Une équipe de l’Université Northwestern Medicine, dirigée par le professeur Joshua Glaser, a mis au point une nouvelle méthode d’apprentissage automatique capable de décrypter l’organisation du cerveau lors de comportements complexes. Publiée dans la revue Neuron, cette recherche démontre que l’activité neuronale repose sur des modules cérébraux réutilisables, plutôt que sur des signaux entièrement nouveaux pour chaque action. Traditionnellement, les neurosciences se concentraient sur l’analyse individuelle des neurones. Avec l’avènement des technologies d’enregistrement à haut débit, les chercheurs peuvent désormais suivre des centaines de cellules simultanément, mais l’interprétation de ces données massives reste un défi. Les approches classiques ont tendance à simplifier excessivement les signaux, mélangant plusieurs processus cognitifs et motoriques. Pour résoudre ce problème, l’équipe a développé l’Analyse de Composantes Rases. Cette approche algorithmique isole les signaux communs sous-jacents à l’activité neuronale, transformant des données brutes en motifs interprétables correspondant à des calculs cérébraux spécifiques. Après avoir appliqué cette méthode à plusieurs jeux de données, notamment des enregistrements du cortex moteur chez l’animal, de l’activité cérébrale du ver C. elegans et de réseaux neuronaux artificiels, les scientifiques ont mis en évidence une organisation dite compositionnelle. Les résultats révèlent que des actions complexes, comme le mouvement du bras, partagent les mêmes fondements neuronaux. Le cerveau réutilise ainsi les mêmes modules de base pour l’extension et le retour du membre, démontrant une capacité remarquable de recombinaison plutôt que d’apprentissage exclusif à chaque geste. De plus, l’algorithme parvient à distinguer clairement les phases de planification, d’exécution et de maintien postural, souvent indissociables dans les analyses conventionnelles. Selon Joshua Glaser, cette méthode offre un outil puissant pour identifier la structure invisible des circuits cérébraux. En isolant les briques élémentaires du calcul neural, elle ouvre la voie à une compréhension plus fine de l’émergence du comportement à partir de l’activité biologique. Les chercheurs prévoient désormais d’étendre cet algorithme à l’analyse des interactions entre différentes zones cérébrales, grâce au développement de nouvelles techniques permettant l’enregistrement simultané de circuits neuronaux distribués. Cette évolution pourrait éclairer la circulation des informations à travers le cerveau et contribuer à mieux modéliser les fonctions cognitives complexes.