Pour la première fois, des chercheurs de l'École polytechnique fédérale de Lausanne (EPFL) ont utilisé des modèles d'intelligence artificielle de dernière génération pour simuler avec précision le dyslexie. Cette avancée majeure, présentée le 28 février 2026 à la conférence internationale sur les représentations d'apprentissage et publiée sur le serveur arXiv, ouvre de nouvelles voies pour comprendre les mécanismes sous-jacents à ce trouble de l'apprentissage le plus répandu, touchant jusqu'à 20 % de la population mondiale. Jusqu'à présent, l'étude du dyslexie reposait sur des méthodes comportementales et d'imagerie cérébrale, qui, bien qu'informatives, ne permettaient pas de tester directement les hypothèses sur le fonctionnement interne du cerveau. L'équipe du NeuroAI Lab, dirigée par le professeur Martin Schrimpf, a surmonté ces limites en exploitant des modèles vision-language (VLM), capables de traiter simultanément les images et le langage. Ces modèles agissent comme des jumeaux numériques du cerveau humain, permettant de reproduire le processus complet de lecture, de la perception des mots à la compréhension du contexte. Les chercheurs ont d'abord identifié les zones du réseau neuronal de l'IA correspondantes au "centre de reconnaissance visuelle des mots" chez l'humain. En désactivant sélectivement ces unités spécifiques, ils ont observé un déclin des capacités de lecture du modèle, tout en préservant son intelligence visuelle et linguistique générale. Ce résultat confirme l'hypothèse neuroscientifique selon laquelle le dyslexie humain provient d'une hypoactivité de cette zone cérébrale précise. Melika Honarmand, auteure principale de l'étude, a souligné que cette similitude comportementale valide l'utilité de ces jumeaux numériques pour étudier des pathologies complexes. L'expérimentation sur un cerveau humain réel est impossible pour des raisons éthiques, rendant la simulation sur IA indispensable pour perturber mécaniquement le système et en observer les effets. Au-delà de la modélisation de la pathologie, l'équipe a utilisé ce cadre pour évaluer l'impact des polices de caractères sur la lecture. Les tests ont révélé que le modèle lisait beaucoup plus précisément avec des polices conçues spécifiquement pour les dyslexiques, tandis que les polices problématiques réduisaient considérablement ses performances. Ces résultats suggèrent que l'IA peut désormais aider à concevoir des typographies optimisées pour cette population, en identifiant les éléments visuels qui facilitent ou entravent la reconnaissance des mots. Cette recherche marque un tournant méthodologique pour le domaine des neurosciences computationnelles. Au lieu de se concentrer uniquement sur des populations saines, elle établit un cadre général pour investiguer une gamme de dysfonctionnements cérébraux. Le professeur Schrimpf indique que l'équipe étend désormais cette approche à d'autres troubles, tels que les hallucinations visuelles liées à la maladie de Parkinson et la dépression. Bien que l'acceptation de ces outils par les cliniciens puisse prendre du temps, les preuves accumulées confirment que les modèles d'IA ne sont plus de simples curiosités théoriques, mais des instruments puissants et indispensables pour décrypter les mécanismes du cerveau humain et développer de nouvelles thérapies.