Computational and cerebral characterization of perceptual categorization mechanisms under uncertainty

Jury
Anne Urai (rapportrice, Leiden University)
Benedetto De Martino (rapporteur, University College London)
Alizée Lopez-Persem (examinatrice, Sorbonne Université)
Claire Sergent (examinatrice, Université de Paris)
Fabien Vinckier (examinateur, Université de Paris)
Valentin Wyart (directeur de thèse, Ecole normale supérieure)

RÉSUMÉ

La prise de décision perceptuelle est rendue difficile par l’incertitude inhérente aux informations sensorielles présentes dans notre environnement. Il est possible de réduire cette incertitude en combinant ces informations imparfaites, comme le formalise de façon optimale l’inférence statistique dite « bayésienne ». Mais ce processus d’inférence demeure sous- optimal et contribue largement à la grande variabilité des décisions humaines. Pourtant, ces erreurs dites ‘inférentielles’ sont le plus souvent sous-estimées par les théories existantes. Au lieu d’ignorer ces limitations profondes et d’approximer la prise de décision avec des modèles optimaux, cette thèse a pour but de mettre en avant les stratégies cognitives humaines déployées pour compenser ces limitations. Dans une première étude expérimentale, nous avons étudié la prise de décision catégorielle dans des environnements changeants. Dans ces conditions, les erreurs inférentielles interfèrent avec ce processus d’inférence et provoquent des changements d’avis inopportuns. En développant puis com- parant différents modèles computationnels, nous avons montré que les sujets humains sont capables de contrebalancer la variabilité engendrée par leurs erreurs inférentielles en utilisant une stratégie d’inférence dite ‘conditionnelle’ : au lieu d’accumuler systématiquement l’information bruitée, les croyances ne sont mises à jour que si cette information est jugée suffisamment fiable. Cette stratégie parcimonieuse permet non seulement de réduire les coûts cognitifs engendrés par des changements d’avis inopportuns, mais elle permet également de prendre objectivement de meilleures décisions. Dans une seconde étude expérimentale, nous avons comparé les stratégies cognitives déployées pour compenser les coûts des erreurs inférentielles pour deux types d’incertitude souvent confondus dans la littérature : l’incertitude sen- sorielle et l’incertitude catégorielle. Cette étude a permis non seulement d’établir que les sujets humains s’adaptent à chaque type d’incertitude en déployant des stratégies efficaces différentes, mais aussi de montrer que chaque stratégie s’accompagne d’une dynamique neurophysiologique propre en termes de dilatation pupillaire. Enfin, dans une troisième étude expérimentale, nous avons cherché à mieux comprendre sous quel format l’information sensorielle est représen- tée lors du processus d’inférence. Les théories existantes soutiennent que l’inférence perceptuelle utilise soit le format ‘naturel’ ou sensoriel du stimulus (en représentant l’information d’entrée liée aux caractéristiques pertinentes du stimulus pour la décision), soit le format de ‘sortie’ de la décision (en représentant l’information liée à l’action qui résultera de cette décision). Nous avons pu avancer et mettre en évidence une troisième hypothèse, selon laquelle l’information est accumulée sous un format intermédiaire ‘compressé’, en la réduisant aux dimensions définies par les catégories qui définissent la décision à prendre. En manipulant le format sous lequel l’information sensorielle peut être représentée, nous avons pu établir que les sujets humains préfèrent accumuler l’information sensorielle de façon compressée. Cette stratégie permet de prendre des décisions non seulement plus précises, mais aussi moins biaisées. Grâce à l’analyse multivariée des signaux magnétoencéphalographiques (MEG) enregistrés, nous avons pu corroborer cette hypothèse en décodant une signature neurale de la représentation compressée de l’information sensorielle pour l’inférence. La préci- sion de cette signature neurale s’est révélée prédictive de la qualité des décisions humaines. Pour conclure, cette thèse souligne la flexibilité de la cognition humaine lors de la prise de décision perceptuelle en situation d’incertitude, et ouvre la voie à de nouvelles recherches qui pourront s’appuyer sur nos résultats et les étendre.