Un nouveau modèle informatique conçu à l’Université de Liverpool est capable de combiner vision et audition de manière similaire à la perception humaine. Inspiré par les mécanismes biologiques du cerveau humain, ce système repose sur une architecture qui imite la façon dont les humains intègrent simultanément des informations visuelles et sonores. En s’appuyant sur des principes neurobiologiques, le modèle apprend à associer des images et des sons de manière cohérente, par exemple en reconnaissant qu’un bruit de claquement de doigts correspond à une action visuelle précise. Cette approche, qui s’inscrit dans les recherches en intelligence artificielle et perception machine, ouvre la voie à des systèmes capables de mieux comprendre le monde environnant, tout comme le fait l’être humain. Contrairement aux modèles traditionnels qui traitent la vision et l’audition de manière séparée, ce nouvel outil intègre les deux canaux sensoriels dès les premières étapes du traitement, ce qui améliore sa capacité à interpréter des scènes complexes. Les chercheurs ont testé le modèle sur des tâches telles que la détection d’objets en lien avec des sons, ou la prédiction d’actions à partir d’images et de bruits. Les résultats montrent une performance proche de celle des humains dans certaines tâches d’association audiovisuelle. Cette avancée pourrait avoir des applications dans des domaines variés, comme la robotique, la réalité augmentée, ou encore les systèmes d’assistance pour personnes malvoyantes ou malentendantes. En s’inspirant de la manière dont le cerveau humain traite les informations sensorielles, ce modèle représente une étape importante vers des intelligences artificielles plus naturelles, plus intuitives et plus capables d’interagir avec le monde de façon contextuelle. Il illustre également comment les sciences cognitives et l’ingénierie informatique peuvent s’entraider pour repousser les limites de la perception artificielle.