Modifié

Transformer des pensées en texte grâce à de minuscules puces

Des scientifiques de l'EPFL ont élaboré une interface cerveau-machine avancée, miniaturisée et de nouvelle génération. [2024 EPFL - Lundi13 - CC-BY-SA 4.0]
Toute une interface cerveau-machine sur une puce / Le Journal horaire / 29 sec. / le 27 août 2024
Des scientifiques de l'EPFL ont élaboré une interface cerveau-machine avancée, miniaturisée et de nouvelle génération. Cette puce de silicium à faible consommation permet de transformer des pensées en texte avec une précision de 91%.

Cette puce minuscule – sa surface est de 2,46 millimètres carrés – est une interface cerveau machine (ICM) miniaturisée, une MiBMI pour reprendre l'acronyme anglophone signifiant miniaturized brain-machine interface.

La prouesse réalisée par le groupe de recherche de l'EPFL est notamment cette taille miniaturisée: d'ordinaire, explique le communiqué de presse, "ces systèmes sont encombrants, gourmands en énergie et limités dans leurs applications pratiques". Cette MiBMI-ci est décrite dans une étude publiée dans la dernière édition de l'IEEE Journal of Solid-State Circuits et c'est une évolution majeure dans les interfaces cerveau-machine.

La première interface cerveau-machine miniaturisée (ou miniature brain-machine interface en anglais) possède une surface de 2,46 millimètres carrés. [EPFL 2024 - Lundi13 - CC-BY-SA 4.0]
La première interface cerveau-machine miniaturisée (ou miniature brain-machine interface en anglais) possède une surface de 2,46 millimètres carrés. [EPFL 2024 - Lundi13 - CC-BY-SA 4.0]

Grande précision et faible consommation

Ce rectangle de silicium "a traduit l'activité neuronale intracorticale humaine en 31 caractères avec une précision de 91,3%, ce qui améliore considérablement la complexité de la tâche par rapport aux ICM sur puce précédents", précise le résumé du papier scientifique.

"Le MiBMI nous permet de convertir une activité neuronale complexe en texte lisible avec une grande précision et une faible consommation d'énergie. Cette avancée nous rapproche de solutions pratiques et implantables susceptibles d'améliorer considérablement les capacités de communication des personnes souffrant de graves déficiences motrices", explique Mahsa Shoaran, qui dirige le Laboratoire de neurotechnologies intégrées (INL) de l'EPFL. Sont notamment visées les personnes souffrant de maladies telle que la sclérose latérale amyotrophique (SLA, ou maladie de Charcot), le syndrome d'enfermement, ou qui sont atteintes par des lésions à la moelle épinière, avec de graves déficiences motrices.

Reconnaître l'écriture manuscrite imaginée

Pour que l'interface réussisse à décoder les pensées, des électrodes sont implantées dans le cerveau d'une personne: celle-ci imagine écrire des lettres ou des mots.

Des signaux neuronaux sont alors générés: les électrodes enregistrent cette activité neuronale associée aux actions motrices de l'écriture et elles l'envoient à un ordinateur séparé se chargeant du décodage. La puce MiBMI traite ces signaux en temps réel et traduit les mouvements de la main voulus par le cerveau en texte lisible numérique correspondant (lire encadré).

Pour l'EPFL, cette percée neurotechnologique "est un exploit de miniaturisation extrême qui combine l'expertise en matière de circuits intégrés, d'ingénierie neuronale et d'intelligence artificielle".

Stéphanie Jaquet

Publié Modifié

Analyser les données différemment

L'équipe de recherche a dû imaginer une approche très différente dans l'analyse des données afin de pouvoir traiter la quantité massive d'informations captées par les électrodes de l'interface cerveau-machine miniaturisée.

Les scientifiques ont découvert que l'activité cérébrale pour chaque lettre, lorsque la personne imagine l'écrire à la main, contient des marqueurs très spécifiques, qui ont été appelés codes neuronaux distinctifs (CND). La micropuce ne va traiter que ces CND – qui représentent une centaine d'octets – et non les milliers d'octets de données générés pour chaque lettre.

Ainsi, le système est rapide, précis et consomme peu d'énergie. Selon l'équipe de recherche, cette avancée permet également "d'accélérer les temps de l'apprentissage, rendant l'utilisation de l'ICM plus facile et plus accessible".