Meta FAIR : une IA reconstruit une partie de ce qu'on lit et tape, à partir de signaux MEG et EEG, sans implant cérébral

Meta a un laboratoire de recherche fondamentale qui s’appelle FAIR (Fundamental AI Research). Ce sont eux qui ont sorti les modèles Llama, mais ils travaillent aussi sur des sujets beaucoup plus exploratoires. Dernièrement, ils ont publié des travaux sur le décodage cérébral, et le résultat fait parler bien au-delà du cercle des chercheurs.

L’idée se résume en une phrase. À partir de signaux mesurés à la surface du crâne, sans rien implanter dans le cerveau, leurs modèles d’IA arrivent à reconstituer une partie de ce qu’une personne est en train de lire, et dans certains protocoles, à retrouver une portion des caractères qu’elle tape sur un clavier.

Ce que les chercheurs mesurent, et comment

Il faut comprendre par où passe l’information. Les équipes utilisent deux techniques non invasives. La MEG, magnétoencéphalographie, capte les minuscules champs magnétiques produits par l’activité des neurones. L’EEG, électroencéphalographie, mesure de son côté l’activité électrique avec des électrodes posées sur le cuir chevelu. Aucune de ces deux méthodes ne touche l’intérieur du crâne. La distinction avec les implants type Neuralink est majeure, puisque ces derniers supposent une opération chirurgicale.

Ces deux techniques ne datent pas d’hier. L’EEG existe depuis les années 1920 et sert depuis longtemps en milieu hospitalier, par exemple pour étudier le sommeil ou repérer une épilepsie. La MEG est plus récente et plus rare, on la trouve surtout dans des centres de recherche bien équipés. Ce qui a changé, ce ne sont pas les capteurs eux-mêmes, mais la capacité des modèles d’IA à apprendre des correspondances très fines entre une bouillie de signaux et le contenu que la personne perçoit ou produit. Là où un humain ne voit que des courbes, le modèle repère des motifs réguliers et les associe à des lettres, à des mots, à des images.

Sur ces signaux, Meta entraîne des modèles d’intelligence artificielle à faire le lien entre ce qui se passe dans le cerveau et le contenu présenté à la personne. Dans un volet des travaux, baptisé Brain2Qwerty, des participants tapent des phrases sur un clavier pendant que leur activité cérébrale est enregistrée. Le système apprend ensuite à deviner, à partir des seuls signaux, quelles touches ont été pressées. Le nom renvoie à la disposition Qwerty du clavier, et résume bien l’ambition du protocole, relier une intention motrice à une suite de caractères.

Les chiffres donnent une idée du niveau réel. Avec la MEG, qui est la plus précise des deux, le modèle se trompe en moyenne sur un peu moins d’un tiers des caractères. Le taux d’erreur tourne autour de 32 pour cent. Avec l’EEG, beaucoup plus accessible mais moins fine, on grimpe à environ 67 pour cent d’erreurs. Sur deux caractères, plus d’un est donc faux. On parle d’une reconstitution partielle et bruitée, loin d’une transcription propre. Ces taux dépendent aussi des personnes, certains cerveaux se décodent mieux que d’autres.

Pourquoi il ne s’agit pas de lecture de pensée

Le mot qui circule, c’est souvent « lire dans les pensées ». C’est faux, et les chercheurs eux-mêmes prennent soin de le dire. Plusieurs barrières concrètes séparent ces résultats d’une telle promesse.

Il y a le matériel. La MEG ne fonctionne pas avec un petit bandeau. Elle exige une machine volumineuse, installée dans une pièce blindée magnétiquement, qui coûte très cher et reste immobile. La personne doit garder la tête quasiment fixe pendant l’enregistrement, car le moindre mouvement perturbe la mesure. On est loin d’un capteur que l’on porterait dans la rue.

Il y a les conditions. Les protocoles sont très contrôlés. La personne lit ou tape des contenus connus à l’avance par les chercheurs, dans un cadre de laboratoire. Le modèle décode ce qui est perçu ou produit physiquement, la lecture, la frappe au clavier, et non une pensée libre et silencieuse qui flotterait dans la tête. C’est une nuance qui change tout, deviner les touches tapées par une main reste très éloigné de capter une rêverie ou un souvenir.

Il y a la précision. Avec un tiers à deux tiers d’erreurs selon la technique, on obtient une approximation, utile pour la recherche, inexploitable pour une transcription fidèle. Un système qui se trompe sur un caractère sur trois ne saurait servir d’outil de surveillance discret, ni de dispositif fiable au quotidien.

Meta présente clairement ces résultats comme de la science fondamentale. L’objectif affiché est de mieux comprendre comment le cerveau transforme le langage en gestes, comment la pensée devient une suite de mots et de mouvements. Les modèles d’IA servent ici d’outils pour explorer cette mécanique, et non de produits prêts à vendre.

Ce que ça pourrait changer, et ce qui reste flou

Reste que la direction interpelle. Côté médical, ces travaux nourrissent l’espoir d’interfaces pour des personnes paralysées ou privées de parole, qui pourraient communiquer sans chirurgie lourde. Aujourd’hui, les dispositifs qui redonnent une forme de parole passent souvent par des électrodes implantées, avec tous les risques d’une opération. Une voie non invasive, même imparfaite, ouvrirait l’accès à des patients qui ne peuvent ou ne veulent pas se faire opérer. On en est au stade de la recherche, pas du dispositif clinique, mais la piste mérite qu’on la suive de près.

Côté société, le simple fait qu’une machine reconstitue une fraction de ce qui se passe dans une tête, depuis l’extérieur, pose la question de la vie privée mentale. Tant que la MEG reste confinée à des salles blindées, le sujet semble lointain. Mais l’histoire des technologies montre que des appareils énormes et coûteux finissent parfois par rétrécir et se démocratiser. Si un jour un capteur léger captait ne serait-ce qu’une bribe fiable de notre activité cérébrale, la question de savoir qui aurait le droit de l’utiliser, et dans quel cadre, deviendrait très concrète.

À une autre échelle, cette recherche rejoint une question que je creuse côté travail, celle de la dette cognitive : ce que devient notre cognition quand on laisse la machine s’approcher d’aussi près. Pour l’instant la barrière physique reste haute, et plusieurs verrous techniques tiennent encore. Les chercheurs qui publient ces résultats appellent eux-mêmes à réfléchir aux garde-fous avant que la technologie ne progresse. C’est une posture saine, mieux vaut poser les règles du jeu quand le sujet est encore une curiosité de laboratoire que de courir après une fois qu’il sera installé partout.