L’histoire de la psychophysique et des sciences cognitives est jalonnée de ruptures conceptuelles majeures qui ont redéfini la manière dont la science appréhende l’esprit humain et ses interactions avec le monde physique. Au cœur de cette quête séculaire se trouve l’énigme de la mesure des sensations subjectives : comment quantifier avec rigueur mathématique l’expérience intime que nous faisons d’une variation d’intensité lumineuse, acoustique ou tactile ? Dès le XIXe siècle, la psychophysique pionnière avait forgé le concept fondamental de « seuil » sensoriel, postulant l’existence d’une frontière nette et quasi mécanique entre l’imperceptible et le perceptible. Durant plus d’un siècle, la différence juste perceptible — traditionnellement abrégée sous le terme de différence juste perceptible (DJP ou Just Noticeable Difference, JND) — a constitué la pierre angulaire de toutes les tentatives d’échafauder une métrologie du système perceptif.
Pourtant, malgré l’élégance formelle des premières lois psychophysiques, cette approche mécaniste s’est heurtée à une faille expérimentale persistante : l’instabilité chronique des jugements humains face à des stimuli d’intensités infimes. L’observateur de laboratoire n’agissait jamais comme un appareil de mesure rigide. Ses réponses fluctuaient au gré de sa vigilance, de ses attentes, de la peur de commettre une erreur ou de l’espoir d’obtenir une récompense. Ce n’est qu’au milieu du XXe siècle, dans le sillage des révolutions industrielles de la détection radar et de la théorie de l’information, que deux figures visionnaires, David M. Green et John A. Swets, ont radicalement transformé la compréhension de ce phénomène. En publiant leurs travaux fondateurs, ils ont déplacé la question psychophysique du registre des frontières sensorielles discrètes vers celui des processus statistiques d’inférence sous incertitude.
Leur ouvrage séminal de 1966, Signal Detection Theory and Psychophysics, a balayé le concept traditionnel de seuil sensoriel fixe pour lui substituer le cadre unificateur de la théorie de la détection du signal (TDS). À travers des séries d’expériences psychoacoustiques et visuelles d’une méticulosité exemplaire, Green et Swets ont apporté la preuve formelle que la discrimination sensorielle ne résulte pas d’un simple déclenchement neuronal binaire, mais procède d’un arbitrage permanent entre la sensibilité sensorielle brute de l’organisme et des critères décisionnels stratégiques. Cet article propose une exploration approfondie de cette révolution épistémologique, en analysant les fondements de la psychophysique classique, l’architecture mathématique de la détection du signal, les paradigmes expérimentaux de Green et Swets, ainsi que leur héritage durable dans les neurosciences et les sciences computationnelles contemporaines.
1. Introduction historique et fondements théoriques de la psychophysique classique
1.1 L’émergence de la psychophysique avec Weber et Fechner
L’acte de naissance officiel de la psychologie expérimentale est indissociable des travaux d’Ernst Heinrich Weber et de Gustav Theodor Fechner à l’université de Leipzig au cours du XIXe siècle. Weber, anatomiste et physiologiste rigoureux, s’était donné pour mission d’explorer empiriquement les limites de la sensibilité tactile et kinesthésique humaine. En soumettant des sujets à des comparaisons systématiques de poids soulevés, il fit une découverte remarquable : la capacité d’un être humain à percevoir une différence entre deux stimuli physiques ne dépend pas de la magnitude absolue de cette différence, mais de son rapport proportionnel à l’intensité du stimulus de référence. Cette relation fondamentale, universellement connue sous le nom de loi de Weber, s’exprime par le ratio d’invariance :
$$\frac{\Delta I}{I} = k$$
où $\Delta I$ représente l’incrément minimal nécessaire pour que le changement soit détecté, $I$ symbolise l’intensité du stimulus initial de comparaison, et $k$ est la fraction de Weber, constante spécifique à chaque modalité sensorielle. Ce ratio démontrait, par exemple, que s’il faut ajouter 2 grammes à un poids initial de 100 grammes pour qu’une différence commence à être perçue, il sera nécessaire d’ajouter 20 grammes à un poids de 1 000 grammes pour obtenir une sensation différentielle équivalente.
Frappé par la portée philosophique de cette observation, Gustav Fechner entreprit de transposer cette métrologie physique en une théorie générale de l’esprit. Dans ses célèbres Elemente der Psychophysik (1860), Fechner formula l’hypothèse audacieuse que chaque unité différentielle minimale — la différence juste perceptible (DJP) — correspondait à un incrément élémentaire identique de sensation subjective ($\Delta S$). En intégrant mathématiquement l’équation différentielle de Weber sous l’hypothèse de la constance de cet échelon mental, Fechner donna le jour à la loi logarithmique de la sensation ($S = k ln(I)$). La DJP cessait ainsi d’être une simple propriété physique de discrimination pour devenir l’unité de mesure fondamentale de la vie psychique, le quantum à partir duquel s’érigeait la cartographie quantitative de la conscience humaine.
1.2 Le postulat traditionnel du seuil sensoriel fixe
L’édifice fechnérien reposait sur un présupposé ontologique et épistémologique précis : le concept de « seuil » sensoriel, ou limen en terminologie latine. Dans cette perspective, le système sensoriel humain était assimilé à une barrière d’activation passive ou à un filtre matériel. Tout stimulus dont l’énergie demeurait inférieure au seuil absolu était voué au néant phénoménologique ; dès lors que l’intensité franchissait cette frontière discontinue, la sensation émergeait instantanément. De façon analogue, pour le seuil différentiel, deux stimuli n’étaient réputés discriminables que si l’écart physique qui les séparait excitait le système d’une quantité strictement supérieure au quantum minimal de discrimination.
Pour mesurer ce mystérieux limen, Fechner et ses successeurs mirent au point les trois méthodes psychophysiques canoniques :
- La méthode des limites : le stimulus est présenté dans des séries ascendantes et descendantes successives par échelons discrets, le seuil étant calculé comme la moyenne arithmétique des points de transition perceptifs.
- La méthode des stimuli constants : un ensemble fixe de valeurs d’intensité prédéterminées est présenté dans un ordre totalement aléatoire, permettant de tracer une courbe sigmoïde dite fonction psychométrique. Le seuil y est traditionnellement défini de façon statistique comme l’intensité détectée dans exactement 50 % des présentations.
- La méthode de l’ajustement : l’observateur manipule lui-même un potentiomètre ou un curseur physique pour modifier continûment le stimulus jusqu’à ce qu’il le juge tout juste identique ou tout juste différent du stimulus de référence.
Face au constat inévitable que les réponses des sujets variaient d’un essai à l’autre — interdisant l’observation d’un seuil absolu invariable —, la psychophysique classique postula que ces fluctuations résultaient exclusivement d’un bruit périphérique, physiologique ou neural, logé dans les récepteurs sensoriels. Le sujet était perçu comme un instrument de détection passif dont les oscillations momentanées de performance traduisaient des perturbations transitoires dans l’excitabilité des neurones afférents. Tout écart lié à l’attitude, à l’attention ou aux dispositions d’esprit de l’observateur était traité comme un artéfact indésirable qu’il convenait d’éliminer par un entraînement rigide ou par des consignes standardisées.
1.3 Les prémisses de la crise du modèle classique au milieu du XXe siècle
Cette vision mécaniste d’un seuil sensoriel rigide commença à se fissurer au cours des années 1940 et 1950 sous la pression de données empiriques embarrassantes. Les expérimentateurs observaient de manière récurrente que de simples modifications dans la formulation des instructions expérimentales induisaient des déplacements massifs de la fonction psychométrique sans qu’aucune variable physique n’eût été altérée. Si l’on encourageait les sujets à « ne répondre que lorsqu’ils étaient absolument certains » de percevoir l’incrément, le seuil mesuré augmentait drastiquement. Inversement, si la consigne incitait les sujets à « signaler le moindre doute ou pressentiment », le seuil calculé s’effondrait.
Plus troublant encore était le phénomène des fausses alarmes : lorsque les expérimentateurs inséraient des essais « pièges » ou essais de contrôle où aucun stimulus additionnel n’était présenté (bruit pur), les sujets continuaient d’affirmer de manière répétée avoir perçu un signal. Or, la théorie classique du seuil ne disposait d’aucun mécanisme cohérent pour rendre compte du taux de ces réponses positives en l’absence de signal. On tentait vainement de sauver le modèle en appliquant une correction mathématique a posteriori, dite formule de « correction pour devinette » (correction for guessing) :
$$P(\text{vrai}) = \frac{P(\text{observé}) – P(\text{fausse alerte})}{1 – P(\text{fausse alerte})}$$
Cette correction arithmétique reposait sur l’hypothèse invérifiable que le sujet répondait soit en vertu d’un état interne de détection authentique, soit en devinant au hasard lorsqu’il se trouvait sous son seuil absolu. Malheureusement, cette correction échouait systématiquement à stabiliser les mesures lorsque la structure incitative de la tâche était manipulée. L’essor conjoint des télécommunications, des radars militaires et de la théorie mathématique de la communication sous l’égide de chercheurs comme Claude Shannon et Norbert Wiener offrit une perspective neuve : la détection d’une faible énergie dans un canal bruité ne relève pas d’une barrière d’énergie mécanique, mais d’une opération statistique de décision sous incertitude.
2. Les limites conceptuelles du seuil différentiel classique face à la discrimination
2.1 La variabilité intrinsèque du jugement perceptif
L’accumulation d’échecs méthodologiques finit par mettre en lumière une vérité dérangeante : la non-reproductibilité des seuils absolus et différentiels n’était pas une impureté marginale de laboratoire, mais une caractéristique constitutive du fonctionnement cognitif et sensoriel. Deux observateurs possédant une acuité physiologique strictement identique pouvaient produire des fonctions psychométriques radialement divergentes simplement en raison de leurs profils de personnalité, de leur degré de témérité ou de leur anxiété face à l’erreur.
Cette instabilité intrinsèque révélait également l’existence d’une sensibilité résiduelle inexplicable dans le cadre du dogme du limen. Lorsque des sujets affirmaient solennellement « n’avoir strictement rien vu » ou « rien entendu » lors d’un essai, et qu’on les contraignait néanmoins à désigner à l’aveugle l’intervalle temporel ayant contenu l’incrément stimulus, leurs taux de réussite s’élevaient bien au-dessus du niveau du hasard probabiliste. L’information sensorielle parvenait donc au cortex cérébral et influençait le choix moteur alors même que la conscience phénoménale déclarait le stimulus sous le prétendu « seuil ». Le concept d’une frontière nette et imperméable s’avérait empiriquement insoutenable.
2.2 La confusion épistémologique entre sensibilité et critère
L’erreur fondamentale de la psychophysique classique tenait à une confusion conceptuelle entre deux composantes psychologiques radicalement distinctes mais entremêlées dans la réponse manifeste du sujet :
- La sensibilité sensorielle : la capacité neurophysiologique intrinsèque de l’appareil récepteur et des voies centrales à différencier deux profils d’excitation neuronale (le signal mêlé au bruit versus le bruit seul).
- Le critère de décision : la propension stratégique, délibérée ou implicite, de l’observateur à émettre le jugement verbal affirmatif (« oui, le stimulus a changé ») plutôt que négatif (« non, rien n’a changé »).
En ne mesurant qu’un seul paramètre empirique brut — le pourcentage de détections positives à une intensité donnée —, les psychophysiciens traditionnels amalgamaient indissolublement l’acuité sensorielle pure et la politique décisionnelle du sujet. Un individu très conservateur, craignant l’échec de la fausse alerte, apparaissait dans les protocoles classiques comme ayant un « seuil » extrêmement élevé (donc une piètre sensibilité), alors que son système auditif ou visuel pouvait être exceptionnellement aiguisé. La psychophysique souffrait ainsi d’un déficit formel critique : elle ne possédait aucun instrument algébrique capable d’isoler l’acuité sensorielle des motivations et des matrices de gains et de pertes qui gouvernent tout comportement rationnel d’un organisme vivant.
2.3 Vers une redéfinition probabiliste de la détection du signal
La sortie de cette aporie nécessitait une transformation radicale du statut théorique du système nerveux. Loin d’être un transducteur passif et déterministe qui transmettrait fidèlement un message dès lors qu’il dépasse une certaine énergie cinétique, thermique ou lumineuse, le système nerveux central doit être modélisé comme un processeur statistique de données stochastiques. Dans tout milieu biologique, l’activité électrique spontanée des réseaux de neurones, la libération quantique de neurotransmetteurs aux synapses et les micromouvements physiologiques engendrent un niveau permanent d’activité résiduelle : le « bruit de fond » neuronal.
Dans ce contexte probabiliste, la tâche d’un observateur soumis à la recherche d’une différence juste perceptible ne consiste plus à attendre qu’un seuil mécanique soit brisé, mais à tester continuellement des hypothèses statistiques contradictoires : l’état d’activation interne observé à cet instant précis est-il compatible avec le seul bruit physiologique ambiant, ou reflète-t-il l’adjonction d’un signal énergétique extérieur ? Ce changement de perspective ouvrait la porte à l’intégration des travaux de statisticiens tels qu’Abraham Wald sur la théorie de la décision statistique séquentielle et de Jerzy Neyman et Egon Pearson sur le test d’hypothèses, créant les conditions intellectuelles d’une refondation complète de la psychophysique.
3. David Green et John Swets : Contexte scientifique et collaboration
3.1 Le rapprochement de l’ingénierie radar et de la psychologie cognitive
L’acte fondateur de cette refondation s’est noué au sortir de la Seconde Guerre mondiale aux États-Unis. Durant le conflit mondial, l’introduction massive des technologies de détection par radar et sonar avait mis en lumière les limites dramatiques des opérateurs humains. Les techniciens scrutant les oscilloscopes à phosphore passaient de longues heures dans la pénombre à tenter d’isoler le point d’écho ténu signalant un bombardier ennemi au milieu d’une myriade de perturbations électromagnétiques aléatoires et d’artefacts d’échos marins. L’armée américaine découvrit avec effroi que le taux d’avions manqués ou, au contraire, de fausses alertes déclenchées inutilement dépendait étroitement de la fatigue, de la peur panique d’une attaque surprise ou de sanctions hiérarchiques infligées aux vigies.
Des ingénieurs électriciens et mathématiciens de pointe, à l’instar de W.W. Peterson, T.G. Birdsall et W.C. Fox à l’université du Michigan, formalisèrent la théorie mathématique de la détection optimale d’un signal binaire dans un canal perturbé par du bruit gaussien. C’est à ce carrefour interdisciplinaire que se rencontrent le psychologue John A. Swets et le chercheur en psychoacoustique David M. Green. Swets, formé aux rigueurs méthodologiques de la psychologie cognitive expérimentale et collaborateur de Wilson P. Tanner Jr., comprit immédiatement que l’opérateur radar n’était pas un rouage défectueux, mais l’incarnation paroxystique de l’humain confronté à l’ambiguïté sensorielle. De son côté, David Green apportait une maîtrise sans égale de l’acoustique physique, de l’analyse spectrale du bruit et des théories du filtrage auditif. Leurs échanges intellectuels constants, notamment au sein des laboratoires prestigieux du Massachusetts Institute of Technology (MIT) et du laboratoire Lincoln, ont constitué le creuset où l’ingénierie statistique a épousé les sciences de la perception.
3.2 La publication fondatrice de 1966 : Signal Detection Theory and Psychophysics
Le couronnement de cette collaboration historique se matérialisa en 1966 avec la parution de leur traité monumental : Signal Detection Theory and Psychophysics. L’ambition de Green et Swets ne se limitait pas à suggérer de modestes ajustements aux protocoles d’audition ou de vision ; elle visait rien de moins que le démantèlement pur et simple du concept séculaire de seuil sensoriel rigide pour le remplacer par un formalisme mathématique unifié et élégant.
L’ouvrage déployait une réinterprétation magistrale de décennies d’expérimentations historiques accumulées depuis Fechner. Données d’acuité auditive, de discrimination des couleurs, d’estimation de poids et de perception tactile y étaient systématiquement recalculées et traduites dans la syntaxe probabiliste de la TDS. L’accueil réservé au livre par la communauté internationale fut au départ empreint d’un profond scepticisme : de nombreux psychophysiciens répugnaient à renoncer à la sécurité apparente du concept de seuil pour embrasser un modèle qui assimilait l’être humain à un calculateur probabiliste bayésien. Cependant, la robustesse empirique des preuves apportées par Green et Swets était si éclatante que la théorie de la détection du signal s’imposa rapidement comme le standard paradigmatique indétrônable de la psychologie sensorielle moderne.
4. La théorie de la détection du signal comme cadre d’investigation de la DJP
4.1 Les quatre issues fondamentales d’un essai de détection
Pour déconstruire scientifiquement le phénomène de la différence juste perceptible, Green et Swets ont commencé par formaliser la structure élémentaire de toute décision perceptive sous incertitude. Dans le paradigme classique de discrimination ou de détection dit « Oui/Non », un essai expérimental donné ne comporte que deux états possibles de la réalité physique : soit l’événement ne contient que le bruit de fond de référence (noté $N$, pour Noise), soit il contient le stimulus cible incrémental additionné au bruit (noté $S+N$, pour Signal plus Noise). Face à cette présentation, l’observateur ne dispose que de deux réponses licites : affirmer la présence du signal différentiel (« Oui ») ou déclarer son absence (« Non »).
Cette confrontation binaire entre la réalité du stimulus et le verdict du sujet engendre une matrice de contingence à quatre quadrants exhaustifs et mutuellement exclusifs :
- Le succès ou détection correcte (Hit) : le signal incrémental $S+N$ est effectivement présent, et le sujet répond correctement « Oui ». La probabilité conditionnelle associée est notée $P(\text{Oui}|S+N)$ ou $P(H)$.
- L’omission (Miss) : le signal $S+N$ est présent, mais le sujet ne parvient pas à le déceler et répond « Non ». Sa probabilité est notée $P(\text{Non}|S+N) = 1 – P(H)$.
- La fausse alarme (False Alarm) : seul le bruit $N$ a été présenté, mais le sujet répond à tort « Oui », affirmant avoir perçu une différence. Sa probabilité est notée $P(\text{Oui}|N)$ ou $P(FA)$.
- Le rejet correct (Correct Rejection) : seul le bruit $N$ a été présenté, et le sujet identifie avec lucidité l’absence de signal en répondant « Non ». Sa probabilité est notée $P(\text{Non}|N) = 1 – P(FA)$.
L’avancée décisive de ce schéma réside dans la reconnaissance explicite de l’interdépendance probabiliste de ces catégories. On ne peut évaluer la performance sensorielle d’un individu en observant uniquement ses succès ($P(H)$). Deux observateurs affichant le même score impressionnant de 95 % de succès ne sont nullement équivalents si le premier ne commet que 5 % de fausses alarmes alors que le second en concède 80 %. Les fausses alarmes cessent d’être traitées comme des anomalies négligeables : elles deviennent la fenêtre mathématique indispensable à travers laquelle l’analyste peut sonder l’emplacement du critère décisionnel de l’esprit.
4.2 Le continuum sensoriel sous-jacent et les distributions gaussiennes
Au cœur du modèle élaboré par Green et Swets réside l’hypothèse de l’existence d’une variable décisionnelle scalaire interne continue, couramment désignée par la variable $x$. Cette grandeur aléatoire univariée représente la magnitude globale de l’excitation neurale évoquée dans le cerveau du sujet lors d’un essai donné. En vertu des théorèmes centraux limites de la théorie des probabilités et de la multiplicité des sources physiologiques de bruit microcellulaire, cette variable décisionnelle interne est adéquatement modélisée par des distributions statistiques gaussiennes (normales).
Lorsque seul le bruit de fond $N$ est actif, l’effet sensoriel interne fluctue d’un instant à l’autre selon une distribution normale de moyenne $\mu_N$ et de variance $\sigma_N^2$. Lorsque le signal différentiel est superposé au bruit ($S+N$), il injecte une énergie supplémentaire qui déplace l’espérance mathématique de la distribution neurale vers la droite, générant une seconde fonction de densité normale de moyenne supérieure $\mu_{S+N}$ et de variance $\sigma_{S+N}^2$ :
$$f(x|N) = \frac{1}{\sqrt{2\pi}\sigma_N} \exp\left(-\frac{(x – \mu_N)^2}{2\sigma_N^2}\right)$$
$$f(x|S+N) = \frac{1}{\sqrt{2\pi}\sigma_{S+N}} \exp\left(-\frac{(x – \mu_{S+N})^2}{2\sigma_{S+N}^2}\right)$$
La conséquence tragique mais inéluctable de cette modélisation est le chevauchement ou recouvrement partiel permanent des deux densités de probabilité. Dès lors que l’incrément de signal est infinitésimal (ce qui correspond précisément à la zone critique de la recherche d’une différence juste perceptible), la queue droite de la distribution $N$ pénètre profondément dans le territoire de la distribution $S+N$. Il en résulte une zone d’ambiguïté épistémique fondamentale : lorsqu’une valeur d’activation interne $x_0$ se manifeste dans le cortex, le cerveau ne peut jamais déterminer avec certitude absolue si cette excitation résulte d’une flambée fortuite du bruit spontané ou de l’impact authentique du signal. L’observateur est structurellement condamné à trancher dans le doute.
4.3 Le rejet formel du concept d’échelon sensoriel discret
En posant la continuité absolue de cet axe d’activation neurale $x$, Green et Swets ont porté le coup de grâce à la théorie du haut seuil discret (High Threshold Theory, HTT) défendue par la psychophysique classique. Selon la théorie du haut seuil, les états sensoriels internes de l’organisme étaient présumés discrets : le sujet se trouvait soit dans un « état d’absence de détection » (où l’information sensorielle demeure nulle et où il ne peut que deviner à l’aveugle), soit dans un « état de détection vraie » où le stimulus franchit une marche d’escalier physiologique et devient indubitablement perçu.
Les démonstrations expérimentales et mathématiques déployées par Green et Swets ont établi que le modèle de la marche d’escalier discrète prédisait des relations strictement linéaires entre les succès et les fausses alarmes, prédictions que les données empiriques infirment systématiquement. La transition de la non-détection à la détection ne s’effectue jamais par un saut qualitatif discontinu, mais par une montée continue le long d’une courbe de probabilités cumulées. La différence juste perceptible n’est pas le passage soudain d’un interrupteur neuronal de l’état « éteint » à l’état « allumé » ; elle est la résultante statistique d’un traitement d’information analogique continu opérant au sein d’un milieu biologiquement saturé d’entropie stochastique.
5. Protocoles expérimentaux de Green et Swets sur la discrimination sensorielle
5.1 Paradigmes de détection d’incrément en psychoacoustique
Pour mettre à l’épreuve de façon irréfutable leur nouvelle théorie, Green et Swets ont conçu des montages expérimentaux en psychoacoustique d’une précision technologique sans précédent pour l’époque. Le paradigme princeps reposait sur la détection d’un incrément d’intensité sonore noyé dans un bruit blanc thermique continu. Des sujets entraînés, équipés de casques électrodynamiques calibrés au millième de décibel près, écoutaient un fond sonore stable produit par des générateurs de bruit analogiques. À des moments temporels strictement synchronisés par des horloges électroniques, une impulsion sinusoïdale pure (par exemple un son à 1 000 Hz d’une durée brève de 100 millisecondes) était insérée dans le flux acoustique.
L’expérimentateur manipulait systématiquement le rapport signal sur bruit ($E/N_0$, où $E$ est l’énergie du signal et $N_0$ la densité spectrale unitaire du bruit), explorant des intensités si faibles que la présence du son pur n’était perçue que comme une subtile et évanescente fluctuation de la texture du souffle sonore. Les protocoles alternaient entre la tâche classique Oui/Non et le paradigme du choix forcé à intervalles temporels multiples, principalement le choix forcé à deux alternatives (2AFC, pour Two-Alternative Forced Choice). Dans le format 2AFC, deux intervalles de temps successifs balisés par des témoins lumineux étaient proposés à chaque essai : l’un ne contenait que le bruit, tandis que l’autre recélait le signal plus le bruit. Le sujet n’avait plus à dire « oui » ou « non », mais devait désigner formellement quel intervalle (l’intervalle 1 ou l’intervalle 2) hébergeait l’incrément énergétique.
5.2 La manipulation systématique des matrices de gain et de coût
L’une des contributions les plus spectaculaires de Green et Swets pour démontrer l’inadéquation de la DJP classique a consisté à manipuler expérimentalement le système motivationnel de l’observateur tout en maintenant le stimulus physique rigoureusement inchangé. À cette fin, ils ont introduit des matrices de gains et de pénalités financières réelles indexées sur les décisions des sujets. Les participants recevaient des récompenses pécuniaires pour chaque décision correcte et devaient acquitter des amendes monétaires pour chaque erreur commise.
Green et Swets ont ainsi créé deux régimes d’incitation asymétriques :
- La condition ultra-conservatrice : les expérimentateurs attribuaient une récompense modeste pour un succès (par exemple +1 cent), mais infligeaient une pénalité financière exorbitante pour chaque fausse alarme (par exemple -50 cents). Face à cette menace de ruine, les sujets devenaient extrêmement prudents ; ils déplaçaient volontairement leur seuil verbal vers le haut, refusant de dire « Oui » à moins que la preuve interne ne fût extraordinairement saillante. Leur taux de fausses alarmes s’effondrait vers zéro, mais corrélativement leur taux de détections chutait lourdement.
- La condition ultra-libérale : inversement, si les expérimentateurs récompensaient massivement les succès (+50 cents) tout en rendant les fausses alarmes quasi indolores (-1 cent), les sujets adoptaient une posture agressive : au moindre doute fugace, ils criaient « Oui ». Leur taux de détection atteignait des sommets voisins de 100 %, mais au prix d’une explosion corrélative des fausses alarmes.
Cette démonstration empirique magistrale apportait la preuve incontestable de la supercherie de l’ancienne mesure de la DJP : à magnitude physique du stimulus rigoureusement identique, le pourcentage brut de détection d’un même incrément de signal pouvait être manipulé artificiellement de 20 % à 95 % par la seule modification des règles de paiement monétaire. La DJP fechnérienne mesurait les finances et la psychologie du risque du participant bien plus que la sensibilité de ses récepteurs sensoriels.
5.3 La manipulation des probabilités a priori d’apparition du stimulus
Pour parachever l’examen des facteurs non-sensoriels dans la discrimination, Green et Swets ont également exploré l’impact de l’attente cognitive en modifiant drastiquement les probabilités a priori d’occurrence du signal différentiel, notées $P(S+N)$. Dans certaines séries d’essais, le signal n’était inséré que dans 10 % des présentations (condition d’événement rare, analogue à la détection d’une pathologie sur une radiographie de dépistage standard) ; dans d’autres séries, la proportion montait à 50 %, pour atteindre jusqu’à 90 % des essais dans les conditions de prévalence maximale.
Les résultats ont démontré que les observateurs humains ajustent continuellement leur propension à répondre en accord avec le modèle de l’observateur idéal fondé sur le théorème de Bayes. Informé qu’un incrément de signal apparaît presque systématiquement, le sujet normal abaisse spontanément son niveau d’exigence probatoire interne. Bien que les participants manifestent une tendance au conservatisme cognitif en ne déplaçant pas leur critère tout à fait aussi radicalement que ne le prescrirait un algorithme bayésien parfait, l’effet de l’attente cognitive demeurait massif et statistiquement indiscutable, achevant de prouver que l’acte perceptif est imprégné d’inférence probabiliste descendante (top-down).
6. Formalisation mathématique : Séparation de la sensibilité sensorielle et du biais décisionnel
6.1 Le paramètre d’acuité $d’$ (d-prime) : mesure pure de la sensibilité
L’apport pérenne le plus célèbre de David Green et John Swets à la méthodologie scientifique est l’invention et la formalisation du paramètre de sensibilité $d’$ (prononcé « d-prime »). Conçu pour remplacer définitivement le concept corrompu de seuil différentiel, $d’$ représente la distance métrique réelle séparant les centres de gravité des deux distributions neurales gaussiennes ($N$ et $S+N$), normalisée par leur dispersion statistique interne. Dans le modèle standard à variances égales ($\sigma_N = \sigma_{S+N} = \sigma$), $d’$ est formellement défini comme :
$$d’ = \frac{\mu_{S+N} – \mu_N}{\sigma}$$
Puisque l’expérimentateur n’a pas un accès direct aux distributions d’activation électrophysiologique microscopiques situées à l’intérieur du crâne, le génie du modèle réside dans sa capacité à déduire la valeur exacte de $d’$ uniquement à partir des performances comportementales macroscopiques : les taux empiriques de succès $P(H)$ et de fausses alarmes $P(FA)$. En appliquant la transformation inverse de la fonction de répartition de la loi normale centrée réduite (notée $z$ ou $\Phi^{-1}$), on convertit ces pourcentages bruts en unités de déviation standard :
$$d’ = z(H) – z(FA) = \Phi^{-1}(P(H)) – \Phi^{-1}(P(FA))$$
Cette équation possède une propriété mathématique inestimable : elle est mathématiquement invariante face aux dérives du critère de décision. Qu’un sujet se montre excessivement timoré ou démesurément téméraire sous l’influence des consignes ou des récompenses, la valeur calculée de $d’$ demeure rigoureusement constante pour une intensité physique donnée du stimulus. Si les fausses alarmes augmentent, les succès augmentent dans une proportion précisément prédite par la fonction normale, maintenant l’écart $z(H) – z(FA)$ parfaitement stable. Le paramètre $d’$ s’impose ainsi comme l’authentique mesure pure de l’acuité sensorielle, la métrique objective tant recherchée par les fondateurs de la psychophysique.
6.2 Les indices de critère de décision : Bêta ($\beta$) et $c$
Parallèlement à l’isolation de la sensibilité, le cadre de Green et Swets fournit les outils algébriques pour quantifier avec une égale rigueur le biais de réponse ou la politique de décision de l’observateur. Le premier indice historiquement formalisé est le rapport de vraisemblance optimal, traditionnellement désigné par la lettre grecque $\beta$ (bêta). Il est défini comme le rapport entre la densité de probabilité du signal plus bruit et celle du bruit seul, calculé au point d’inflexion ou seuil de coupure décisionnel $x_c$ choisi par le sujet :
$$\beta = \frac{f(x_c|S+N)}{f(x_c|N)}$$
Du point de vue du calcul bayésien, l’observateur rationnel optimal règle son $\beta$ théorique en fonction des probabilités a priori d’apparition du stimulus et de la matrice des gains et coûts monétaires selon la formule canonique :
$$\beta_{\text{optimal}} = \frac{P(N)}{P(S+N)} \times \frac{V(\text{RC}) + C(\text{FA})}{V(\text{H}) + C(\text{OM})}$$
où $V$ et $C$ représentent respectivement la valeur des gains et le coût des pertes pour les quatre issues matricielles. Si $\beta = 1$, le sujet se positionne à l’intersection exacte des deux distributions (critère symétrique). Si $\beta > 1$, l’observateur exige une preuve sensorielle supérieure, adoptant une posture conservatrice. Si $beta < 1$, il fait preuve de libéralisme décisionnel.
En raison de l’asymétrie statistique inhérente à $\beta$ lors des analyses paramétriques, les successeurs de Green et Swets ont souvent privilégié l’indice de localisation $c$, qui exprime la distance physique entre le point de décision de l’observateur et le point de neutralité absolue situé à mi-chemin entre les deux moyennes :
$$c = -\frac{1}{2} \left[ z(H) + z(FA) \right]$$
Une valeur de $c = 0$ signale une absence totale de biais décisionnel ; une valeur positive indique un profil conservateur (réponse « Non » préférentielle), tandis qu’une valeur négative dénote une tendance libérale à répondre préférentiellement « Oui ».
6.3 Le modèle d’intégration de l’information et calcul d’écart-type
Dans sa mouture la plus épurée, le modèle de détection du signal postule que la dispersion de l’activité interne induite par le signal plus bruit est identique à celle du bruit pur ($\sigma_{S+N} = \sigma_N = \sigma$). Cette hypothèse de variance égale est remarquablement bien vérifiée dans de nombreuses tâches psychoacoustiques impliquant des bruits thermiques continus. Cependant, Green et Swets ont rapidement démontré que dans de multiples situations perceptives — en particulier lors de la discrimination de contrastes visuels ou d’incréments sonores purs —, la présence du signal accroît l’entropie globale du système neural, conduisant à une variance du signal plus bruit supérieure à celle du bruit seul ($\sigma_{S+N} > \sigma_N$).
Lorsque cette asymétrie de variance se manifeste, l’estimation brute de $d’$ devient tributaire du niveau de critère choisi. Pour préserver l’universalité de la mesure, Green et Swets ont développé le modèle à variances inégales, introduisant un indice de séparabilité généralisé $d_a$, qui intègre la moyenne quadratique des variances des deux distributions :
$$d_a = \frac{\mu_{S+N} – \mu_N}{\sqrt{\frac{\sigma_N^2 + \sigma_{S+N}^2}{2}}}$$
Cette sophistication mathématique a permis de préserver la validité empirique des mesures psychophysiques face aux dynamiques non linéaires complexes de transduction sensorielle, résolvant des paradoxes expérimentaux que l’ancienne loi de Weber était totalement impuissante à élucider.
7. La courbe ROC (Receiver Operating Characteristic) appliquée à la DJP
7.1 Construction géométrique et empirique de la courbe ROC
Pour matérialiser visuellement l’indépendance conceptuelle entre sensibilité et biais de décision, Green et Swets ont emprunté aux ingénieurs radar un outil graphique d’une puissance méthodologique inégalée : la courbe de la fonction d’efficacité du récepteur, universellement consacrée sous son acronyme anglophone de courbe ROC (Receiver Operating Characteristic). La courbe ROC s’édifie dans un espace cartésien bidimensionnel unitaire où l’axe des ordonnées ($Y$) représente la probabilité de succès $P(H)$ et l’axe des abscisses ($X$) reporte la probabilité de fausses alarmes $P(FA)$, toutes deux graduées de 0 à 1.
Pour tracer une courbe ROC empirique pour un incrément stimulus donné (c’est-à-dire pour tester une valeur candidate de DJP), l’expérimentateur maintient les paramètres physiques strictement inchangés tout au long des sessions, mais force le sujet à faire varier systématiquement son critère de réponse en modulant la matrice de gains et les probabilités a priori d’un bloc d’essais à l’autre. On peut également solliciter du sujet des jugements d’assurance gradués sur une échelle ordinale (par exemple de 1 : « Absolument certain de l’absence du signal » à 6 : « Absolument certain de la présence du signal »). En agrégeant les taux cumulés de détections et de fausses alarmes pour chaque échelon de certitude, on obtient une succession ordonnée de points expérimentaux dans l’espace ROC.
L’interconnexion de ces points dessine une trajectoire curviligne continue appelée courbe d’isosensibilité :
- La diagonale de hasard ($d’ = 0$) : la droite à 45 degrés reliant le point $(0,0)$ au point $(1,1)$ matérialise l’absence complète de capacité discriminative ; tout gain en succès s’y paie par un accroissement strictement égal du taux de fausses alarmes ($P(H) = P(FA)$). Le sujet devine à l’aveugle.
- L’arc d’isosensibilité : dès lors que la sensibilité sensorielle est active ($d’ > 0$), la courbe s’incurve vers le coin supérieur gauche $(0,1)$, qui figure le sanctuaire de la détection idéale absolue (100 % de succès pour 0 % de fausses alarmes).
- Le degré de courbure : la convexité de la trajectoire constitue la signature physique directe de la discrimination : plus l’énergie du stimulus incrémental s’accroît par rapport au fond de bruit, plus la courbe s’éloigne de la diagonale centrale pour épouser l’angle supérieur gauche.
7.2 L’espace $z$-ROC et l’évaluation de la normalité des distributions
L’analyse géométrique franchit un palier d’abstraction supplémentaire avec l’introduction par Green et Swets de l’espace de coordonnées normales, dit espace $z$-ROC. En convertissant les échelles de probabilités marginales $P(FA)$ et $P(H)$ en déviations normales standardisées ($z(FA)$ et $z(H)$), la courbe ROC originellement curviligne se métamorphose en une droite géométrique linéaire idéale obéissant à l’équation affine :
$$z(H) = s \cdot z(FA) + d’$$
L’exploration des propriétés de cette droite dans l’espace $z$-ROC a apporté des éclairages épistémologiques déterminants pour la psychophysique. Premièrement, la pente $s$ de la droite permet d’évaluer directement le ratio sous-jacent des écarts-types des bruits internes ($s = \sigma_N / \sigma_{S+N}$). Une pente rigoureusement égale à 1 confirme l’hypothèse canonique de variances égales. Dans la majorité des expériences fines de psychoacoustique menées par Green, la pente s’établit autour de valeurs stables comprises entre 0,75 et 0,90, apportant une preuve structurelle que l’adjonction d’un signal énergétique dilate l’écart-type de la distribution neuronale interne.
Deuxièmement, la linéarité remarquable observée sur les tracés $z$-ROC empiriques constitue l’une des validations les plus indiscutables de la théorie de la détection du signal face aux modèles concurrents. Si la théorie classique du haut seuil discontinu (HTT) avait été exacte, la courbe ROC brute aurait dû être une ligne brisée rectiligne dans l’espace probabiliste standard, ce qui se serait traduit par une courbure fortement asymétrique et difforme dans l’espace normalisé $z$-ROC. Les données expérimentales de Green et Swets ont balayé cette hypothèse, fournissant une démonstration irréfutable de la nature gaussienne continue de la perception différentielle.
7.3 Quantification de la performance indépendante du critère : L’aire sous la courbe (AUC)
Dans de nombreux contextes appliqués où l’on souhaite résumer la capacité de discrimination sensorielle par un indice scalaire unique affranchi de tout postulat paramétrique sur la forme gaussienne exacte des distributions, Green et Swets ont proposé l’utilisation de l’aire sous la courbe ROC, universellement désignée par le sigle AUC (Area Under the Curve). Cet indice s’étend sur une échelle normalisée comprise entre 0,5 (discrimination nulle, équivalant à la trajectoire de hasard le long de la diagonale) et 1,0 (discrimination parfaite sans la moindre erreur).
Au-delà de son intérêt géométrique, David Green a démontré un théorème fondamental d’une élégance conceptuelle remarquable : la valeur numérique de l’aire sous la courbe ROC construite à partir d’une tâche Oui/Non est mathématiquement et formellement identique à la proportion exacte de réponses correctes ($P(C)$) qu’obtiendra le même observateur lorsqu’il sera soumis au paradigme du choix forcé à deux alternatives (2AFC) :
$$\text{AUC}_{\text{Oui/Non}} = P(C)_{2\text{AFC}}$$
Cette équivalence théorique profonde a jeté un pont méthodologique unifié entre deux architectures expérimentales jadis isolées. Elle offrait enfin aux chercheurs la possibilité de standardiser universellement les mesures de discrimination psychophysique à travers les laboratoires, autorisant la comparaison directe de performances obtenues avec des méthodologies divergentes.
8. La modélisation du bruit : Bruit sensoriel interne versus bruit stimulus externe
8.1 La décomposition des sources de variance perceptive
Une question fondamentale posée par l’approche de Green et Swets consistait à percer l’origine physique et biologique des dispersions statistiques observées au cours de la discrimination. Lorsqu’un observateur hésite à déceler un incrément d’intensité sonore ou lumineuse, à quel étage du traitement de l’information cette incertitude prend-elle sa source ? Pour dénouer cette pelote causale, David Green a élaboré une taxonomie fonctionnelle rigoureuse distinguant deux sources de variance stochastique :
- Le bruit physique externe : les fluctuations quantiques inhérentes au stimulus lui-même dans l’environnement expérimental (comme les variations stochastiques du nombre de photons émis par une source lumineuse cohérente ou les micro-turbulences thermiques de la pression de l’air dans un signal acoustique masqué).
- Le bruit sensoriel interne : l’ensemble des perturbations stochastiques d’origine biologique greffées par l’organisme récepteur lors de l’acheminement du message. Ce bruit interne se subdivise lui-même en :
- Bruit périphérique de transduction : lié aux propriétés biophysiques des cellules ciliées de la cochlée ou des photorécepteurs rétiniens (ouverture aléatoire des canaux ioniques, fluctuations thermiques des potentiels de membrane).
- Bruit neural central : engendré par les décharges spontanées des neurones corticaux, l’instabilité de la transmission synaptique dans le thalamus et les modulations involontaires de l’attention sélective au cours de la tâche.
Afin de quantifier la part relative de ces composantes sans ouvrir chirurgicalement la boîte crânienne du sujet, Green mit au point l’ingénieuse méthode d’addition de bruit externe. En injectant délibérément dans le stimulus acoustique des niveaux croissants et précisément calibrés de bruit gaussien artificiel externe ($\sigma_{\text{ext}}^2$), il observa l’évolution de la dégradation des performances de l’observateur. L’équation de variance totale s’énonce comme la somme linéaire des variances indépendantes :
$$\sigma_{\text{total}}^2 = \sigma_{\text{\int}}^2 + \sigma_{\text{ext}}^2$$
En extrapolant la fonction de performance jusqu’au point d’intersection théorique où le bruit externe devient rigoureusement nul, Green parvint à calculer la valeur mathématique du « bruit interne équivalent » de l’appareil auditif humain, isolant pour la première fois la constante d’entropie biologique fondamentale qui borne la sensibilité de notre système perceptif.
8.2 L’observateur idéal et l’efficacité sensorielle relative
Pour conférer à leur modèle une portée normative absolue, Green et Swets ont développé la théorie de l’« observateur idéal » (Ideal Observer Analysis). Empruntée aux théories du traitement optimal de l’information en ingénierie radar, cette approche mathématique définit un algorithme statistique hypothétique qui posséderait une connaissance exhaustive et parfaite de tous les paramètres du stimulus (fréquence acoustique, phase de l’onde, spectre de bruit, instant précis d’apparition) et qui appliquerait sans aucune défaillance le filtre adapté optimal (matched filter).
L’observateur idéal représente le plafond absolu imposé par les lois de la physique quantique et de la thermodynamique à l’extraction d’information dans un canal bruité ; aucun système biologique ou mécanique concevable ne saurait surpasser ses performances. David Green introduisit alors l’indice d’« efficacité sensorielle relative », désigné par la lettre grecque $eta$ (êta), défini comme le rapport entre le carré du $d’$ empirique mesuré chez l’humain et le carré du $d’$ théorique de l’observateur idéal opérant sur le même signal physique :
$$\eta = \left( \frac{d’_{\text{humain}}}{d’_{\text{idéal}}} \right)^2$$
Les investigations psychoacoustiques minutieuses menées par Green ont révélé que pour la détection de sons purs simples noyés dans un bruit blanc thermique, l’efficacité sensorielle humaine se situe souvent entre des valeurs remarquables de 0,20 et 0,50 (20 % à 50 % de l’optimum physique universel). Cette découverte a bouleversé la perception traditionnelle de la DJP : les limites de notre appareil auditif ne s’expliquent pas par l’existence d’un filtre paresseux ou d’une marche d’escalier rigide, mais par des pertes incompressibles d’échantillonnage temporel et de filtrage neuronal de l’information physique entrante.
9. Analyse comparative : Psychophysique classique fechnérienne versus modèle de Green et Swets
9.1 Confrontation directe des définitions de la DJP
La rupture épistémologique inaugurée par David Green et John Swets apparaît dans toute sa radicalité lorsqu’on confronte directement la définition opérationnelle de la différence juste perceptible selon la doctrine classique fechnérienne et selon la théorie de la détection du signal. Dans le schéma classique hérité de Fechner, la DJP était décrétée comme l’incrément physique $\Delta I$ capable d’engendrer un taux de détection arbitraire de 50 % (ou 75 % dans les tâches de discrimination différentielle), après application de la fameuse correction mathématique pour devinette.
Or, nous avons vu que cette définition classique souffre d’un vice rédhibitoire : ce pourcentage brut est intrinsèquement instable, car il agrège confusément la sensibilité du récepteur et le choix arbitraire d’un critère décisionnel induit par l’humeur du sujet ou la consigne de l’expérimentateur. Dans le paradigme unificateur de Green et Swets, la définition même de la DJP est totalement refondée :
La différence juste perceptible ne désigne plus un seuil d’émergence phénoménologique fixe, mais l’incrément d’énergie physique $\Delta I$ nécessaire et suffisant pour induire une distance normalisée constante entre les distributions neuronales sous-jacentes, généralement fixée par convention internationale à la valeur canonique $d’ = 1,0$ (ou une aire sous la courbe $\text{AUC} \approx 0,76$).
Cette nouvelle définition élimine d’un trait de plume le recours à toute formule artificielle de correction pour devinette. Dans le cadre de la TDS, « deviner » n’est pas une anomalie expérimentale qu’il conviendrait de soustraire algébriquement ; c’est simplement le comportement logique d’un système décisionnel dont le critère interne est ajusté de façon libérale dans une région de fort recouvrement probabiliste. La métrologie sensorielle retrouvait ainsi une assise méthodologique inattaquable, débarrassée des ambiguïtés subjectives qui l’avaient minée pendant un siècle.
9.2 Tableau synoptique des divergences paradigmatiques
Afin de synthétiser les clivages conceptuels qui séparent irrévocablement les deux époques de la psychophysique, il est instructif d’ordonner leurs postulats respectifs au sein d’une grille comparative détaillée :
- Nature de l’état interne :
- Psychophysique classique : Modèle discret discontinu en marches d’escalier (tout-ou-rien). Le sujet est soit dans l’état de détection, soit sous le seuil.
- Modèle de Green et Swets : Continuum d’activation stochastique scalaire univarié modélisé par des fonctions de densité de probabilité gaussiennes en recouvrement constant.
- Statut épistémologique du sujet expérimental :
- Psychophysique classique : Récepteur matériel passif assimilé à une balance ou un galvanomètre ; les facteurs psychologiques sont des impuretés expérimentales.
- Modèle de Green et Swets : Agent rationnel actif procédant à un test d’hypothèse statistique bayésien et optimisant ses choix sous incertitude.
- Traitement mathématique des fausses alarmes :
- Psychophysique classique : Artéfact indésirable ou tricherie à pénaliser ou à épurer à l’aide d’une formule arbitraire de correction pour devinette.
- Modèle de Green et Swets : Variable fondamentale indispensable contenant la signature mathématique directe de l’emplacement du critère décisionnel interne.
- Mesure fondamentale de la performance :
- Psychophysique classique : Pourcentage brut de réponses positives à une intensité physique donnée ($P(\text{Oui})$).
- Modèle de Green et Swets : Décomposition orthogonale stricte en deux paramètres indépendants : la sensibilité pure ($d’$) et le biais de réponse ($c$ ou $\beta$).
9.3 Réévaluation critique de la loi de Weber-Fechner à la lumière de la TDS
L’avènement de la théorie de la détection du signal a également permis de jeter un regard critique et renouvelé sur les grandes lois de la psychophysique que sont la loi de Weber ($\Delta I / I = k$) et la loi de Fechner ($S = k ln I$). Dans la perspective classique, la constance de la fraction de Weber aux intensités moyennes était interprétée comme la preuve de l’existence d’une compression physiologique logarithmique logée dans les organes périphériques de transduction.
Green et Swets ont offert une explication radicalement différente, articulée autour de l’analyse du rapport signal sur bruit neural. Si la discrimination d’un incrément $\Delta I$ requiert une valeur de $d’$ constante (par exemple $d’ = 1$), et si l’on postule que le bruit interne de l’appareil sensoriel croît proportionnellement à l’intensité de base du stimulus d’arrière-plan ($\sigma_{\text{interne}} propto I$), alors la fraction différentielle $\Delta I / I$ doit mathématiquement demeurer constante sans qu’il soit nécessaire d’invoquer l’hypothèse spéculative d’un « échelon » de sensation mentale discontinu. De surcroît, les écarts chroniques constatés aux intensités extrêmes — la célèbre déviation de la loi de Weber aux très faibles niveaux physiques (appelée le « quasi-accord » ou near-miss de Weber) — ont pu être réinterprétés non comme une défaillance de la mécanique interne, mais comme le moment précis où le bruit interne fixe du récepteur supplante le bruit induit par le signal.
Cette réinterprétation a également facilité l’articulation féconde entre la théorie de la détection du signal et les travaux de Stanley Smith Stevens sur la loi de puissance ($S = k I^a$). En dissociant rigoureusement la variabilité de la décision des non-linéarités de compression sensorielle, la TDS a offert le socle méthodologique nécessaire pour valider la mesure directe de magnitude de Stevens, réconciliant deux visions de la psychophysique qui s’étaient affrontées tout au long de la première moitié du XXe siècle.
10. Applications expérimentales spécifiques en psychoacoustique et vision
10.1 Les travaux empiriques de David Green en discrimination de fréquence et d’intensité
Dans le domaine de l’audition, David Green a conduit des séries expérimentales monumentales visant à réexaminer les capacités de discrimination en fréquence et en intensité à l’aune de la TDS. L’un de ses apports majeurs réside dans la détection d’impulsions sinusoïdales ultracourtes (de l’ordre de quelques millisecondes). Selon la théorie classique du seuil différentiel, un stimulus trop bref ne disposait pas d’une énergie suffisante pour « franchir » le limen, vouant la discrimination à l’échec. Green a démontré qu’en réalité, la sensibilité $d’$ s’ajustait continûment le long d’une fonction d’intégration d’énergie temporelle parfaite selon la loi de Bloch-Charpentier acoustique :
$$d’ propto \sqrt{E \cdot \tau}$$
où $E$ est l’énergie acoustique instantanée et $tau$ la durée de présentation temporelle du son.
Plus tard, ces travaux débouchèrent sur la formulation par David Green de la célèbre théorie de l’analyse du profil spectral (Profile Analysis). Dépassant l’analyse traditionnelle du seuil différentiel mesuré ton par ton au sein d’une seule bande critique d’audition, Green démontra que le système auditif humain est capable d’extraire la différence juste perceptible de la forme globale d’un spectre acoustique complexe composé de dizaines d’harmoniques simultanées. L’observateur compare en réalité le niveau d’une bande spectrale cible par rapport au profil global de référence fourni par les autres fréquences, démontrant que la discrimination auditive n’opère pas comme un ensemble de filtres rigides isolés, mais comme une matrice dynamique de comparaison statistique multicanal.
10.2 Les recherches de John Swets en discrimination visuelle et perception des formes
Pendant que Green explorait les mystères de l’audition, John Swets se consacrait avec une ferveur identique à la psychophysique de la vision. Reprenant les célèbres expériences historiques de Selig Hecht, Shlaer et Pirenne (1942) sur le nombre minimal de quanta de lumière nécessaires pour stimuler la vision humaine, Swets a revisité ces données sous l’angle de la détection du signal. Il mit en lumière que les expériences historiques confondaient l’absorption quantique rétinienne avec le critère d’acceptation verbal des sujets, réévaluant avec une précision nouvelle la variabilité stochastique de la vision nocturne.
Swets a également appliqué la théorie de la détection du signal à l’étude des contrastes spatiaux et à l’impact dévastateur de l’incertitude spatiale et temporelle sur la DJP visuelle. Dans ses protocoles réputés, une cible visuelle discrète (un disque de luminance infinitésimalement supérieur au fond) pouvait apparaître soit à un emplacement spatial rigoureusement déterminé, soit à l’une quelconque de 16 localisations spatiales réparties sur un écran cathodique simulant un affichage radar. Ses résultats ont mis en évidence que l’introduction d’incertitude spatiale dégrade drastiquement la sensibilité $d’$ de l’observateur. Cette altération de la DJP ne résulte pas d’une baisse d’acuité optique ou rétinienne, mais d’une augmentation mathématique inévitable du bruit statistique engendrée par le fait que le cerveau est forcé de scruter et d’intégrer simultanément 16 canaux neuraux indépendants, multipliant mécaniquement les risques d’intrusion d’une fluctuation interne fortuite du bruit.
10.3 Le paradigme du choix forcé (2AFC) comme outil de purification de la mesure
L’une des innovations méthodologiques les plus influentes et pérennes popularisées par Green et Swets pour mesurer la DJP de façon infaillible est la consécration du paradigme de choix forcé à deux alternatives temporelles (2AFC). Dans une tâche 2AFC, comme exposé précédemment, chaque essai présente obligatoirement deux intervalles temporels distincts : l’un hébergeant le stimulus de référence ($I$), l’autre recevant le stimulus incrémenté ($I + \Delta I$). L’ordre d’apparition est strictement randomisé d’un essai à l’autre avec une probabilité fixe de 0,50.
L’immense supériorité structurelle du paradigme 2AFC sur la tâche Oui/Non tient à sa capacité à neutraliser spontanément tout biais de critère décisionnel. Puisque le sujet sait de façon absolue qu’un intervalle contient la cible et l’autre le fond sonore ou lumineux, et qu’il n’existe aucune asymétrie entre les deux intervalles temporels, il n’a aucun intérêt stratégique à privilégier une réponse au détriment de l’autre. La variable de décision devient simplement la différence relative entre les deux activations internes observées lors de chaque intervalle :
$$x_{\text{diff}} = x_{\text{intervalle 2}} – x_{\text{intervalle 1}}$$
Si $x_{\text{diff}} > 0$, l’observateur sélectionne le second intervalle ; si $x_{text{diff}} < 0$, il désigne le premier. Green et Swets ont apporté la démonstration formelle que la variance de cette variable de différence est la somme des variances des deux intervalles ($sigma_{text{diff}}^2 = sigma_1^2 + sigma_2^2 = 2sigma^2$), ce qui conduit à la relation mathématique exacte reliant la sensibilité mesurée en 2AFC à celle obtenue dans une tâche Oui/Non :
$$d’_{2\text{AFC}} = \sqrt{2} \cdot d’_{\text{Oui/Non}}$$
Cette prédiction mathématique élégante a été confirmée empiriquement avec une précision stupéfiante dans des centaines de publications indépendantes, faisant du paradigme 2AFC l’outil de référence mondial pour la mesure expérimentale de la différence juste perceptible.
11. Critiques épistémologiques, réplications et extensions contemporaines
11.1 Les objections théoriques soulevées contre le modèle Green-Swets
En dépit de son triomphe éclatant, la théorie de la détection du signal proposée par Green et Swets a suscité d’âpres débats épistémologiques et méthodologiques au sein de la communauté des sciences cognitives. L’une des critiques les plus tenaces a porté sur le postulat de normalité des distributions neurales internes. Des théoriciens mathématiques rigoureux, à l’instar de R. Duncan Luce et David Krantz, ont objecté que postuler a priori des distributions gaussiennes constituait une hypothèse commode mais biologiquement arbitraire. Luce a développé des modèles alternatifs fondés sur l’axiome de choix probabiliste et des distributions logistiques ou exponentielles, réintroduisant sous une forme mathématiquement raffinée des versions édulcorées de la théorie du bas seuil (Low Threshold Theory).
Une seconde difficulté majeure concerne le problème de la non-stationnarité cognitive et de la dérive temporelle du critère de décision. L’architecture de la TDS standard assume que durant un bloc d’essais psychophysiques, l’observateur maintient un point de coupure $x_c$ rigoureusement immobile. Or, l’analyse séquentielle essai par essai a révélé que les sujets humains sont sujets à des phénomènes d’hystérèse décisionnelle et d’effets d’assimilation séquentielle : après avoir commis une fausse alarme, un sujet déplace spontanément son critère vers la droite (posture plus prudente) lors de l’essai suivant, pour le relâcher progressivement au fil des essais d’omission. Enfin, la nécessité d’accumuler des centaines, voire des milliers d’essais pour estimer avec une marge d’erreur acceptable une courbe ROC complète a souvent constitué un verrou pratique lourd dans l’application clinique ou chez des populations vulnérables (nourrissons, patients cérébrolésés).
11.2 Extensions multidimensionnelles et modèles dynamiques
Pour surmonter les limites inhérentes à un modèle unidimensionnel statique, les héritiers de Green et Swets ont étendu leur formalisme dans deux directions fécondes :
D’une part, F. Gregory Ashby et James T. Townsend ont édifié la théorie de la reconnaissance générale, universellement connue sous le sigle de General Recognition Theory (GRT). La GRT étend la théorie de la détection du signal à des espaces psychologiques multidimensionnels continus. Elle permet d’étudier comment la perception d’un incrément physique sur une dimension sensorielle (par exemple, la fréquence acoustique) interagit avec une variation simultanée sur une autre dimension (par exemple, l’amplitude sonore), formalisant les concepts cruciaux d’indépendance perceptuelle, d’invariance perceptuelle et d’indépendance décisionnelle sous la forme de matrices de covariance multivariées.
D’autre part, la grande lacune temporelle de la TDS classique — le fait qu’elle ne prenne en compte que le résultat binaire de la décision sans intégrer la dynamique temporelle du temps de réaction — a été comblée par l’avènement des modèles d’accumulation séquentielle de preuves, dont le représentant le plus abouti est le modèle de dérive-diffusion (Drift-Diffusion Model, DDM) formulé par Colin Ratcliff. Le DDM dynamique fusionne le formalisme de Green et Swets avec les équations différentielles stochastiques du mouvement brownien. La variable de décision interne n’est plus évaluée à un instant figé : elle dérive continûment dans le temps entre deux bornes d’absorption symbolisant les deux alternatives décisionnelles. La vitesse moyenne d’accumulation d’information (le taux de dérive ou drift rate, $\nu$) constitue le strict équivalent dynamique du paramètre de sensibilité $d’$ de Green et Swets, tandis que l’écartement des bornes modélise le critère décisionnel et le compromis vitesse-précision (speed-accuracy trade-off).
12. Héritage méthodologique et répercussions sur les sciences cognitives modernes
12.1 Transposition de la TDS au diagnostic médical et à l’imagerie
Après avoir révolutionné la psychophysique de laboratoire, John A. Swets consacra la seconde moitié de sa prestigieuse carrière à une mission appliquée d’une importance sanitaire immense : l’exportation de la théorie de la détection du signal dans le domaine de la décision médicale et du radiodiagnostic. Dans une série d’articles historiques publiés notamment dans Science, Swets démontra que la lecture d’un cliché de mammographie ou d’une tomodensitométrie par un radiologue chevronné est rigoureusement isomorphe à la détection par Green d’un incrément sinusoïdal masqué par un souffle sonore.
Avant les interventions de Swets, la compétence d’un radiologue était naïvement évaluée sur la base exclusive de son pourcentage de tumeurs malignes détectées. Swets révéla qu’un praticien réputé brillant pouvait simplement être un observateur ultra-libéral qui prescrivait un nombre effroyable de biopsies inutiles et traumatisantes en raison d’un taux massif de fausses alarmes, tandis qu’un praticien jugé médiocre péchait seulement par un excès de prudence conservatrice tout en possédant une sensibilité diagnostique intrinsèque ($d’$) exceptionnelle. Sous son impulsion persévérante :
- Les courbes ROC et l’indice AUC se sont imposés comme le standard méthodologique planétaire obligatoire de l’évaluation des dispositifs d’imagerie médicale et des tests biologiques de dépistage.
- L’analyse médico-économique a intégré les matrices de coûts et gains de Green et Swets pour fixer rationnellement les seuils d’intervention chirurgicale selon la gravité pronostique des pathologies.
12.2 Impact majeur sur les neurosciences cognitives et l’électrophysiologie
L’héritage de Green et Swets a trouvé son incarnation la plus spectaculaire au sein des neurosciences contemporaines avec la naissance de la psychophysique unicellulaire chez le primate éveillé, sous l’égide de chercheurs illustres tels que William Newsome, Kenneth Britten et Michael Shadlen au tournant des années 1990. En entraînant des macaques rhésus à discriminer la direction du mouvement cohérent d’un champ stochastique de points lumineux tout en enregistrant l’activité électrique d’un seul neurone dans l’aire visuelle corticale MT/V5, Newsome et son équipe ont accompli un exploit conceptuel inouï : ils ont calculé la courbe ROC et le paramètre $d’$ d’un neurone individuel.
Cette mesure, baptisée « sensibilité neurométrique », s’est révélée quantitativement indiscernable de la sensibilité psychométrique globale mesurée simultanément au niveau du comportement de l’animal tout entier. Les neurophysiologistes modernes ont ainsi découvert la concrétisation matérielle de l’architecture théorique de Green et Swets dans le cerveau : tandis que les neurones des aires sensorielles précoces encodent la distribution d’évidence sensorielle brute ($S+N$ et $N$), les populations de neurones du cortex pariétal postérieur (aire LIP) et du cortex préfrontal intègrent cette information et mettent en œuvre le seuil de décision stratégique $x_c$, scellant la séparation neurophysiologique définitive entre acuité sensorielle et contrôle exécutif.
12.3 Applications contemporaines en intelligence artificielle et apprentissage machine
Au XXIe siècle, la descendance formelle de Green et Swets est omniprésente dans les algorithmes au cœur de la révolution de l’intelligence artificielle et de l’apprentissage automatique (Machine Learning). Tout ingénieur concevant un classifieur binaire d’apprentissage profond (qu’il s’agisse de filtrer des courriers électroniques indésirables, de reconnaître des visages dans un système de vidéosurveillance ou de prédire le risque de défaillance mécanique d’un moteur d’avion) est confronté à l’exact arbitrage formalisé par Green et Swets en 1966.
L’évaluation des performances des réseaux de neurones profonds ne se fait jamais à partir de la précision globale brute (accuracy) — qui s’avère trompeuse en cas de classes déséquilibrées —, mais à l’aide de l’aire sous la courbe ROC (ROC-AUC) et de la courbe Précision-Rappel (Precision-Recall Curve). Les concepts d’hypersurfaces de décision bayésiennes, de seuils d’activation optimaux pour les fonctions sigmoïdes ou Softmax et d’arbitrage coût-bénéfice dans la pondération des fonctions de perte (loss functions) sont la continuation directe et ininterrompue des expériences pionnières sur la différence juste perceptible menées dans les sous-sols du MIT.
12.4 Conclusion épistémologique : La redéfinition permanente de l’acte perceptif
En dressant le bilan historique de la révolution initiée par David Green et John Swets, il apparaît indéniable que leurs expériences sur la différence juste perceptible ont transcendé le cadre initial de la psychoacoustique pour accomplir une refondation philosophique de l’acte perceptif lui-même. En pulvérisant le mythe fechnérien du seuil rigide discontinu, Green et Swets ont libéré la science de la perception de l’illusion mécaniste d’un esprit humain passif enregistrant docilement les empreintes énergétiques du monde extérieur.
À travers leur formalisme probabiliste, la perception humaine a été révélée sous son jour authentique : un processus actif, dynamique et perpétuel d’inférence statistique sous incertitude. Percevoir une différence imperceptible, ce n’est pas attendre passivement qu’une impulsion physique déclenche une barrière d’énergie ; c’est peser stochastiquement des probabilités bayésiennes, arbitrer en une fraction de seconde entre l’espoir de découvrir un signal signifiant et la crainte de succomber au bruit ambiant, et choisir un destin décisionnel au milieu du chaos de la matière. C’est en cela que les travaux de David Green et John Swets demeurent un monument impérissable des sciences de l’esprit, inscrivant à jamais la psychophysique au cœur de l’aventure intellectuelle moderne.
Références
- Ashby, F. G., & Townsend, J. T. (1986). Varieties of perceptual independence. Psychological Review, 93(2), 154–179. https://doi.org/10.1037/0033-295X.93.2.154
- Britten, K. H., Shadlen, M. N., Newsome, W. T., & Movshon, J. A. (1992). The analysis of visual motion: a comparison of neuronal and psychophysical performance. Journal of Neuroscience, 12(12), 4745–4765. https://doi.org/10.1523/JNEUROSCI.12-12-04745.1992
- Fechner, G. T. (1860). Elemente der Psychophysik. Breitkopf und Härtel.
- Green, D. M. (1960). Auditory detection of a noise signal. The Journal of the Acoustical Society of America, 32(1), 121–131. https://doi.org/10.1121/1.1907862
- Green, D. M. (1988). Profile Analysis: Auditory Perception of Complex Sounds. Oxford University Press.
- Green, D. M., & Swets, J. A. (1966). Signal Detection Theory and Psychophysics. John Wiley & Sons. (Réimpression avec corrections, Robert E. Krieger Publishing Co., 1974; Peninsula Publishing, 1988).
- Hecht, S., Shlaer, S., & Pirenne, M. H. (1942). Energy, quanta, and vision. Journal of General Physiology, 25(6), 819–840. https://doi.org/10.1085/jgp.25.6.819
- Luce, R. D. (1963). A threshold model for simple detection. Psychological Review, 70(1), 61–79. https://doi.org/10.1037/h0044023
- Macmillan, N. A., & Creelman, C. D. (2004). Detection Theory: A User’s Guide (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9781410611147
- Peterson, W. W., Birdsall, T. G., & Fox, W. C. (1954). The theory of signal detectability. Transactions of the IRE Professional Group on Information Theory, 4(4), 171–212. https://doi.org/10.1109/TIT.1954.1057460
- Ratcliff, R. (1978). A theory of memory retrieval. Psychological Review, 85(2), 59–108. https://doi.org/10.1037/0033-295X.85.2.59
- Stevens, S. S. (1957). On the psychophysical law. Psychological Review, 64(3), 153–181. https://doi.org/10.1037/h0046162
- Swets, J. A. (1973). The relative operating characteristic in psychology. Science, 182(4116), 990–1000. https://doi.org/10.1126/science.182.4116.990
- Swets, J. A. (1996). Signal Detection Theory and ROC Analysis in Psychology and Diagnostics: Collected Papers. Lawrence Erlbaum Associates.
- Swets, J. A., Tanner, W. P., & Birdsall, T. G. (1961). Decision processes in perception. Psychological Review, 68(5), 301–340. https://doi.org/10.1037/h0040547
- Tanner, W. P., & Swets, J. A. (1954). A decision-making theory of visual detection. Psychological Review, 61(6), 401–409. https://doi.org/10.1037/h0058700
- Wald, A. (1947). Sequential Analysis. John Wiley & Sons.
- Weber, E. H. (1834). De pulsu, resorptione, auditu et tactu: Annotationes anatomicae et physiologicae. C. F. Koehler.