Dr Terry Sejnowski : comment mieux apprendre grâce aux neurosciences et à l’IA
On considère souvent l’apprentissage comme une question d’absorption d’un plus grand volume d’informations. Dans sa conversation avec Andrew Huberman, le neuroscientifique computationnel Dr Terry Sejnowski propose un modèle plus utile : les connaissances durables se développent par la prédiction, l’action, le retour d’information et la consolidation biologique. Lire et écouter comptent, mais ce ne sont que des éléments du processus.
Sejnowski établit des liens entre les neurosciences, l’intelligence artificielle, l’éducation, le sommeil, l’exercice et la motivation. Son message central est encourageant : le cerveau reste adaptable tout au long de l’âge adulte, et l’apprentissage peut s’améliorer lorsque nous travaillons avec ses systèmes plutôt que de nous en remettre uniquement à l’exposition passive ou à la volonté.
Comprendre le cerveau au niveau algorithmique
Sejnowski dirige le laboratoire de neurobiologie computationnelle du Salk Institute, où ses travaux associent mathématiques, neurosciences, informatique et intelligence artificielle. Cette perspective guide son approche de l’une des questions les plus difficiles de la science : comment l’activité des cellules et des circuits devient-elle perception, pensée et comportement ?
Un inventaire détaillé des neurones, des molécules et des connexions n’explique pas à lui seul le fonctionnement du cerveau. À l’inverse, observer un comportement de l’extérieur ne permet pas de révéler pleinement comment les mécanismes sous-jacents le produisent. Sejnowski décrit un niveau intermédiaire, algorithmique, entre ces deux perspectives.
Un algorithme est comparable à une recette : il spécifie les opérations qu’un système effectue pour parvenir à un résultat. En neurosciences, identifier de telles opérations peut expliquer comment les circuits transforment l’expérience en meilleures décisions ou en comportements plus habiles. C’est aussi à ce niveau que les neurosciences et l’IA se rejoignent de plus en plus. Ces deux domaines se demandent comment un système peut apprendre à partir de retours d’information, généraliser au-delà d’exemples antérieurs et choisir des actions qui le rapprochent d’un objectif.
Les ganglions de la base, la dopamine et l’apprentissage à partir des résultats
Un système d’apprentissage important implique les ganglions de la base, un ensemble de structures cérébrales qui aide à affiner les séquences d’actions. La pratique permet à ces circuits de rendre les mouvements plus fluides et plus automatiques, qu’il s’agisse d’améliorer un coup de tennis, un swing de golf ou toute autre compétence complexe.
Sejnowski soutient que cette même mécanique générale contribue aussi à l’expertise cognitive. Devenir compétent en médecine, en finance, en physique ou en neurosciences exige d’apprendre des séquences de pensée productives, et pas seulement de stocker des faits isolés.
Les ganglions de la base contribuent à organiser à la fois les signaux « go » et « no-go ». Une performance efficace dépend de l’initiation de la bonne action tout en supprimant les actions concurrentes. Un chirurgien, par exemple, doit exécuter une procédure précise tout en écartant les pensées non pertinentes. Huberman et Sejnowski étendent cette distinction à l’adolescence, lorsque les systèmes impliqués dans la retenue et l’inhibition sont encore en développement.
La dopamine joue un rôle central dans l’actualisation de ces circuits. Le cerveau prédit quelle récompense devrait suivre une action, compare cette prévision à ce qui se produit réellement et ajuste ses connexions lorsque le résultat diffère de ce qui était attendu. Au fil des expériences répétées, ce processus construit ce que les chercheurs en informatique appellent une fonction de valeur : une estimation accumulée des choix susceptibles de produire des résultats bénéfiques ou nuisibles.
Ce principe ne se limite pas au laboratoire. Il influence les habitudes, le jugement professionnel, le comportement social et les préférences personnelles. De petits résultats positifs peuvent progressivement renforcer un schéma utile, tandis qu’un événement très négatif peut produire un apprentissage rapide après une seule exposition.
Des méthodes apparentées d’apprentissage par renforcement ont contribué à rendre possibles des systèmes comme AlphaGo. Cette comparaison ne signifie pas que les cerveaux et l’IA sont identiques. Elle montre plutôt comment une règle d’apprentissage relativement compacte peut produire un comportement sophistiqué lorsqu’elle s’applique à maintes reprises dans de nombreuses situations.
Savoir quelque chose ne signifie pas savoir le faire
L’un des grands thèmes de la discussion est la différence entre l’apprentissage cognitif et l’apprentissage procédural. L’apprentissage cognitif apporte des connaissances explicites : des concepts, des explications, des règles et des faits. L’apprentissage procédural transforme ces connaissances en une capacité pouvant être utilisée efficacement.
On ne peut pas apprendre le tennis uniquement en lisant des explications techniques. De même, un pilote ne peut pas devenir compétent à l’aide de manuels sans entraînement pratique. Même les matières universitaires exigent un développement procédural. Mémoriser une équation est différent de reconnaître quand l’utiliser, de l’appliquer à un problème inconnu et de vérifier si la réponse est cohérente.
Les deux systèmes doivent donc se soutenir mutuellement. Comprendre pourquoi une méthode fonctionne peut orienter la pratique, tandis que la pratique révèle des lacunes qui restent invisibles durant une étude passive. Sejnowski critique les approches éducatives qui réduisent les devoirs, la résolution de problèmes ou d’autres formes de répétition active. Sans applications répétées, les élèves peuvent reconnaître un contenu sans en acquérir la maîtrise.
Un cycle d’apprentissage productif ressemble à ceci :
Étudier l’idée sous-jacente.
Tenter de résoudre un problème sans consulter immédiatement la réponse.
Identifier l’écart entre la prédiction et le résultat.
Corriger la méthode et réessayer dans un nouveau contexte.
Revenir au contenu après un certain temps.
Les tests ont de la valeur dans ce cycle, car la récupération en mémoire est elle-même un événement d’apprentissage. Elle révèle les erreurs, renforce l’accès aux connaissances et entraîne l’apprenant à produire une réponse plutôt qu’à simplement la reconnaître.
L’apprentissage actif favorise la généralisation
Sejnowski souligne que le cerveau ne stocke pas les informations comme un ordinateur qui copie des fichiers. L’apprentissage exige une interaction : essayer, prédire, faire des erreurs et réviser son comportement.
C’est ce processus actif qui favorise la généralisation — la capacité d’utiliser un apprentissage antérieur dans une situation qui n’est pas exactement identique à l’exemple d’entraînement. C’est aussi un objectif déterminant de l’IA moderne. Un modèle de langage qui ne ferait que reproduire ses données d’entraînement serait bien moins utile qu’un modèle capable de répondre de manière cohérente à une question nouvelle.
Les humains peuvent parfois généraliser à partir d’un nombre remarquablement faible d’exemples, même si cette capacité dépend de l’expérience antérieure et de structures mentales existantes. L’implication pratique est que les apprenants devraient varier leur pratique. Résoudre à répétition le même type de problème peut améliorer la familiarité, mais mélanger les contextes et se confronter à des cas inconnus offre un meilleur test de compréhension transférable.
Sejnowski et l’éducatrice Barbara Oakley ont créé le cours en ligne gratuit Learning How to Learn autour de bon nombre de ces principes. Bien que conçu initialement pour les étudiants, il a attiré un vaste public international, notamment des adultes en activité devant acquérir de nouvelles compétences. Sa popularité reflète une réalité moderne : l’éducation formelle prend fin, mais le besoin d’apprendre demeure.
La mémoire est distribuée dans le cerveau
Les anciennes descriptions du fonctionnement cérébral attribuaient souvent chaque tâche à une région étroitement définie : les informations visuelles relevaient du cortex visuel, les informations auditives du cortex auditif et les mouvements des zones motrices. Ces distinctions restent utiles, mais les nouvelles méthodes d’enregistrement montrent une coordination bien plus étendue.
Sejnowski évoque des recherches dans lesquelles une activité liée à une tâche apparaît dans de multiples régions, parfois avec une contribution importante de zones qui ne seraient pas traditionnellement considérées comme principales pour cette tâche. La cognition complexe semble émerger des interactions entre systèmes distribués plutôt que d’un lieu de stockage unique.
Les enregistrements effectués chez des personnes atteintes d’épilepsie ont offert une fenêtre particulièrement précieuse sur ces dynamiques. Certains patients reçoivent des électrodes implantées dans le cadre de leurs soins cliniques, créant de rares occasions pour les chercheurs d’observer directement l’activité neuronale humaine. Dans le cadre de collaborations de recherche appropriées, les scientifiques peuvent étudier l’évolution de cette activité pendant que les participants apprennent et pendant leur sommeil.
Ces résultats font apparaître la mémoire moins comme un objet placé dans un compartiment que comme un schéma intégré à un réseau existant.
Le sommeil consolide ce que la pratique amorce
L’apprentissage ne s’arrête pas à la fin d’une séance d’étude. Pendant le sommeil non paradoxal, le cerveau produit de brèves bouffées d’activité coordonnée appelées fuseaux du sommeil. Sejnowski décrit ces événements comme faisant partie du processus par lequel l’expérience récente s’intègre aux connaissances corticales à plus long terme.
L’hippocampe joue un rôle organisateur temporaire en rejouant, durant le sommeil, des éléments de l’expérience récente. Cette réactivation aide à intégrer de nouvelles informations sans simplement écraser ce qui avait déjà été appris. Un sommeil adéquat n’est donc pas seulement une récupération après les études ; c’est une étape active de la formation de la mémoire.
La conversation examine également des recherches portant sur le zolpidem, communément appelé Ambien. Dans une expérience évoquée par Sejnowski, le médicament a augmenté les fuseaux du sommeil et amélioré la rétention d’éléments précédemment appris. Pourtant, le zolpidem peut aussi altérer la mémoire des événements qui surviennent après sa prise.
Ce compromis illustre un avertissement plus large : manipuler un mécanisme biologique peut engendrer des bénéfices et des coûts ailleurs. Sejnowski applique la même prudence aux nootropiques et aux interventions hormonales. L’amélioration pharmacologique ne doit pas être confondue avec un gain gratuit pour un système isolé, car le cerveau et le corps maintiennent des formes d’équilibre interdépendantes.
L’exercice soutient l’apprentissage et la pensée créative
Sejnowski utilise l’activité physique comme un outil cognitif. L’exercice peut préparer le cerveau à apprendre, influencer la physiologie du sommeil et créer des conditions dans lesquelles les idées se combinent plus librement.
La discussion relève une association entre l’exercice pratiqué pendant la journée et les fuseaux du sommeil plus tard dans la nuit. L’exercice sollicite également les systèmes moteurs, tandis que le sommeil aide à affiner et à consolider leurs adaptations. Cette relation renforce l’idée que les performances cognitives ne peuvent pas être séparées de manière nette du comportement physique.
Pour les apprenants, la leçon est simple : bouger ne signifie pas nécessairement retirer du temps au travail intellectuel. Une activité physique régulière peut soutenir les processus qui rendent l’étude productive, en particulier lorsqu’elle s’accompagne d’un sommeil suffisant.
Connectivité, psychédéliques et prudence scientifique
Sejnowski aborde également la recherche sur la psilocybine, y compris des études cliniques rapportant une amélioration chez certaines personnes souffrant de dépression majeure. L’imagerie cérébrale suggère que la psilocybine peut temporairement accroître la communication entre des régions habituellement plus séparées, produisant un schéma qui présente certaines similitudes avec la connectivité étendue observée pendant le sommeil paradoxal.
Cela soulève des questions intrigantes. Le développement implique à la fois la formation de connexions et leur élagage, notamment parce que le maintien des connexions neuronales est coûteux sur le plan métabolique. L’apprentissage d’une nouvelle compétence peut exiger une nouvelle coordination entre des systèmes auparavant distincts, mais une plus grande connectivité n’est pas automatiquement préférable.
La discussion présente ce domaine comme un problème scientifique en évolution, et non comme un protocole d’apprentissage à réaliser soi-même. Tout bénéfice thérapeutique possible doit être envisagé à la lumière de la supervision clinique, des risques individuels, des contraintes légales et des limites des données actuelles.
Une routine d’apprentissage pratique fondée sur les neurosciences
Les idées les plus utiles de la conversation peuvent être combinées sans transformer l’apprentissage en un projet d’optimisation complexe. Commencez par un enseignement ciblé, mais passez rapidement à l’utilisation active. Essayez de récupérer l’information avant de la réviser, résolvez des problèmes de formes variées et considérez les erreurs comme des informations permettant d’actualiser la tentative suivante.
Gardez des récompenses suffisamment modestes et immédiates pour renforcer les progrès. Pratiquez régulièrement afin que les étapes exigeantes deviennent procédurales. Utilisez l’exercice pour soutenir la cognition et préservez suffisamment de sommeil pour la consolidation. Surtout, évaluez l’apprentissage selon ce que vous pouvez produire, expliquer ou réaliser dans un nouveau contexte — et non selon le degré de familiarité que vous procure le contenu source.
Le récit de Sejnowski remplace le message simpliste « étudiez davantage » par un cycle biologique : prédire, agir, recevoir un retour d’information, actualiser, se reposer et recommencer. L’apprentissage devient plus efficace lorsque les connaissances, le comportement et la récupération sont considérés comme les parties d’un même système.
