21 jan 2019
09:30 - 11:00
Amphithéâtre Marguerite de Navarre, Site Marcelin Berthelot
En libre accès, dans la limite des places disponibles
URL de la vidéo

Résumé

L’analyse de la similarité des représentations (RSA = representational similarity analysis) est une autre méthode d’analyse multivariée qui permet des inférences sophistiquées sur le codage cérébral des informations cognitives. Elle repose sur le concept d’isomorphisme de second ordre, dû au psychologue californien Roger Shepard.

L’argument de Shepard repose en premier lieu sur la réfutation d’une idée courante mais fausse, selon laquelle il existerait une correspondance directe entre les objets du monde extérieur et leur représentation interne dans le cerveau (un isomorphisme de premier ordre). On pense parfois naïvement que, lorsqu’une personne imagine un carré vert, il doit y avoir dans son cerveau une « image » de ce carré. Mais ce type de raisonnement conduit rapidement à des absurdités : Qui reconnaît l’image de ce carré dans le cerveau (régression à l’infini) ? Comment est codée la couleur verte – par des neurones verts ? Comment sont codés des concepts abstraits tels que le nombre ou la liberté ?

Au lieu d’un isomorphisme de premier ordre, Shepard affirme que l’on doit rechercher un isomorphisme de second ordre, c’est-à-dire une correspondance entre les relations entre les objets du monde extérieur, et les relations entre leurs représentations internes. L’idée est que, si la représentation interne d’un rectangle n’est en rien l’image d’un rectangle, cette représentation doit ressembler plus à celle d’un carré qu’à celle, disons, d’un chou-fleur. Ainsi, il faut mesurer la similarité subjective entre les représentations mentales et la comparer à la similarité des représentations cérébrales. Dans chaque région du cerveau, l’analyse consiste à (1) extraire les configurations d’activité pour chaque stimulus ; (2) évaluer leur dissimilarité, par exemple 1-r où r est le coefficient de corrélation ; (3) comparer cette matrice empirique avec une ou plusieurs matrices prédites par différents modèles, ou par la similarité subjective mesurée sur le plan comportemental. On peut aussi faire l’étude directe de cette matrice, par exemple par multi-dimensional scaling, une méthode de visualisation des matrices de similarité inventée par Roger Shepard.