🧬 biology

Decision strategies appear similar across species and development, but differences emerge in the speed-accuracy relationship

En combinant les fonctions d'exactitude conditionnelle et la modélisation de la diffusion de l'information, cette étude révèle que si les humains et les macaques partagent un cadre de prise de décision évolutivement conservé impliquant des frontières s'effondrant, les enfants présentent des modèles d'erreurs rapides distincts, pilotés par des états de décision initiaux instables probablement dus à l'immaturité des réseaux frontostriataux.

Auteurs originaux : Mariella Segreti, Sara Dal Sasso, Fabio Di Bello, Giampiero Bardella, Ann Paul, Surabhi Ramawat, Deny Menghini, Ferraina Stefano, Pierpaolo Pani, Emiliano Brunamonti

Publié 2026-08-20

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mariella Segreti, Sara Dal Sasso, Fabio Di Bello, Giampiero Bardella, Ann Paul, Surabhi Ramawat, Deny Menghini, Ferraina Stefano, Pierpaolo Pani, Emiliano Brunamonti

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Chaque fois que nous faisons un choix, qu'il s'agisse de choisir un itinéraire pour aller au travail ou de décider quoi manger, notre cerveau équilibre deux exigences concurrentes : la rapidité de l'action et la justesse du résultat. Généralement, ces deux objectifs tirent dans des directions opposées. Si nous nous précipitons, nous sommes plus susceptibles de commettre une erreur ; si nous prenons le temps de réfléchir, nous sommes plus susceptibles d'avoir raison. Les scientifiques appellent cela le compromis vitesse-précision. Pendant des décennies, les chercheurs ont étudié cet équilibre pour comprendre le fonctionnement de l'esprit, en observant souvent la rapidité de réponse des individus pour voir si leurs erreurs surviennent lorsqu'ils sont pressés ou lorsqu'ils hésitent. Cette relation simple entre vitesse et erreurs peut révéler beaucoup de choses sur les stratégies cachées que nos cerveaux utilisent pour résoudre des problèmes. Elle peut même montrer comment ces stratégies changent à mesure que nous grandissons ou comment elles diffèrent entre les humains et les autres animaux.

Une équipe de chercheurs de l'Université Sapienza de Rome, accompagnée de collègues de l'Hôpital pour enfants Bambino Gesù, a décidé d'examiner de près cet équilibre à travers différents âges et espèces. Ils voulaient savoir si la manière dont les enfants, les adultes et les singes prennent des décisions est fondamentalement la même, ou si le chemin vers la décision change à mesure que le cerveau mûrit. Pour le découvrir, ils ont demandé à soixante-deux enfants, quatre-vingt-trois adultes et deux macaques rhesus de jouer à un jeu de classement logique. Le jeu consistait à apprendre l'ordre de six images abstraites, comme savoir que l'image A est « supérieure » à B, B est supérieure à C, et ainsi de suite. Une fois l'ordre des voisins appris, les participants étaient testés sur des paires qu'ils n'avaient jamais vues ensemble auparavant, les forçant à utiliser la logique pour déterminer quel élément était plus haut dans le classement. Ce type de tâche est connu pour être plus difficile lorsque les éléments sont proches dans le classement et plus facile lorsqu'ils sont éloignés, un schéma que tous les groupes de l'étude ont réussi à apprendre.

Lorsque les chercheurs ont examiné les résultats, ils ont constaté que, bien que tout le monde ait appris les règles, la manière dont les erreurs étaient commises racontait une histoire très différente. Les adultes et les singes se comportaient de manière remarquablement similaire. Pour eux, les erreurs étaient les plus probables lorsqu'ils prenaient le plus de temps pour répondre, suggérant qu'au fil du temps, ils pouvaient devenir incertains ou perdre leur concentration. Cependant, les enfants présentaient un schéma distinct. Une proportion significative d'enfants commettait un type d'erreur spécifique : ils devinaient trop vite. Environ quarante-deux pour cent des enfants de l'étude répondaient à un critère spécifique pour commettre ces « erreurs rapides », donnant des réponses si vite qu'elles étaient essentiellement aléatoires, ne montrant aucune réelle compréhension de la logique. Ces « erreurs rapides » n'ont pas été trouvées chez le groupe des adultes ni chez les singes, qui ne présentaient pas ce schéma spécifique de précipitation vers des réponses incorrectes. Les enfants qui faisaient ces devinettes rapides n'étaient pas seulement plus lents ou moins intelligents ; ils commençały leur processus de décision à partir d'un point différent, s'engageant souvent dans une réponse avant d'avoir rassemblé suffisamment d'informations.

Pour comprendre ce qui se passait à l'intérieur du cerveau lors de ces choix, les chercheurs ont utilisé un modèle mathématique qui simule la façon dont les preuves s'accumulent au fil du temps pour parvenir à une décision. Imaginez un seau qui se remplit d'eau ; l'eau représente la preuve pour un choix, et la décision est prise lorsque l'eau atteint un certain niveau. Les chercheurs ont découvert que pour les adultes et les singes, l'eau se remplissait régulièrement, et que le niveau nécessaire pour prendre une décision diminuait légèrement avec le temps, créant un sentiment d'urgence. Cela expliquait pourquoi ils commettaient des erreurs lorsqu'ils attendaient trop longtemps. Mais pour les enfants faisant des erreurs rapides, ce modèle ne fonctionnait que si les chercheurs ajoutaient un nouvel élément : le point de départ du niveau de l'eau était instable. Parfois, le seau commençait presque vide, et parfois il commençait presque plein, par pur hasard. Cette instabilité signifiait que pour certains enfants, le processus de décision commençait déjà penché vers une mauvaise réponse, menant à une réponse rapide et incorrecte avant que toute véritable réflexion ne puisse avoir lieu.

L'étude suggère que si la machinerie de base pour effectuer des inférences logiques est partagée entre les espèces et existe tôt dans le développement humain, la capacité de stabiliser le tout début d'une décision est encore en cours de construction chez les enfants. Les réseaux cérébraux responsables de l'arrêt des réactions impulsives et du maintien d'une concentration constante ne sont pas totalement matures avant l'âge adulte précoce. Les enfants faisant des erreurs rapides n'échouaient pas parce qu'ils manquaient de logique ; ils échouaient parce que leur point de départ interne était instable, les rendant enclins à agir par impulsion avant d'être prêts. Cette recherche offre une fenêtre claire sur l'évolution de la prise de décision, montrant que le passage de l'enfance à l'âge adulte implique non seulement d'apprendre plus de faits, mais aussi d'apprendre à stabiliser l'esprit avant d'agir.

Résumé Technique : Stratégies de Décision à travers les Espèces et le Développement

Énoncé du Problème
La performance de la prise de décision est traditionnellement caractérisée par le compromis vitesse-précision (SAT), où les réponses plus rapides sont souvent corrélées à une précision moindre. Cependant, cette relation n'est pas uniforme ; elle peut varier en fonction des exigences de la tâche et des stratégies individuelles. Bien que les Fonctions de Précision Conditionnelle (CAF) permettent aux chercheurs de cartographier la précision à travers les distributions de temps de réaction (RT) pour identifier si les erreurs sont concentrées dans les réponses rapides ou lentes, les analyses comparatives de ces profils à travers les espèces et les stades de développement restent rares. Plus précisément, il n'est pas clair si la maturation des réseaux frontostriataux et les différences spécifiques aux espèces dans le développement du cortex préfrontal conduisent à des stratégies de décision distinctes dans les tâches d'Inférence Transitive (TI), même lorsque les tendances générales de performance (telles que l'Effet de Distance Symbolique) semblent similaires.

Méthodologie
L'étude a employé une approche comparative impliquant trois groupes : 83 adultes humains, 62 enfants (niveaux 3 à 6) et deux macaques rhesus adultes mâles. Tous les participants ont réalisé une tâche d'Inférence Transitive (TI) à deux choix impliquant six stimuli abstraits (A > B > C > D > E > F).

Structure de la Tâche : Les participants apprenaient des paires adjacentes par essais et erreurs, puis étaient testés sur des paires non adjacentes. La tâche a suscité un Effet de Distance Symbolique (SDE), où la performance s'améliorait à mesure que la distance de rang entre les éléments augmentait.
Analyse Comportementale : Les chercheurs ont calculé des Fonctions de Précision Conditionnelle (CAF) en segmentant les distributions de RT en déciles. Ils ont appliqué des critères statistiques spécifiques pour classer les participants en groupes présentant des « erreurs rapides » (faible précision dans les déciles de RT les plus rapides) ou des « erreurs lentes » (faible précision dans les déciles de RT les plus lents).
Modélisation Computationnelle : Pour découvrir les paramètres de décision latents, les données de choix et de RT au niveau de l'essai ont été ajustées à des Modèles de Diffusion de Drift (DDM). Plusieurs variantes de modèles ont été testées en utilisant le Critère d'Information d'Akaike (AIC) pour la sélection de modèles :
1. Un modèle nul avec des paramètres constants.
2. Un modèle de drift dépendant de la SD (le taux de dérive varie selon la difficulté de la tâche).
3. Un modèle de drift dépendant de la SD avec une frontière de décision qui s'effondre (le seuil de preuve diminue au fil du temps).
4. Un modèle étendu incorporant la variabilité essai par essai du point de départ ( $z$ ) du processus de décision, spécifiquement testé sur le sous-ensemble d'enfants présentant des erreurs rapides.

Résultats Clés

Similitudes et Différences Comportementales : Tous les groupes ont démontré un Effet de Distance Symbolique robuste, confirmant que la difficulté de la tâche modulait la performance de manière similaire à travers les espèces et les âges. Cependant, l'analyse des CAF a révélé des distributions d'erreurs divergentes. Les humains adultes et les singes ont présenté un profil où la précision diminuait généralement avec des RT plus longs (erreurs lentes), ce qui est cohérent avec une priorité donnée à la précision. En revanche, un sous-ensemble significatif d'enfants (41,9 %) a affiché un profil d'« erreur rapide » distinct, caractérisé par une courbe de précision en forme de U inversé où les réponses les plus rapides étaient significativement moins précises que les réponses intermédiaires.
Tendances Développementales : La proportion d'enfants présentant des erreurs rapides était plus élevée chez les plus jeunes (niveaux 3 et 4) par rapport au niveau 6, bien que la différence n'ait pas atteint la signification statistique. Aucun adulte ni session de singe n'a rempli le critère d'erreur rapide.
Résultats de la Modélisation :
- Cadre Partagé : Pour les adultes, les singes et les enfants sans erreurs rapides (Children NFE), le meilleur modèle était le drift dépendant de la SD avec une frontière s'effondrant. Cela indique que la prise de décision dans ces groupes est pilotée par une accumulation de preuves qui s'adapte à la difficulté, couplée à une réduction temporelle de la quantité de preuves requises pour s'engager dans un choix.
- Mécanisme Distinct pour les Erreurs Rapides : Les modèles standards ne pouvaient pas rendre compte des erreurs rapides observées dans le groupe Children FE. Le meilleur ajustement pour ce sous-groupe nécessitait l'ajout de la variabilité du point de départ ( $z$ ). Ce paramètre introduit des fluctuations essai par essai dans l'état initial du processus de décision, augmentant la probabilité que l'accumulation commence plus près de la frontière incorrecte, menant à des réponses prématurées et non informées.

Contributions Clés

Profilage Comparatif par CAF : Cette étude fournit la première comparaison directe des profils CAF entre humains adultes, enfants et primates non humains au sein d'un même cadre de tâche TI, révélant que si les tendances générales de performance sont conservées, la dynamique sous-jacente des erreurs diffère considérablement dans les populations en développement.
Dissection Computationnelle des Erreurs Rapides : En intégrant les CAF au DDM, l'étude identifie que le phénomène d'« erreur rapide » chez les enfants n'est pas simplement un compromis vitesse-précision, mais qu'il est mécaniquement distinct, piloté par l'instabilité de l'état de décision initial (variabilité de $z$ ) plutôt que par un simple effondrement de la frontière ou le taux de dérive.
Aperçu Développemental : Les résultats suggèrent que si la machinerie computationnelle de la prise de décision inférentielle (accumulation de preuves et dynamique de frontière) est évolutivement conservée, la capacité à stabiliser l'état de décision initial et à inhiber les impulsions prépotentes est un processus de développement prolongé lié à la maturation frontostriatale.

Signification et Revendications
Les auteurs affirment que leur travail clarifie comment les stratégies de décision, les stades de développement et les contraintes spécifiques aux espèces façonnent la performance. Ils postulent que la présence d'erreurs rapides chez les enfants reflète des états de décision initiaux moins stables, probablement dus à la maturation incomplète des réseaux frontostriataux impliqués dans le contrôle inhibiteur. L'étude suggère que la combinaison des cadres CAF et DDM offre une méthode robuste pour caractériser ces mécanismes latents. En outre, les auteurs notent que ces découvertes peuvent être pertinentes pour la compréhension des troubles de la prise de décision clinique (tels que le TDAH ou la maladie de Huntington) où des profils CAF distincts et des paramètres computationnels sous-jacents différents sont observés, bien qu'ils ne proposent pas d'applications cliniques spécifiques au-delà de cet alignement théorique. L'article maintient un ton modeste, soulignant que l'interprétation de la variabilité de $z$ comme reflétant des fluctuations de l'état cognitif est cohérente avec, mais non prouvée par, les données comportementales actuelles.

Articles similaires