Notes Exhaustives : Neurobiologie de la Prise de Décision

Introduction et Définition de la Prise de Décision

  • Définition psychologique (Wikipedia, avril 2026) : La prise de décision est considérée comme le processus cognitif résultant en la sélection d'une croyance ou d'un plan d'action parmi plusieurs options alternatives possibles.
    • Caractère de la décision : Elle peut être rationnelle ou irrationnelle.
    • Base du processus : Il s'agit d'un processus de raisonnement fondé sur des hypothèses de valeurs, de préférences et de croyances du décideur.
    • Résultat : Chaque processus produit un choix final, qui peut ou non déclencher une action immédiate.
    • Définition alternative (Ambrose Bierce, 1906) : Décider signifie succomber à la prépondérance d'un ensemble d'influences sur un autre.

Vision Classique et Traitement Sériel

  • Le modèle sériel traditionnel : Cette vue classique postule un traitement linéaire de l'information :
    1. Perception : Traitement des stimuli sensoriels.
    2. Cognition : Évaluation et prise de décision.
    3. Action : Exécution du comportement.
  • Question d'origine : L'origine de cette vision sérielle (souvent associée à la psychologie cognitive classique) est remise en question par les neurosciences modernes qui suggèrent des processus plus parallèles.

Typologie des Décisions

  • Décisions Perceptuelles / Catégorielles : Identification de la nature d'un stimulus (ex. : "Qu'est-ce que c'est que ce truc ?").
  • Décisions Économiques / Basées sur la valeur : Choix basés sur des préférences personnelles et des gains (ex. : "Quelle maison devrais-je acheter ?").
  • Décisions Probabilistes : Évaluation des chances de succès (ex. : Au poker, décider de suivre, relancer ou se coucher).
  • Décisions Émotionnelles : Choix impliquant des liens affectifs profonds (ex. : Demander quelqu'un en mariage).
  • Décisions Physiques / Incarnées (Embodied) : Choix immédiats liés au mouvement dans l'espace (ex. : Courir vers la gauche ou la droite).
  • Décisions Scientifiques : Choix métacognitifs sur les sujets de recherche.

Décisions Économiques et Théorie de l'Utilité

  • Valeur : Le gain d'un événement donné (ex. : Gagner 1\,000\,000\,$• au Loto-Québec).
  • Valeur Attendue (Expected Value - EV) : Le gain multiplié par sa probabilité.
    • EV=p(gain)×ValeurEV = p(\text{gain}) \times \text{Valeur}
    • Exemple : Si la chance de gagner 1\,000\,000\,$• est de 1:10 000 0001:10\,000\,000, l'EVEV est de 10 cents10\,\text{cents}.
  • Paradoxe du choix : Entre (A) 95% de chance de gagner 1\,M\,$• (EV = 950\,000\,$•) et (B) 50% de chance de gagner 3\,M\,$• (EV = 1,5\,M\,$•), la plupart des gens choisissent A malgré une EVEV inférieure. Cela est dû à l'évitement du regret.
  • Utilité (Utility) : Le gain subjectif associé à un événement.
  • Théorie de l'Utilité Attendue : Choisir de manière à maximiser l'utilité subjective attendue.
  • Aversion au risque (Prospect Theory - Kahneman & Tversky) : Les gens n'agissent pas uniquement selon l'utilité théorique. Ils exagèrent la valeur négative d'une perte. L'explication évolutive est que dans la jungle, une perte signifie souvent la mort.

Neuroéconomie : Localisation et Processus

  • Les étapes de la neuroéconomie (Padoa-Schioppa, 2011) :
    1. Représenter les coûts et bénéfices des options.
    2. Les intégrer dans une "monnaie commune".
    3. Comparer les valeurs et choisir la meilleure option comme objectif.
    4. Convertir l'objectif en un plan d'action.
    5. Exécuter le plan.
  • Régions cérébrales clés ("Usual Suspects") :
    • Cortex Orbitofrontal Latéral (lOFC) : Représente la valeur des offres.
    • Cortex Orbitofrontal Médial / vmPFC : Compare les valeurs des offres (modèle de foraging).
    • Cortex Cingulaire Antérieur (ACC) : Compare les valeurs d'action (incluant les coûts d'effort) et décide entre "Exploiter" la ressource actuelle ou "Explorer" ailleurs.
    • Dorsolateral Prefrontal Cortex (dlPFC) : Produit l'objectif de l'action.
    • Cortex Prémoteur (PM) et Cortex Moteur Primaire (M1) : Planification et exécution.
    • Aires Pariétales (LIP) : Codage des variables de décision pour les mouvements oculaires.

Variables de Décision et Préférence Subjective

  • LIP et variables de décision (Platt & Glimcher, 1999) : Les neurones de l'aire LIP répondent à la fois à la probabilité (pp) et à la valeur (VV) de la récompense liée à un mouvement vers leur champ récepteur.
  • Point d'Équivalence Subjective : Méthode consistant à présenter deux options (A et B) en quantités variables pour trouver le point où le sujet choisit l'une ou l'autre à 50%.
  • Irrationalité : Les humains ne sont pas toujours transitifs (peuvent préférer A>B, B>C, mais C>A).

Décisions Perceptuelles et Modèles de Diffusion

  • Chronométrie mentale : La mesure du temps de réaction (RT) permet de déduire les processus de décision.
    • Choix difficiles = RT plus longs et plus variables.
    • Choix communs = RT plus courts.
  • Modèle de Diffusion (Ratcliff, 1978) : La délibération est comparée à une marche aléatoire (random walk).
    • Une variable mentale bruitée (xx) change dans le temps, biaisée par l'information sensorielle, jusqu'à franchir l'un des deux seuils de décision.
    • dx=α(u1−u2)dt+noisedx = \alpha(u_1 - u_2) dt + \text{noise}
    • La force des preuves détermine le taux de dérive (drift rate).
    • L'incertitude/bruit peut être interne (fluctuations neuronales) ou externe.
  • Modèles alternatifs :
    • Race Model (Vickers, 1970) : Des processus indépendants font la course vers leurs seuils respectifs.
    • Leaky Competing Accumulator (Usher & McClelland, 2001) : Intégration avec fuite (leak) et inhibition mutuelle.

Maximisation de la Valeur Attendue et Inférence Bayésienne

  • Critère d'exactitude : Pour maximiser l'EVEV de deux hypothèses h1h_1 et h2h_2, on choisit h1h_1 si :
    • p(h1)(W1−L2)>p(h2)(W2−L1)p(h_1)(W_1 - L_2) > p(h_2)(W_2 - L_1)
    • Où WW est le gain (Win) et LL la perte (Loss).
  • Règle de Bayes et Preuves :
    • p(h1∣e)=p(e∣h1)p(h1)p(e)p(h_1|e) = \frac{p(e|h_1)p(h_1)}{p(e)}
    • L'accumulation de preuves se fait par l'addition des logarithmes du rapport de vraisemblance (Log-likelihood ratio) :
    • Total=log⁡(p(h1)p(h2))+∑log⁡(p(ei∣h1)p(ei∣h2))\text{Total} = \log\left(\frac{p(h_1)}{p(h_2)}\right) + \sum \log\left(\frac{p(e_i|h_1)}{p(e_i|h_2)}\right)
  • Preuve dans LIP (Yang & Shadlen, 2007) : Dans une tâche probabiliste avec des formes géométriques, l'activité des neurones LIP reflète fidèlement la somme des log-vraisemblances des indices visuels présentés.

Neurophysiologie des Décisions Perceptuelles chez le Macaque

  • Aire MT (Medial Temporal) : Détecte la direction et la cohérence du mouvement visuel.
  • Aire LIP (Lateral IntraParietal) : Intègre les preuves provenant de MT. Le taux de croissance de l'activité prédit le temps de réaction.
  • Frontal Eye Fields (FEF) : Neurones liés au mouvement dont l'activité doit atteindre un seuil fixe pour déclencher la saccade.
  • Colliculus Supérieur : Les neurones passent d'une représentation de l'information sensorielle à une représentation de l'action choisie.
  • Microstimulation : Stimuler MT ou LIP biaise la décision et modifie le temps de réaction.

Décisions Incarnées et Hypothèse de Compétition des Affordances

  • Critique du modèle sériel : Les enregistrements montrent que PM et M1 s'activent précocement, souvent en même temps que le cortex temporal (IT).
  • Décisions "Embodied" : Les choix émergent de la géométrie de l'environnement.
  • Hypothèse de Compétition des Affordances (Cisek) :
    • Spécification de l'action : Le flux dorsal définit plusieurs options d'action en parallèle (pics d'activité).
    • Sélection de l'action : La compétition est résolue par des influences descendantes (PFC, Ganglions de la base).
    • Preuve neuronale : Dans le cortex prémoteur dorsal (PMd), deux groupes de neurones peuvent coder simultanément deux cibles potentielles avant qu'un signal de choix ne soit donné (Cisek & Kalaska, 2005).

Modèles d'Attracteurs et Urgence

  • Modèles d'attracteurs récurrents : Les cellules entrent en compétition via une inhibition mutuelle.
    • Délibération : Les neurones reçoivent des preuves pour chaque option.
    • Engagement (Commitment) : Une cellule finit par supprimer les autres. Le système tombe dans un "bassin d'attraction".
  • Signal d'urgence : Un signal croissant global (Urgency) peut pousser le système à prendre une décision rapidement, même en l'absence de preuves fortes, en abaissant virtuellement le seuil ou en poussant l'activité vers les attracteurs.
  • Tâche des Jetons (Tokens Task) : Les singes doivent deviner vers quelle cible les jetons vont se déplacer. L'activité neuronale dans PMd et M1 reflète l'évolution des probabilités en temps réel.
  • Analyse de l'espace neural (PCA) : Les composantes principales capturent l'engagement, l'évidence sensorielle et la pente d'urgence. Le dlPFC semble coder principalement l'évidence, tandis que le Globus Pallidus (GP) code l'urgence.