En 2009, des chercheurs ont passé un saumon mort dans une IRM : son cerveau semblait réagir, mais les résultats cachaient un piège
En 2009, un saumon mort glissé dans une IRM a produit des signaux qui ressemblaient à une activité cérébrale. Le poisson ne pensait évidemment rien, mais le test a débusqué une faille statistique majeure.
En juin 2009, le chercheur Craig Bennett et son équipe de l’université de Californie ont mené une expérience insolite pour tester la fiabilité des logiciels d’analyse en imagerie cérébrale par résonance magnétique (IRM). Ils ont placé un saumon atlantique mort, pesant 1,7 kilogramme et mesurant 46 centimètres, dans un scanner IRM de 1,5 tesla, un appareil utilisé couramment en milieu hospitalier. Le poisson a été exposé à 48 photographies de visages humains, réparties en 12 blocs, avec pour consigne (théorique) de deviner l’émotion exprimée. L’examen a duré 5,8 minutes et a généré 140 images successives du saumon. L’objectif n’était pas d’étudier le cerveau du poisson, mais de révéler les limites des méthodes d’analyse utilisées en neurosciences.
Sans appliquer de corrections statistiques, les logiciels ont détecté une activité cérébrale dans le crâne du saumon mort. Un amas de 81 millimètres cubes, composé de 3 voxels contigus, est apparu dans la cavité crânienne, accompagné d’une petite tache dans la colonne vertébrale. Un voxel est un petit cube de 3 dimensions qui compose une image IRM, comparable à un pixel en 2D. Chaque image IRM est découpée en 130 000 voxels. Le logiciel teste chaque voxel individuellement pour détecter si son signal varie en fonction de la tâche expérimentale. Le seuil statistique utilisé à l’époque, sans correction, permettait de valider une zone active avec seulement 3 voxels contigus. Cette détection était pourtant un artefact : elle résultait du bruit électronique de la machine et non d’une activité cérébrale réelle.
Le phénomène observé s’explique par le bruit électronique inhérent à toute mesure. Chaque voxel subit un test statistique, et avec un seuil de 0,001 (soit 1 chance sur 1 000 de se tromper), des dizaines de faux positifs apparaissent par hasard lorsque 130 000 tests sont effectués simultanément. Pour éviter ces erreurs, deux méthodes de correction statistique sont utilisées : le false discovery rate (taux de fausses découvertes), qui limite la proportion d’erreurs parmi les zones déclarées actives, et la correction familywise, qui garantit qu’aucune erreur ne se glisse dans l’ensemble des résultats. Appliquées au saumon, ces corrections ont fait disparaître intégralement le signal détecté, même avec un seuil relâché à 0,25. Cela prouve que l’activité cérébrale observée était bien un artefact et non un phénomène réel.
Les résultats de cette expérience ont été présentés à la conférence *Human Brain Mapping* en 2009 et publiés sous forme de poster, avant d’être finalement acceptés comme une mise en garde sérieuse. Craig Bennett et son équipe ont souligné l’importance cruciale d’appliquer systématiquement des corrections statistiques dans les études d’imagerie cérébrale. Sans ces corrections, les chercheurs risquent de publier des résultats erronés, interprétés comme une activité cérébrale alors qu’ils ne sont que du bruit. Cette expérience a également été récompensée par un prix Ig Nobel en 2012, une distinction humoristique décernée à des recherches scientifiques qui « font d’abord rire, puis réfléchir ». Elle rappelle que la rigueur méthodologique est indispensable pour garantir la fiabilité des découvertes en neurosciences.
