognitives afin d'identifier les contraintes computationnelles et architecturales permettant l'émergence de stratégies d'inférence comparables à celles observées chez l'humain. La comparaison systématique entre données humaines et modèles artificiels offrira un cadre théorique unifié pour comprendre les bases neuronales et computationnelles de la flexibilité cognitive.

Ce projet contribuera à une meilleure compréhension des mécanismes fondamentaux de la prise de décision perceptive, en mettant en évidence le rôle de représentations abstraites dans l'intégration de l'information sensorielle. Il apportera également des avancées méthodologiques en neurosciences cognitives computationnelles et en intelligence artificielle interprétable, avec des retombées potentielles pour l'étude des troubles de la cognition et pour le développement de systèmes artificiels capables de s'adapter à des environnements incertains et changeants. Les modèles dominants de la décision perceptive reposent sur l'accumulation d'évidence sensorielle dans des paradigmes expérimentaux simplifiés. Cependant, ces modèles rendent difficilement compte de la capacité humaine à intégrer des informations multidimensionnelles et contextuelles.

Des résultats récents suggèrent que l'inférence perceptive implique des transformations abstraites de l'information sensorielle ainsi que des sources internes de bruit computationnel distinctes du traitement sensoriel ou de la préparation motrice. Toutefois, la nature représentationnelle de ces computations et leur dynamique neuronale restent largement inconnues.

Ce projet propose une approche intégrative combinant expérimentations cognitives, neuroimagerie temporelle et modélisation computationnelle afin de combler cette lacune fondamentale en sciences cognitives. Objectif principal : Caractériser les représentations computationnelles et les dynamiques neuronales permettant l'accumulation flexible d'évidence sensorielle dans la prise de décision perceptive humaine.

Objectifs spécifiques : 1) Déterminer si l'intégration de l'information s'effectue dans un espace abstrait dépendant du contexte, 2) Identifier la dynamique temporelle des transformations sensorielles abstraites dans le cerveau humain, 3) Quantifier les sources internes de variabilité computationnelle, 4) Comparer les stratégies computationnelles humaines à celles de réseaux neuronaux artificiels, 5) Développer un cadre théorique unifiant flexibilité cognitive et inférence perceptive. La thèse reposera sur une stratégie méthodologique multi-niveaux :

1. Conception de paradigmes cognitifs originaux : Tâches impliquant l'intégration de séquences de stimuli visuels multidimensionnels ou soumis à des transformations contextuelles (ex. rotations mentales, projections décisionnelles).

2. Acquisition et analyse de données MEG : Décodage temporel des variables décisionnelles et caractérisation de la géométrie neuronale des computations abstraites.

3. Modélisation computationnelle : Modèles séquentiels probabilistes, estimation de paramètres cognitifs (bruit, fuite d'intégration), comparaison de modèles.

4. Intelligence artificielle : Entraînement de réseaux de neurones récurrents sur les mêmes tâches afin d'identifier les contraintes computationnelles générant des stratégies analogues à celles observées chez l'humain.

Formation en sciences cognitives, neurosciences, physique, mathématiques appliquées ou informatique
Intérêt pour la modélisation computationnelle
Connaissances en analyse de données et programmation (Python, MATLAB)
Motivation pour la recherche interdisciplinaire
Bon niveau d'anglais scientifique
Expérience en expérimentation comportementale ou neuroimagerie appréciée.