C’est fini pour les électrodes implantées dans le crâne : ce casque lit les phrases tapées sans la moindre opération

Un casque équipé de capteurs posés sur le crâne, sans la moindre incision, sans électrode plantée dans la matière grise. C’est la promesse de Brain2Qwerty, un système mis au point par les chercheurs de Meta AI en collaboration avec le Basque Center on Cognition, Brain and Language, et publié dans la revue Nature Neuroscience. Les neuroprothèses modernes peuvent aujourd’hui restaurer la communication chez des patients qui ont perdu la capacité de parler ou de bouger, mais implanter ces dispositifs invasifs comporte des risques inhérents à la neurochirurgie. L’enjeu du projet tient en une phrase : obtenir des résultats comparables sans ouvrir le crâne.

L’équipe a testé sa méthode sur une cohorte de 35 volontaires en bonne santé, en s’appuyant sur une architecture d’apprentissage profond entraînée à décoder des phrases à partir de signaux d’électroencéphalographie ou de magnétoencéphalographie, pendant que les participants tapaient des phrases mémorisées sur un clavier QWERTY. Concrètement, les volontaires lisaient une phrase à l’écran, puis devaient la retaper de mémoire, sans retour visuel, pendant que leurs signaux cérébraux étaient enregistrés. Le modèle apprend ainsi à associer une activité neuronale précise à une intention motrice précise, celle d’appuyer sur telle ou telle touche.

Une architecture en trois étages pour déchiffrer le cerveau

Le modèle Brain2Qwerty comprend trois étapes principales pour décoder le texte à partir de l’activité cérébrale : un module convolutif qui traite des fenêtres de 500 millisecondes de signaux, un module transformeur entraîné au niveau de la phrase, puis un modèle de langage préentraîné qui corrige les sorties du transformeur. Ce dernier étage joue un rôle décisif. Il fonctionne comme un correcteur orthographique surpuissant, capable de rattraper les erreurs de décodage brutes en s’appuyant sur la probabilité statistique des mots et des phrases en anglais.

Les résultats varient beaucoup selon la technologie utilisée. Avec la magnétoencéphalographie, Brain2Qwerty atteint en moyenne un taux d’erreur de caractère de 29 %, surpassant largement l’électroencéphalographie qui affiche un taux de 65 % ; pour les meilleurs participants, le modèle atteint un taux d’erreur de 18 % et parvient à décoder parfaitement certaines phrases absentes du jeu d’entraînement. Un écart de plus du double entre les deux techniques.

Le fossé avec les implants se réduit, sans disparaître

Ces chiffres n’ont rien d’anecdotique pour la recherche en interfaces cerveau-machine. Le taux d’erreur descendu à 18 % ouvre une voie pour des neuroprothèses de communication non invasives, alors que jusqu’ici les meilleures performances de décodage textuel restaient l’apanage des dispositifs implantés chirurgicalement. Une équipe travaille depuis sur une version 2 du système, tournée vers un usage plus réaliste. Brain2Qwerty v2 parvient à décoder la production de phrases naturelles uniquement à partir d’enregistrements de magnétoencéphalographie en temps réel, en s’appuyant sur 22 000 phrases tapées par neuf sujets enregistrés chacun pendant dix heures, pour atteindre un taux d’erreur au mot de 39 %. Un taux encore loin d’un usage quotidien fluide, mais qui marque un progrès net par rapport à la première mouture.

Le contexte donne du relief à cette percée. Neuralink, la société d’Elon Musk, a implanté sa première puce cérébrale chez un humain en 2024, une opération neurochirurgicale lourde qui reste réservée à des cas extrêmes de paralysie. Là où les interfaces cerveau-ordinateur traditionnelles s’appuient sur des implants invasifs pour atteindre un décodage textuel rapide, cette approche non invasive vise une précision nettement améliorée par rapport aux méthodes passées, un développement essentiel pour les personnes qui ne peuvent pas subir de chirurgie cérébrale. Les applications visées touchent des populations très concrètes.

La technologie pourrait aider les patients atteints de sclérose latérale amyotrophique, d’AVC ou de syndrome d’enfermement, ainsi que les interfaces intelligentes contrôlées par le cerveau. Un patient enfermé dans son propre corps, incapable du moindre mouvement, pourrait un jour composer un message sans qu’un chirurgien touche à son crâne.

Le prix de la légèreté : des limites techniques bien réelles

Rien n’est encore réglé pour un usage grand public. Le système n’est pas encore en temps réel dans sa version initiale, repose sur un équipement MEG coûteux, et si l’EEG reste plus largement utilisé en raison de son prix abordable et de sa portabilité, la MEG offre une résolution spatiale supérieure en mesurant les champs magnétiques plutôt que l’activité électrique. Cette qualité de mesure a un coût logistique lourd.

Les machines de MEG classiques exigent des conditions d’utilisation contraignantes. La MEG exige que les sujets se trouvent dans une pièce blindée magnétiquement et qu’ils restent immobiles, ce qui limite fortement une utilisation nomade au quotidien. Difficile d’imaginer un patient portant ce type de dispositif dans son salon, entre deux tâches ménagères. Des capteurs MEG plus compacts, basés sur des magnétomètres à pompage optique, commencent toutefois à émerger dans les laboratoires et pourraient à terme réduire cet encombrement.

D’autres équipes explorent des pistes concurrentes, avec des résultats plus modestes mais tout aussi instructifs. Un autre casque basé sur l’EEG, présenté par une équipe de recherche, affiche une précision proche de 75 %, avec un objectif affiché de 90 %. Le laboratoire GrapheneX-UTS de Sydney, de son côté, a développé un système comparable évalué sur un score BLEU nettement plus modeste, preuve que la variabilité individuelle des ondes cérébrales reste un obstacle technique majeur d’une équipe à l’autre.

Reste une question que les chercheurs eux-mêmes soulèvent sans détour. L’étude Brain2Qwerty n’a testé que des participants en bonne santé qui savaient déjà taper, ce qui laisse en suspens la façon dont le système fonctionnerait chez des utilisateurs souffrant de troubles moteurs graves. la vraie population cible du dispositif, celle des patients paralysés, n’a pas encore pu l’essayer. C’est là que se jouera la prochaine étape de cette recherche, et sans doute la plus difficile à franchir.

Sources : nature.com | ncbi.nlm.nih.gov | sciencepost.fr