Calendrier et salles des cours : S1, S2

Comment le cerveau humain acquiert-il ou réacquiert-il des connaissances ?  Comment interagit il avec des objets technologiques ou avec d'autres cerveaux ? Peut-on utiliser l’Intelligence Artificielle pour modéliser et simuler la cognition humaine ? Notre connaissance de la psychologie humaine peut elle être mise au service des grands défis sociétaux, tels que la santé, l’éducation, ou la lutte contre la pauvreté ? Les sciences cognitives connaissent un nombre croissant d'applications dans des secteurs extrêmement divers : éducation, remédiation, interface cerveau-machine, génie biomédical, politiques publiques, sciences de la décision, planification urbaine, etc. Pour répondre aux besoins définis par ces nouvelles applications, le Cogmaster dispose d’une majeure en Ingénierie Cognitive (Pour plus d'informations, cliquez ici).

Trois cours obligatoires et des cours optionnels « à la carte » définissent le contenu pédagogique de la majeure. Au cours de ces enseignements, les bases théoriques de l’ingénierie cognitive seront exposées aux étudiants et seront illustrées avec des exemples concrets. 

Les intervenants sont des représentants du monde universitaire, mais également du monde de l'entreprise et des administrations. Pour parfaire cette formation, les étudiants suivent un stage en entreprise ou dans une administration publique en étroite collaboration avec des chercheurs issus du monde académique.

La modélisation robotique en sciences cognitives

Code : DEC-MM-CA10-S2
Niveau : IN
Semestre : S2, ECTS : 6
Responsable : Mehdi Khamassi
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 27h CM, 12h TD
Langue d’enseignement : Français


Introduire l’approche robotique des sciences cognitives. Perspective historique sur son évolution récente par rapport à l’Intelligence Artificielle classique qui se focalisait sur la cognition désincarnée, sur le raisonnement de haut niveau, abstrait et virtuel, mais qui a échoué à intégrer différentes capacités cognitives dans un même agent. Comprendre la dimension incarnée de la robotique (le corps participant à la résolution d’une tâche donnée, et la cognition étant vue comme imbriquée dans des boucles sensori-motrices), sa dimension incrémentale et développementale (l’architecture du contrôleur accumulant progressivement des couches de complexité croissante, comme a pu le faire l’évolution naturelle, et les motivations intrinsèques de l’agent le poussant à acquérir des compétences motrices et cognitives de difficulté croissante), sa dimension intégrative de multiples fonctions cognitives (perception, décision, action, contrôle moteur, exploration/curiosité, apprentissage, interaction sociale, langage).

Cognitive science and society: Doing our part in building bridges

Responsable : Alex Cristia (LSCP, DEC, CNRS)
ECTS : 4
Volume horaire : 30h (18h CM, 12h TD)
Pré-requis : none

Nous avons beaucoup appris sur la cognition humaine, mais les progrès ont été lents pour intégrer ces informations dans la production de biens et de services (y compris les biens sociaux). Cela est probablement dû à une foule de causes, parmi lesquelles nous ciblerons trois faiblesses communes chez les scientifiques (cognitifs): Nous avons régulièrement des difficultés pour: (a) diagnostiquer les problèmes pertinents sur le plan cognitif dans un produit du monde réel; (b) concevoir des solutions réalisables basé sur la connaissance scientifique; et (c) communiquer avec des non-scientifiques et plus largement au grand public. Ce cours a pour objectif de permettre aux étudiants en sciences cognitives d’être des agents de ce changement, en leur fournissant des expériences qui les aideront à surmonter ces trois faiblesses. Les étudiants seront confrontés à une variété d’études de cas, généralement dirigés par un expert travaillant sur des structures de tailles variées (des petites entreprises aux grandes industries) et des objectifs précis (changement social, santé, technologie, divertissement, etc.). Les étudiants participeront à des projets de groupe, leur permettant d’appliquer leurs nouvelles compétences acquises dans un cycle complet de diagnostics, d’élaboration de solutions et de communication.

Assister, réparer, augmenter la cognition

Responsable : Sophie Bouton (DDL, CNRS)
Semestre : S2, ECTS : 6
Volume horaire : 39h (36h CM, 3h évaluation)
Pré-requis : none

Cours en anglais

Le cerveau est un système apprenant. Un cerveau bien développé procure à l’individu une adaptabilité et une flexibilité sans précédent. Le but de ce cours est de présenter certains résultats clés dans trois domaines clés : (i) la remédiation neurologique (déficit sensoriel, maladie génétique, attaque cérébrale, etc.), (ii) l’apprentissage (intervention neuropsychologique, entraînements cognitifs, etc.), (iii) modification de notre environnement dans le domaine de l’apprentissage et de montrer comment l’adaptabilité peut être exploitée pour se remettre d’une atteinte neurologique, ou pour acquérir de nouvelles compétences ou connaissances via l’éducation ou l’entraînement.

Le cours insistera sur les approches en remédiation et amélioration cognitive basées sur les preuves. Ce cours abordera également la notion de prothèse cognitive, et de toutes les manifestations externes de notre cognition qui, si elles peuvent nous assister dans la réalisation de nombreuses tâches, influencent parfois notre cerveau de manière sous-optimale. Nous examinerons en particulier trois cas d’externalisation : les artéfacts, l’environnement et les architectures de décision. Enfin, chaque cours abordera les problèmes éthiques et philosophiques soulevés par les recherches sur la cognition augmentée, avec une attention particulière aux notions de contrôle, de responsabilité et de libre-arbitre.

Méthodes en psychologie scientifique 

Code : DEC-MM-CA3a-S1
Niveau : MM
Semestre : S1, ECTS : 6
Responsable : Thérèse Collins
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 42h
Langue d’enseignement : Français


Le cours a comme objectif de former les étudiants aux méthodes avancées en psychologie scientifique, avec une approche pratique. Les notions abordées dans chaque cours seront étayées de travaux pratiques (construction d’un questionnaire, application des méthodes en psychophysique, réalisation d’une méta-analyse, etc). Il vise à fournir une boîte à outils aux étudiants destinés à poursuivre la recherche en psychologie cognitive, ou toute autre science cognitive qui utilise le comportement comme variable dépendante. De plus, il vise à permettre aux étudiants de prendre du recul par rapport aux différentes méthodologies et d’envisager l’adéquation entre les méthodes et les questions scientifiques posées.

Prérequis : Ce cours s’adresse notamment aux étudiants de la filière psychologie cognitive du M1 du cogmaster, ainsi qu’aux étudiants ayant suivi CO3 (introduction à la psychologie cognitive) l’année précédente. Pour les autres, le prérequis est d’une formation équivalente en L3 en psychologie cognitive. Ce prérequis peut être acquis de différentes matières : lors d’une licence de psychologie ou de sciences cognitives, par des lectures personnelles, par le suivi de certains MOOC.

Éducation, cognition, cerveau 

Code : DEC-M2-GDP2-S1
Niveau : M2
Semestre : S1, ECTS : 6
Responsables : Daniel Andler, Elena Pasquinelli
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire: 42h
Langue d’enseignement : Anglais


This course explores the impact of cognitive studies on education. It introduces the research on literacy, numeracy, learning disabilities, the learning mechanisms and their neural underpinning, the existing evidence and its use in the shaping of educational interventions, and examines general problems raised by applied sciences and the translation of fundamental knowledge into practical applications. Students will learn to identify potential epistemological, ethical and pragmatic issues arising from the encounter between education and the study of the mind and brain. They will develop their own approaches for addressing ethical and epistemological issues arising from the application of cognitive sciences; They will enhance their critical thinking and communication skills by analyzing ongoing debates (mandatory readings) and presenting their reflections during class discussion (recitations); They will learn about recent developments in cognitive sciences with potential applications to education.

Introduction à l’apprentissage machine appliqué aux neurosciences et à la cognition 

Code : DEC-MM-CA6b-S2
Niveau : MM
Semestre : S2, ECTS : 4
Responsable : Sophie Denève
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 27h (+15hTD)
Langue d’enseignement : Anglais

The goal of this course is to introduce basic concepts from machine learning and their practical applications to the neural basis of cognition, behavior and neuroscience. The course will cover: 1) Probabilistic methods; 2) Prior, posterior, likelihood, Generative models, maximum likelihood. 3) Application: Cue combination in behavior and cortical networks. 4) Representational learning (unsupervides learning with continous latent representations); 5) Information maximization, Principle component analysis (PCA), Independent component analysis (ICA), sparse coding. 5) Application: sensory receptive fields. 6) Methods: PCA, ICA, CCA, sparse coding. 7) Supervised learning (classification/regression). 8) Linear classifiers, Gaussian mixtures, support vector machines (linear and non-linear). 9) Applications: Reading out the mind. Object recognition. 10) Methods: SVM, logistic, k-NN, Cart, neural networks. 11) Interpolation. 12) Gaussian processes, density estimation, Expectation/maximization. 13) Application: Unsupervised learning in humans and animals. 14) Methods: Parzen, k-means, GMM.

Data science: do it yourself

Responsable : Rachid Riad (rachid.riad@ens.fr)
Niveau : MM
Semestre: S1-S2, ECTS : 4
Nombre d'heure : 26h (26h TD)
Pré-requis : Aucun
Cours en anglais

L'évolution récente des approches statistiques et de l'apprentissage automatique a radicalement modifié le paysage de plusieurs domaines de recherche. Ce cours est un cours pratique où vous apprendrez les compétences nécessaires pour gérer et comprendre des ensembles de données complexes et volumineux et pour effectuer des analyses et des expériences de modélisation reproductibles et transparentes. Au lieu d'essayer de concevoir une classe " taille unique ", cette classe fournira du matériel de formation individualisé et adapté à chaque élève en fonction de sa formation initiale et de ses objectifs professionnels futurs. Le cours s'appuiera sur la plate-forme datacamp.com, qui propose des cours et des exercices en ligne pour apprendre la science des données. L'un des inconvénients de l'apprentissage en ligne, cependant, est que les élèves peuvent se sentir démotivés, procrastiner ou avoir des difficultés à choisir le matériel qui répond au mieux à leurs besoins. Des recherches récentes ont en effet montré que le taux d'achèvement des MOOCs est très faible. L’organisation du cours permettra d'aider les étudiants à surmonter ces obstacles : les étudiants feront leurs devoirs hebdomadaires en classe avec l'aide du tuteur et de leurs pairs. À la fin de ce cours, on demandera aux élèves d'appliquer ces nouvelles compétences acquises à leur propre ensemble de données.

Psychologie et politique publique   

Responsables : Coralie Chevallier (coralie.chevallier@ens.fr), Mariam Chammat (mariam.chammat@gmail.com)
Niveau : M2
Majeure (s) : Cognitive engineering, Social Sciences, Psychology
Semestre : S2, ECTS : 4
Nombre d'heures : 24h (24h CM)
Pré-requis : aucun
Cours en anglais

En matière de politiques publiques, il ne suffit pas d'avoir identifié de bonnes idées : les politiques publiques peuvent en effet être bien intentionnées mais échouer parce qu'elles ne sont pas perçues comme prévu par le public. Les gouvernements du monde entier utilisent donc les sciences comportementales pour améliorer l'élaboration des politiques publiques en s'appuyant sur des modèles plus réalistes du comportement humain (par exemple, l'équipe des sciences sociales et comportementales d'Obama, la Behavioural Insight Team à Downing Street, le laboratoire politique européen, etc). L’objectif du cours est d'introduire les principales théories  en sciences comportementales et les découvertes récentes en psychologie expérimentale afin de favoriser l'élaboration de politiques publiques plus novatrices et d'améliorer le bien-être des citoyens. Chaque séance donnera l'occasion d'identifier les obstacles créés par les préjugés naturels des gens et de choisir les bons leviers pour contrer ces préjugés. Cette boîte à outils psychologique sera ensuite mise à profit pour résoudre des problèmes concrets d'action publique et pour potentialiser l'efficacité des leviers politiques traditionnels (réglementation, incitations et information).