A neurocomputational model of observation-based decision making with a focus on trust

Cet article présente un modèle neurocomputational simulant l'interaction entre l'apprentissage par observation et la confiance, en modélisant la dynamique neuronale des cortex orbitofrontal, préfrontal latéral et cingulaire antérieur pour prédire les changements de comportement décisionnel face à des informations sociales, illustrés par un choix de transport lié au changement climatique.

L'essentiel

🧠 Le "GPS" de la confiance : Comment nous apprenons des autres

Imaginez que vous devez choisir votre moyen de transport pour aller au travail : prendre votre voiture, votre vélo ou les transports en commun. C'est une décision quotidienne, mais dans un monde complexe (comme face au changement climatique), nous ne décidons pas toujours seuls. Nous regardons autour de nous.

Ce papier scientifique explore comment notre cerveau prend des décisions en observant les autres, et surtout, comment la confiance joue le rôle de chef d'orchestre dans ce processus.

1. Les trois acteurs principaux de votre cerveau

Pour comprendre ce modèle, imaginez votre cerveau comme un petit comité de direction avec trois membres clés qui discutent constamment :

• Le Cerveau Émotionnel (OFC) : C'est le "Cœur". Il se soucie de la gratification immédiate. "J'ai envie de prendre ma voiture, c'est confortable et chaud !". Il réagit vite et fort aux sentiments.
• Le Cerveau Rationnel (LPFC) : C'est le "Cerveau". Il pense à long terme. "Les transports en commun sont meilleurs pour l'environnement et moins chers sur la durée.". Il est logique et calculateur.
• Le Centre de Commande (ACC) : C'est le "Chef d'orchestre" ou le "Hub Social". Il écoute à la fois le Cœur et le Cerveau, mais il a une tâche spéciale : il intègre les informations venant des autres. Il vérifie si ce que l'autre personne fait correspond à ce qu'on attendait d'elle.

2. Le scénario : L'expert et l'observateur

Imaginons une scène :

• L'Observateur (Vous) : Vous hésitez entre la voiture et le bus. Au début, votre "Cœur" veut la voiture (émotion), mais votre "Cerveau" sait que le bus est mieux (raison).
• L'Expert (Le modèle) : Vous observez un professeur de climatologie (un expert très crédible). Vous voyez qu'il prend toujours le bus et qu'il arrive toujours à l'heure, content et détendu.

3. Le mécanisme de la confiance : Le test de la prédiction

C'est ici que la magie opère. Votre cerveau fonctionne comme un détective qui compare ses prédictions avec la réalité.

• Le test de compétence : Chaque fois que l'expert prend le bus et que ça se passe bien (il arrive à l'heure), votre "Centre de Commande" (ACC) dit : "Ah ! J'avais prédit que ça irait bien, et c'est vrai !"
• L'effet de confiance : Plus l'expert est prévisible (il fait toujours le bon choix), plus votre niveau de confiance augmente. Dans le modèle, cette confiance est mesurée par l'activité électrique de votre cerveau (comme une onde qui devient plus régulière et plus forte).

4. La métaphore du "Volume de la confiance"

Pensez à la confiance comme à un volume sur une chaîne stéréo.

• Au début, le volume est bas. Vous écoutez votre propre envie (la voiture).
• À mesure que vous voyez l'expert réussir, le volume de la "confiance" monte.
• Quand le volume est très haut, la voix de l'expert devient si forte qu'elle commence à modifier votre propre programme. Votre "Cerveau Rationnel" (LPFC) s'active davantage, et votre "Cœur" (OFC) commence aussi à apprécier le bus, car il associe maintenant le bus à la réussite de l'expert.

5. Ce que la simulation a révélé (Les résultats)

Les chercheurs ont créé un ordinateur qui simule ce cerveau. Voici ce qu'ils ont découvert :

• La raison change plus vite que l'émotion : Quand vous faites confiance à quelqu'un, votre cerveau rationnel accepte le changement d'avis (ex: "Le bus est une bonne idée") assez rapidement.
• L'émotion prend son temps : Cependant, votre envie profonde, votre "goût" pour la voiture, met plus de temps à changer. Il faut que la confiance soit très solide et répétée pour que votre "Cœur" se mette vraiment à aimer le bus.
• L'apprentissage par l'observation : Vous n'avez pas besoin de vous faire piéger dans les embouteillages pour apprendre. En observant un expert fiable, votre cerveau "télécharge" son expérience et ajuste ses propres valeurs.

En résumé

Ce papier nous dit que nous ne sommes pas des îles. Notre cerveau est câblé pour apprendre des autres. La confiance est le ciment qui permet à l'information sociale de passer de l'observation à l'action.

Si vous voulez changer l'attitude de quelqu'un (par exemple, pour qu'il prenne moins sa voiture), il ne suffit pas de lui donner des chiffres rationnels. Il faut lui montrer un modèle fiable (un expert) qui agit de manière cohérente. Avec le temps, la confiance grandira, et le cerveau de l'observateur finira par aligner ses émotions et sa raison sur ce nouveau comportement.

C'est une façon élégante de dire : "Fais-moi confiance, et je changerai d'avis."

Résumé technique

1. Problématique et Contexte

La prise de décision humaine est profondément influencée par les interactions sociales, en particulier par l'apprentissage observationnel (apprendre en observant les autres). Cependant, la manière dont les processus sociaux (comme la confiance) interagissent avec les mécanismes neuronaux sous-jacents pour modifier les comportements individuels (émotionnels et rationnels) reste mal comprise.

L'article vise à combler ce vide en proposant un cadre unifié reliant les niveaux comportementaux et neuronaux. Le problème central est de modéliser comment l'observation des actions et des résultats d'un « expert » (un individu compétent) influence la confiance de l'observateur, et comment cette confiance modifie ensuite les évaluations émotionnelles et rationnelles de l'observateur face à une décision (ex: choix de mode de transport dans un contexte de changement climatique).

2. Méthodologie : Le Modèle Neurocomputational

Les auteurs ont développé un modèle dynamique basé sur la neurodynamique de trois structures corticales clés, en utilisant une approche de Probabilité Bayésienne Dynamique (DBP) pour modéliser l'incertitude et l'apprentissage séquentiel.

A. Architecture Neurale

Le modèle simule les interactions entre trois structures cérébrales :

1. Cortex Orbitofrontal (OFC) : Traite les valeurs émotionnelles et les gratifications immédiates. Il encode les signaux d'attente émotionnels.
2. Cortex Préfrontal Latéral (LPFC) : Traite les valeurs rationnelles, les récompenses à long terme et le raisonnement exécutif. Il est également associé aux neurones miroirs pour l'imitation.
3. Cortex Cingulaire Antérieur (ACC) : Agit comme un « hub social » intégrant les signaux d'attente de l'OFC et du LPFC. Il calcule les erreurs de prédiction (différence entre l'attendu et le réel) pour mettre à jour les modèles internes.

B. Mécanismes de Simulation

• Réseaux de Neurones : Chaque structure est modélisée par un réseau à trois couches (une couche excitatrice centrale et deux couches inhibitrices feedforward/feedback), inspiré des travaux de Liljenström.
• Dynamique Oscillatoire : L'activité neuronale est représentée par des oscillations. La fréquence dominante et l'amplitude (énergie du signal) reflètent l'excitabilité et la motivation.
• Apprentissage et Confiance :
  • L'apprentissage suit une règle de type Hebbien modifiée : $\Delta w = \eta \cdot Tr \cdot \text{activité}$.
  • La variable $Tr$ (Trust/Confiance) est proportionnelle à la prédictibilité de l'expert (cohérence et compétence).
  • La Probabilité Bayésienne Dynamique (DBP) est utilisée pour mettre à jour les probabilités d'actions et de résultats observés au fil du temps, régulant ainsi l'activité oscillatoire.
• Cas d'usage : Le modèle est appliqué à un scénario de choix de transport (voiture vs transports en commun), où l'observateur initialement émotif (préférant la voiture) observe un expert (ex: professeur de climatologie) choisir les transports en commun avec succès.

3. Résultats Principaux

Les simulations ont produit des sorties de type EEG (activité oscillatoire) et des courbes d'apprentissage, révélant plusieurs dynamiques clés :

• Corrélation Confiance-Oscillations : Un niveau de confiance élevé se traduit par une excitabilité neuronale accrue et des oscillations plus régulières et à plus haute fréquence dans le LPFC. Par exemple, une augmentation du paramètre de motivation ($Q$) de 6 à 9 a fait passer la fréquence dominante de 50 Hz à 79 Hz.
• Courbe d'Apprentissage de la Confiance : La confiance envers l'expert augmente rapidement au début de l'observation et atteint un état stable (saturation) après environ 40 itérations.
• Dissociation Temporelle Émotion/Raison :
  • L'ajustement des valeurs rationnelles (LPFC) en réponse à la confiance de l'expert est rapide et atteint la saturation plus tôt.
  • L'ajustement des valeurs émotionnelles (OFC) est plus lent. Bien que la confiance rationnelle augmente la valeur émotionnelle des transports en commun, ce changement prend presque deux fois plus de temps que la formation de la confiance envers l'expert lui-même.
• Changement de Comportement : L'observation réussie d'un expert modifie les poids des connexions neuronales, augmentant la valeur attribuée à l'option rationnelle (transports en commun) et réduisant progressivement l'attrait émotionnel de l'option par défaut (voiture).

4. Contributions Clés

1. Modélisation Intégrative : C'est l'un des premiers modèles à lier explicitement les concepts psychosociaux de confiance et d'apprentissage observationnel aux dynamiques oscillatoires spécifiques de l'OFC, du LPFC et de l'ACC.
2. Mécanisme de la Confiance : La proposition que la confiance agit comme un multiplicateur ($Tr$) dans l'équation d'apprentissage Hebbien, accélérant la consolidation de la mémoire et l'excitabilité neuronale.
3. Dynamique Temporelle : La découverte simulée que le changement d'attitude rationnelle précède et est plus rapide que le changement d'attitude émotionnelle, même si le système émotionnel est souvent considéré comme plus rapide dans d'autres contextes (Kahneman). Ici, la confiance rationnelle agit comme un catalyseur qui finit par reconfigurer le système émotionnel.
4. Application au Changement Climatique : Démonstration de la pertinence du modèle pour comprendre comment les informations sociales peuvent modifier les comportements individuels face à des enjeux complexes comme le changement climatique.

5. Signification et Implications

Ce travail fournit un cadre théorique et computationnel pour comprendre comment la société influence l'individu au niveau neuronal. Il suggère que pour changer les comportements (comme le choix de transport), il ne suffit pas de fournir des informations rationnelles ; il faut établir la confiance envers la source de l'information.

Le modèle prédit que la confiance agit comme un pont permettant de transférer une évaluation rationnelle (basée sur la compétence de l'expert) vers une réévaluation émotionnelle de l'option. Cela a des implications majeures pour :

• Les politiques publiques visant à promouvoir des comportements durables.
• La conception d'agents intelligents ou de robots sociaux capables d'influencer les décisions humaines.
• La compréhension des pathologies sociales où la confiance ou l'apprentissage observationnel est altéré.

En résumé, l'article démontre que la confiance n'est pas seulement un état psychologique, mais un mécanisme neurodynamique mesurable qui orchestre l'interaction entre l'émotion et la raison pour guider la prise de décision sociale.