Et si les IA pouvaient nous aider à mieux comprendre comment fonctionne le langage
Des centaines de cellules de l’hippocampe encodent collectivement la signification des mots entendus, montre une recherche menée chez des patients épileptiques aux États-Unis. The post Et si les IA pouvaient nous aider à mieux comprendre comment fonctionne le langage appeared first on Science et vie..
Le 30 septembre 2026, une équipe du Baylor College of Medicine aux États-Unis a publié une étude révélant que l'hippocampe, une région du cerveau essentielle pour la mémoire, organise la signification des mots de manière similaire aux modèles de langage utilisés par les intelligences artificielles (IA). Cette découverte s'appuie sur l'analyse de l'activité neuronale de dix patients épileptiques, chez qui des électrodes ont été implantées pour surveiller les crises. Les chercheurs ont enregistré l'activité de plusieurs centaines de neurones de l'hippocampe pendant que les participants écoutaient des récits narratifs. Les résultats montrent que la signification des mots n'est pas traitée par une seule cellule, mais par un réseau coordonné de neurones, chacun répondant à plusieurs termes partageant des liens sémantiques. Cette organisation collective rappelle les mécanismes des IA comme GPT-2, qui analysent le sens des mots en contexte.
Les chercheurs ont identifié un phénomène nommé codage contrastif, où les neurones accentuent les différences entre des mots au sens proche. Par exemple, les mots « chat » et « chien » activent des schémas neuronaux distincts, même s'ils partagent des traits communs (animaux domestiques). Ce mécanisme permet au cerveau de réduire le bruit neuronal et d'éviter les confusions entre concepts voisins. Les scientifiques soulignent que ce processus est comparable à une stratégie utilisée par certains algorithmes d'IA pour distinguer des données similaires. Ce codage contrastif a été observé même après avoir neutralisé les effets de la phonétique (sons des mots) et de la grammaire, confirmant son rôle spécifique dans le traitement sémantique.
Parmi les modèles d'IA testés, GPT-2 a montré la meilleure corrélation avec l'activité neuronale enregistrée dans l'hippocampe. Contrairement à des algorithmes comme Word2Vec, qui attribuent un sens fixe à chaque mot, GPT-2 analyse le contexte global de la phrase pour en déduire le sens. Cette approche contextuelle correspond mieux au fonctionnement cérébral observé. Par exemple, le mot « banc » peut désigner un meuble ou une institution financière : l'hippocampe ajuste sa réponse en fonction du contexte de la phrase, tout comme GPT-2. Les chercheurs ont également noté que les mots polysémiques (avec plusieurs significations) provoquent des réponses neuronales plus variables, reflétant la complexité de leur interprétation.
Cette étude présente deux limites majeures : les participants souffraient tous d'épilepsie, et le groupe était restreint à dix personnes. Ces facteurs pourraient influencer les résultats, même si les chercheurs ont écarté les effets liés aux crises. Les auteurs appellent à des recherches complémentaires sur des volontaires sains pour confirmer ces observations. Si validés, ces travaux pourraient révolutionner la compréhension du traitement cérébral du langage et inspirer de nouvelles approches en neurosciences. Ils pourraient aussi ouvrir des pistes pour améliorer les modèles d'IA en s'inspirant davantage du cerveau humain. Melissa Franch, auteure principale de l'étude, souligne que ces résultats soulèvent des questions sur la manière dont le cerveau et les IA pourraient converger dans leur approche du sens.
