Heterogeneous self-couplings enable scale-invariant memory and cognitive flexibility without criticality

Le cerveau humain est un maître du temps. Il peut réagir à un éclat soudain de lumière en une fraction de seconde, mais il peut aussi maintenir une pensée complexe à l'esprit pendant des minutes ou tisser une histoire qui se déploie sur des années. Cette capacité à opérer à des vitesses aussi radicalement différentes n'est pas un défaut ; c'est une caractéristique fondamentale de la façon dont nous pensons, apprenons et nous adaptons. Pendant des décennies, les scientifiques se sont demandé comment un réseau de milliards de neurones parvient à garder une trace des événements du passé lointain tout en répondant au moment présent. Une théorie dominante suggérait que le cerveau doit constamment osciller sur le fil du rasoir entre l'ordre et le chaos, un état connu sous le nom de criticité, pour atteindre cette flexibilité. Cependant, de nouvelles recherches remettent en question cette vision de longue date, proposant que le cerveau pourrait atteindre sa remarquable gestion du temps et son adaptabilité grâce à un mécanisme plus simple et plus robuste : une diversité intrinsèque de vitesses au sein de ses propres circuits.

Dans une étude publiée en octobre 2026, les chercheurs Francesco Damiani, Gabriele Di Antonio et leurs collègues de l'Université Pompeu Fabra et de l'Istituto Superiore di Sanità de Rome ont exploré cette possibilité à l'aide d'un modèle informatique d'un réseau neuronal. Ils ont construit un système qui imite la structure du cerveau mais y ont introduit une sorte de variation spécifique : au lieu que chaque partie du réseau se comporte exactement de la même manière, ils ont doté chaque unité d'une force de connexion réflexive différente. Dans le langage du modèle, certaines unités sont étroitement connectées à elles-mêmes, ce qui les rend lentes à changer d'état, tandis que d'autres sont lâchement connectées, leur permettant de réagir rapidement. L'équipe a découvert que ce simple mélange d'unités rapides et lentes suffisait à créer un système capable de se souvenir du passé sur une large gamme d'échelles de temps, sans avoir besoin d'être réglé sur un seuil critique.

Les chercheurs ont découvert que lorsque ces unités sont disposées avec le bon mélange de connexions réflexives, la mémoire du réseau ne s'efface pas de manière prévisible et uniforme. Au lieu de cela, la mémoire des entrées passées décroît lentement et régulièrement, suivant un schéma où l'information du passé lointain conserve une influence ténue sur le présent. C'est ce que les scientifiques appellent une mémoire invariante d'échelle. Cela signifie que le système peut traiter des informations arrivant à n'importe quelle vitesse, qu'il s'agisse d'une série rapide de clics ou d'une conversation lente et étirée, sans avoir besoin d'être reconfiguré. Le modèle a montré que ce déclin de la mémoire selon une loi de puissance, souvent observé dans l'activité cérébrale réelle, peut émerger naturellement de la diversité des connexions internes du réseau, plutôt que d'exiger que l'ensemble du système soit équilibré précairement au bord du chaos.

Pour tester si cette mémoire était réellement utile, l'équipe a soumis son modèle à une série de défis cognitifs. D'abord, elle lui a confié une tâche de mémoire à court terme consistant à mémoriser une séquence de six signaux différents présentés à des vitesses variables. Un réseau standard, où toutes les parties sont identiques, éprouvait des difficultés à mesure que les signaux devenaient plus rapides ou plus lents, oubliant rapidement ce qu'il avait vu. Un réseau réglé sur le bord de la stabilité performait mieux, mais restait fragile. En revanche, le modèle doté de connexions réflexives diverses mémorisait la séquence de manière robuste, quel que soit le timing. Il pouvait conserver le premier signal aussi bien que le dernier, même lorsque les intervalles entre eux étaient vingt fois plus longs que la vitesse d'une unité unique. Cela a démontré que le mélange de vitesses permettait au réseau de maintenir un enregistrement stable du passé sans perdre sa capacité à réagir à l'instant présent.

L'équipe a ensuite poussé le test plus loin, demandant au modèle de résoudre un puzzle classique de flexibilité cognitive connu sous le nom de Test de Tri de Cartes de Wisconsin. Dans cette tâche, une personne doit trier des cartes en fonction d'une règle, comme l'association par couleur ou par forme. La règle change de manière inattendue, et la personne doit découvrir la nouvelle règle en se basant sur un retour, tel qu'un signal d'erreur. Cela nécessite de garder le contexte actuel à l'esprit tout en étant prêt à changer de direction instantanément. Le modèle a réussi cette tâche en utilisant ses unités rapides pour prendre des décisions immédiates basées sur les cartes observées, tandis que ses unités plus lentes, dotées de connexions réflexives, agissaient comme un réservoir stable pour maintenir la règle actuelle à l'esprit. Lorsqu'une erreur se produisait, le réseau pouvait déplacer son état interne vers un nouvel « attracteur », changeant ainsi sa règle sans avoir besoin de recâbler toute sa structure. Cette capacité à changer de contexte de manière fluide et efficace émergeait directement de la diversité interne du réseau.

Une partie cruciale de l'étude consistait à comparer cette approche à d'autres façons de créer différentes vitesses dans un réseau. L'équipe a construit un second modèle où les unités avaient des vitesses différentes parce qu'elles étaient construites avec des constantes de temps différentes, une méthode courante pour simuler la diversité. Bien que ce second modèle puisse également résoudre le puzzle, il nécessitait des changements beaucoup plus importants et drastiques dans ses connexions pour apprendre les règles. Le modèle avec des connexions réflexives diverses, cependant, a appris la tâche avec seulement de minuscules ajustements de sa structure existante. Cela suggère que posséder un paysage intégré de différentes vitesses et d'états stables est une manière plus efficace pour un système d'apprendre et de s'adapter. Cela permet au réseau de recruter des capacités préexistantes plutôt que de construire de nouvelles capacités à partir de zéro chaque fois qu'une situation change.

Les résultats éclairent également un grand débat en neurosciences concernant la criticité. Pendant des années, de nombreux scientifiques ont cru que pour qu'un cerveau soit flexible et puissant, il devait opérer près d'un point critique, un état où il est parfaitement équilibré entre être trop rigide et trop chaotique. Les nouvelles simulations suggèrent que cela n'est pas strictement nécessaire. Les chercheurs ont montré que leur modèle restait dans un état stable, subcritique — ce qui signifie qu'il était en sécurité loin du chaos — tout en produisant les dynamiques complexes et sans échelle ainsi que le comportement flexible que l'on pensait être la seule source de la criticité. Cela implique que le cerveau n'a peut-être pas besoin de marcher sur une corde raide pour bien fonctionner ; il peut plutôt compter sur la richesse et la variété des dynamiques créées par sa propre diversité structurelle.

L'étude offre une nouvelle façon de concevoir l'organisation du cerveau. Elle suggère que le cortex pourrait être une hiérarchie de réseaux, où les niveaux inférieurs traitent les entrées sensorielles rapides et immédiates, tandis que les niveaux supérieurs traitent les contextes lents et complexes. Cette hiérarchie pourrait émerger simplement du fait que la force des connexions réflexives augmente à mesure que l'on monte dans la chaîne de traitement du cerveau. Les zones supérieures posséderaient naturellement plus d'unités lentes et stables capables de maintenir des idées et des règles abstraites, tandis que les zones inférieures posséderaient des unités plus rapides pour des réactions immédiates. Ce principe unique de variation des connexions réflexives pourrait expliquer à la fois la capacité du cerveau à intégrer des informations sur de longues périodes et sa capacité à la pensée abstraite et complexe.

En fin de compte, ce travail fournit une alternative convaincante à l'idée que la puissance du cerveau provient d'un équilibre délicat avec le chaos. Au lieu de cela, il pointe vers la force de la diversité. En ayant simplement des parties qui se déplacent à des vitesses différentes et conservent l'information pendant des durées différentes, un réseau neuronal peut naturellement développer la capacité de se souvenir du passé, de s'adapter à de nouvelles règles et de traiter l'information à travers de multiples échelles de temps. Les simulations des chercheurs montrent que ce mécanisme est robuste, efficace et capable de soutenir le type de comportement flexible qui définit la vie intelligente, le tout sans que le système n'ait besoin d'être réglé sur un seuil critique. Le cerveau, semble-t-il, est moins un équilibriste qu'une chorale de voix, chacune chantant à son propre rythme, créant une harmonie qui est à la fois stable et infiniment adaptable.