Des chercheurs du KAIST, dirigés par le professeur Dae-Soo Kim, ont développé BehaVERT, un modèle d'intelligence artificielle capable de décoder les mouvements des souris comme un langage structuré. Publiée dans l'International Journal of Computer Vision, cette recherche présente une méthode novatrice en neurosciences computationnelles, où les données comportementales animales sont converties en tokens séquentiels, analogues aux mots d'une langue naturelle. L'équipe a représenté la position du nez, des oreilles, de la colonne, des membres et de la queue comme des unités de base, puis a entraîné une architecture de type transformateur sur ces séquences. Grâce à un apprentissage auto-supervisé, BehaVERT apprend à classer les comportements et à en saisir la portée contextuelle sans annotation manuelle, imitant ainsi la façon dont les modèles linguistiques infèrent du sens à partir de mots enchaînés. Le système atteint des performances de pointe sur cinq jeux de données internationaux, couvrant l'interaction sociale, la motion en trois dimensions et l'évaluation des troubles autistiques. Dans des essais sur des souris Knockout Shank3B, un modèle animal de l'autisme, BehaVERT a identifié de façon autonome un déficit social clé : une réduction marquée des contacts buccaux, sans qu'aucune instruction biologique ne lui ait été fournie. Cette découverte indépendante corrobore des études neurobiologiques antérieures et démontre la capacité de l'IA à révéler des patterns comportementaux significatifs. Le modèle offre également une forte interprétabilité, permettant de visualiser les signaux ayant guidé ses décisions, tout en organisant ses représentations internes selon des axes sémantiques clairs comme la mobilité, l'attention et l'engagement social. Une autre avancée majeure réside dans sa transférabilité inter-espèces : un modèle entraîné sur le comportement des rats s'est avéré efficace pour analyser celui des souris, posant les bases d'un modèle fondamental universel pour l'étude du comportement. Bien que formés en biologie, les membres de l'équipe, dont le premier auteur Dr Seungjae Shin, ont maîtrisé les architectures de deep learning pour concevoir des stratégies d'entraînement spécifiques à l'analyse comportementale. Le laboratoire, déjà connu pour sa technologie AVATAR de reconstruction en environnements virtuels, entend désormais positionner BehaVERT comme un outil transversal. Cette approche marque une étape vers des modèles fondamentaux applicables à la découverte de médicaments, à la recherche psychiatrique et à la génétique du comportement, combinant interprétabilité, apprentissage non supervisé et transfert inter-espèces.