L’expérience d’apprentissage configural – John Pearce

L’étude des processus d’apprentissage associatif constitue l’un des piliers historiques et conceptuels les plus robustes de la psychologie scientifique et des neurosciences comportementales. Depuis les découvertes séminales d’Ivan Pavlov au début du XXe siècle, les chercheurs se sont efforcés de décrypter la manière dont les organismes vivants encodent, traitent et prédisent les relations temporelles et causales qui régissent leur environnement. L’approche dominante, qui s’est progressivement consolidée à travers les décennies pour culminer dans les années 1970 avec la modélisation mathématique formalisée, reposait sur une prémisse réductionniste séduisante : l’approche élémentaire. Selon cette conception, toute situation complexe, tout environnement perceptif composite composé de multiples signaux — qu’il s’agisse de sons, de lumières, d’odeurs ou de textures — peut être fidèlement décomposé en une somme de composantes discrètes, chacune entrant dans une compétition associative indépendante pour prédire la survenue d’événements biologiquement significatifs.

Cependant, cette perspective atomiste s’est heurtée à d’importantes impasses empiriques face à la complexité des discriminations non linéaires et des interactions perceptives observées chez diverses espèces animales. C’est dans ce climat de tension épistémologique que les travaux révolutionnaires de John M. Pearce, conduits principalement à l’Université de Cardiff à partir de la seconde moitié des années 1980, ont radicalement transformé notre compréhension de l’architecture cognitive de l’apprentissage. En contestant l’hypothèse fondamentale selon laquelle les stimuli sont traités de façon indépendante et additive, Pearce a élaboré la théorie de l’apprentissage configural. Cette théorie postule que les organismes n’appréhendent pas le monde comme une mosaïque d’éléments isolés, mais synthétisent immédiatement les configurations de stimuli en des représentations unitaires, globales et qualitativement distinctes de leurs parties constitutives.

Le présent article propose une analyse approfondie et exhaustive de l’expérience d’apprentissage configural développée par John Pearce, de ses fondements logico-mathématiques à ses répercussions contemporaines en neurobiologie, en sciences cognitives et en psychopathologie computationnelle. En explorant les mécanismes formels du modèle unitaire, la nature des discriminations de patterns négatifs et biconditionnels, le décrément de généralisation, ainsi que les débats historiques opposant l’école de Cardiff aux théoriciens élémentaires tels qu’Allan Wagner, nous mettrons en lumière la manière dont cette théorie a redéfini les frontières entre la perception, la mémoire et le conditionnement prédictif.

1. Introduction historique et conceptuelle à l’apprentissage configural de John Pearce

1.1 Le contexte de l’apprentissage associatif à la fin du XXe siècle

À la fin du XXe siècle, la psychologie de l’apprentissage était largement dominée par les modèles associatifs formels, dont le paradigme cardinal était indéniablement celui proposé par Robert Rescorla et Allan Wagner en 1972. Le modèle de Rescorla-Wagner avait réussi le tour de force d’unifier sous une règle algorithmique simple une multitude de phénomènes comportementaux jusqu’alors disparates, tels que le blocage, le masquage et la contingence dégradée. Cette construction théorique reposait sur une vision strictement élémentaire du stimulus : lorsqu’un sujet est exposé à un composé de signaux sensoriels, la machinerie cognitive traite chaque élément comme une entité autonome possédant sa propre force associative, la réponse finale n’étant que l’addition algébrique directe de ces forces individuelles.

Néanmoins, au fur et à mesure que les protocoles expérimentaux se sophistiquaient dans les laboratoires de conditionnement pavlovien et opérant, les failles de cette conception purement analytique sont devenues manifestes. De nombreuses observations expérimentales démontraient que la présentation conjointe de deux stimuli pouvait susciter des réponses comportementales impossibles à déduire de la simple somme de leurs parties. Les animaux semblaient capables de discriminer des combinaisons de stimuli d’une manière qui suggérait l’émergence d’une propriété globale irréductible aux constituants isolés. Les chercheurs observaient régulièrement des échecs prédictifs majeurs dans les situations de discrimination d’indices combinés, révélant que l’organisme animal ne se comportait pas comme un simple calculateur arithmétique linéaire.

Face à ces contradictions empiriques, l’Université de Cardiff s’est affirmée comme un foyer intellectuel d’avant-garde sous l’impulsion de John M. Pearce. Conscient de l’impasse vers laquelle convergeaient les adaptations artificielles du modèle élémentaire, Pearce a entrepris de formaliser une approche véritablement holistique. Ses travaux pionniers ont visé à restaurer la complexité de l’expérience perceptive dans les théories de l’apprentissage, en comblant le fossé historique séparant la psychologie de la Gestalt, centrée sur la structure globale des formes, et la tradition béhavioriste rigoureuse, focalisée sur la quantification précise du comportement observable.

1.2 Définition formelle de l’approche configurale

L’approche configurale développée par John Pearce se définit formellement par le postulat selon lequel tout ensemble de stimuli présents simultanément dans l’environnement d’un organisme est encodé sous la forme d’une représentation mentale unitaire et indivisible. Contrairement à l’axiome élémentaire qui découpe un stimulus complexe composé d’une lumière et d’un son en deux canaux de traitement distincts cheminant en parallèle, le modèle de Pearce affirme que l’organisme perçoit et mémorise un événement perceptif unique : le complexe lumineux-acoustique unifié. Cette représentation globale entre en association directe avec le stimulus inconditionnel, acquérant une force associative propre qui n’est en aucun cas la résultante d’un assemblage additif de forces élémentaires sous-jacentes.

Cette distinction conceptuelle entraîne une rupture radicale avec les notions traditionnelles de sommation. Dans le paradigme unitaire, la présentation d’un élément isolé ne constitue pas l’activation partielle d’un composé préexistant, mais correspond à un stimulus entièrement distinct du composé lui-même sur le plan phénoménologique et représentationnel. La relation entre le composé et ses éléments constitutifs n’est donc pas une relation de parties à un tout mécanique, mais une relation de ressemblance perceptive. Dès lors, le comportement déclenché par un élément isolé après le conditionnement d’un composé ne reflète pas la persistance d’une fraction de force associative élémentaire, mais découle d’un phénomène de généralisation guidé par le degré de similarité entre la configuration globale et la nouvelle situation de test.

Sur le plan épistémologique, l’approche configurale opère une synthèse cruciale entre la psychologie cognitive et l’analyse comportementale. En réhabilitant la primauté de l’organisation perceptive dans les mécanismes fondamentaux du conditionnement, Pearce a démontré que le conditionnement pavlovien ne peut être réduit à une simple connexion réflexe entre des entrées périphériques atomiques et des sorties motrices. Il met en jeu une étape intermédiaire de traitement central où les propriétés géométriques, temporelles et qualitatives du patron environnemental global dictent la dynamique des forces associatives. Cette conceptualisation a ouvert la voie à une redéfinition majeure de l’architecture cognitive animale, prouvant que les mécanismes de traitement de haut niveau opèrent dès les stades les plus basiques de l’apprentissage prédictif.

1.3 Objectifs fondamentaux de la recherche de Pearce

Le projet scientifique de John Pearce s’est articulé autour de trois objectifs directeurs d’une clarté méthodologique exemplaire. Le premier objectif consistait à apporter la preuve expérimentale sans équivoque de l’incapacité des modèles élémentaires traditionnels à rendre compte des discriminations non linéaires complexes, telles que le pattern négatif ou la discrimination biconditionnelle, sans recourir à des modifications ad hoc qui trahissaient leurs propres principes fondateurs. Pearce cherchait à démontrer que l’ajout d’éléments hypothétiques ou d’unités de conjonction artificielles au modèle élémentaire ne constituait qu’un palliatif théorique fragile face à des réalités empiriques réfractaires.

Le second objectif fondamental était de concevoir une règle quantitative prédictive capable d’estimer avec précision la généralisation entre des configurations de stimuli différentes. Plutôt que de postuler des interactions mystérieuses au sein des composés, Pearce a cherché à formuler une métrique mathématique rigoureuse de la similarité perceptive. Cette règle devait permettre de prédire quantitativement comment la force associative acquise par une configuration donnée se transfère à une autre en fonction de la proportion et de l’intensité de leurs caractéristiques communes et distinctives. Il s’agissait donc de formaliser une fonction de transfert associatif universelle et parcimonieuse.

Enfin, le troisième objectif visait à offrir à la communauté scientifique un cadre mathématique alternatif pleinement constitué, capable de rivaliser en termes de portée prédictive et de rigueur formelle avec le modèle de Rescorla et Wagner. Ce nouveau système théorique devait non seulement expliquer les phénomènes classiques du conditionnement pavlovien — tels que l’acquisition, l’extinction, le masquage et le blocage —, mais également anticiper de nouveaux effets contre-intuitifs que les modèles élémentaires étaient structurellement incapables d’envisager, notamment le phénomène du décrément de généralisation asymétrique consécutif à l’ajout ou au retrait de stimuli.

2. Le paradigme élémentaire contre le paradigme configural : Fondements théoriques

2.1 Les postulats du modèle de Rescorla-Wagner

Pour mesurer pleinement la portée de la rupture opérée par Pearce, il est indispensable de disséquer l’armature théorique du modèle de Rescorla-Wagner (1972). Ce modèle repose sur trois postulats interconnectés régissant le traitement de l’information environnementale. Le premier postulat stipule que chaque composante élémentaire d’un stimulus complexe est traitée par le système nerveux de manière autonome et indépendante. Si un animal est confronté à un stimulus composé constitué d’un son $A$ et d’une lumière $B$, le système sensoriel décompose immédiatement cette entrée en deux canaux parallèles, $A$ et $B$, dont les valeurs associatives respectives, désignées par $V_A$ et $V_B$, évoluent sans altérer la nature intrinsèque de chaque signal.

Le deuxième postulat impose la règle de la sommation linéaire. La force associative totale du composé, symbolisée par $V_{AB}$, est strictement définie comme la somme arithmétique simple des forces associatives de ses éléments :

$$V_{AB} = V_A + V_B$$

Cette linéarité implique qu’il n’existe aucune interaction qualitative émergente lors de la combinaison des stimuli : le tout n’est rien d’autre que la somme exacte de ses parties. C’est cette valeur agrégée $V_{AB}$ qui détermine l’amplitude de la réponse conditionnée observable lors de la présentation conjointe des stimuli.

Le troisième postulat fondamental introduit le concept de compétition associative médiée par une erreur de prédiction globale. La variation de la force associative de chaque élément lors d’un essai d’apprentissage donné est régie par l’écart entre la valeur maximale du renforçateur ($lambda$) et l’attente générée par l’ensemble des stimuli présents lors de cet essai. Dès lors, l’incrément associatif pour le stimulus $A$ s’exprime selon l’équation classique :

$$\Delta V_A = \alpha_A \beta (\lambda – V_{total})$$

où $V_{total}$ équivaut à la somme de tous les éléments actifs. Ce mécanisme élégant permet d’expliquer le blocage : si $V_A$ a déjà atteint la valeur asymptotique $lambda$, alors lors d’essais ultérieurs associant $A$ et $B$ au même renforçateur, le terme d’erreur $(\lambda – (V_A + V_B))$ devient nul, empêchant le stimulus $B$ d’acquérir une quelconque valeur prédictive. Cependant, cette conception se trouve désarmée dès lors que le sujet doit apprendre que la combinaison $AB$ annonce l’absence d’un événement alors que $A$ et $B$ pris individuellement l’annoncent avec certitude.

2.2 La rupture théorique introduite par Pearce en 1987

Dans sa monographie fondamentale publiée en 1987 au sein de la Psychological Review, John Pearce opère une rupture conceptuelle nette en rejetant catégoriquement l’hypothèse de la sommation algébrique des forces associatives individuelles. Pearce affirme qu’il est psychologiquement et biologiquement inexact de concevoir la perception d’un événement complexe comme une collection de sensations élémentaires étanches. Lorsqu’un sujet perçoit le composé $AB$, il ne calcule pas la somme $V_A + V_B$ ; il enregistre une expérience perceptive globale, dotée d’une identité propre, qui établit une liaison directe avec le stimulus inconditionnel :

$$AB \rightarrow SI$$

La force associative appartient ainsi de manière indivise à la configuration $AB$ dans sa totalité.

Pour rendre compte des interactions comportementales entre les composés et leurs éléments sans recourir à la sommation élémentaire, Pearce réintroduit avec une rigueur mathématique inédite la notion de transfert associatif guidé par la similarité perceptive. Lorsqu’un animal conditionné à la configuration $AB$ est confronté au stimulus $A$ présenté isolément, la réponse observée n’est pas l’expression d’un résidu de force associative préservé au sein de l’élément $A$. Elle résulte exclusivement du fait que le stimulus $A$ ressemble perceptuellement au composé $AB$ dont il constituait une composante. La force associative acquise par $AB$ se généralise ainsi à $A$ au prorata de leur indice de similarité mutuelle.

Cette perspective permet de préserver le principe d’extrême parcimonie théorique cher à la psychologie expérimentale. Alors que les défenseurs des approches élémentaires modifiées ont été contraints de multiplier les entités théoriques invisibles — en inventant des « éléments configuraux » ou des « unités de conjonction » générées artificiellement par l’interaction sensorielle —, Pearce maintient un modèle à un seul niveau de représentation. Les stimuli sont simplement ce qu’ils paraissent être pour le système perceptif : des configurations globales présentant des degrés variables de proximité physique et psychologique.

2.3 La notion d’élément unique versus stimulus composé

Le désaccord entre le paradigme élémentaire et le paradigme configural soulève une interrogation psychophysique majeure : qu’est-ce qui définit l’identité perceptive d’un stimulus lorsqu’il passe de l’isolement à la composition ? Dans l’optique élémentariste, l’identité d’un signal acoustique de fréquence $1000\text{ Hz}$ demeure strictement invariante, qu’il retentisse dans le silence absolu ou qu’il soit accompagné d’un flash lumineux aveuglant. Le flash lumineux est simplement traité comme un canal sensoriel supplémentaire venant s’ajouter au canal acoustique préexistant.

À l’inverse, l’approche configurale soutient que le contexte perceptif immédiat modifie radicalement le patron d’activation sensorielle globale. Le son de $1000\text{ Hz}$ entendu en présence d’une vive lumière n’est plus, pour le cerveau du sujet, le même stimulus que ce même son présenté dans l’obscurité. Bien que les récepteurs auditifs périphériques soient excités par la même onde mécanique, l’intégration centrale au sein des réseaux corticaux ou thalamiques fusionne ces flux d’informations en une Gestalt unique. Les travaux de la psychophysique dimensionnelle, notamment les études pionnières de Wendell Garner sur les dimensions séparables et intégrales, apportent un soutien empirique considérable à cette vision : de nombreuses modalités sensorielles interagissent de manière intégrale, empêchant le sujet d’analyser un attribut sans être influencé par la configuration d’ensemble.

Cette querelle théorique révèle la divergence d’hypothèses sur le coût computationnel imposé au système nerveux. L’approche élémentaire présuppose un processeur central analytique capable d’isoler en permanence des composantes pures au sein d’un flux environnemental bruité et dynamique. L’approche configurale de Pearce postule au contraire un système perceptivo-cognitif économique, qui encode spontanément la scène globale telle qu’elle se présente, réservant l’analyse fine des éléments à des conditions d’apprentissage particulières où la discrimination des détails devient une question de survie adaptative.

3. Les postulats mathématiques et formels du modèle de Pearce (1987)

3.1 L’équation de base de la force associative

Le modèle computationnel développé par Pearce en 1987 formalise l’évolution de la force associative d’une configuration globale au fil des essais d’apprentissage à travers une équation aux différences finies, analogue dans sa structure mathématique générale à celle de Rescorla et Wagner, mais profondément divergente dans ses variables d’entrée. Lors de chaque présentation d’un stimulus conditionnel complexe ou simple, désigné de manière générique par la configuration $A$, l’incrément de sa force associative directe, noté $\Delta V_A$, est calculé selon l’expression formelle suivante :

$$\Delta V_A = \alpha_A \beta (\lambda – \bar{V}_A)$$

Dans ce formalisme, le paramètre $\alpha_A$ représente le coefficient de saillance perceptive ou de conditionnabilité propre à la configuration globale $A$ dans sa totalité. Contrairement aux modèles élémentaires où chaque composant possède son propre coefficient alpha indépendant, Pearce assigne ce paramètre à la configuration unitaire complète. Le paramètre $\beta$ est la constante de vitesse d’apprentissage déterminée par les propriétés intrinsèques et l’intensité du stimulus inconditionnel ($SI$), tandis que $lambda$ spécifie l’asymptote maximale de conditionnement que peut soutenir cette magnitude particulière de renforçateur. Lorsque le renforçateur est délivré, $lambda$ prend une valeur positive (habituellement normalisée à 1,00 ou 100), et lorsque le renforçateur est omis lors des essais d’extinction, $lambda$ est fixé à zéro.

La distinction mathématique cardinale réside dans la définition du terme $\bar{V}_A$. Ce terme ne représente pas la somme des forces associatives d’éléments sous-jacents, mais la force associative totale mobilisée par la configuration $A$ au moment de l’essai. Cette valeur totale correspond à la somme de la force associative directe acquise par $A$ au cours de son histoire d’apprentissage propre, notée $V_A$, et de l’ensemble des forces associatives qui se généralisent à $A$ à partir de toutes les autres configurations de stimuli préalablement conditionnées dans l’environnement expérimental :

$$\bar{V}_A = V_A + \sum (_{A}S_{B} \times V_B)$$

où $_{A}S_{B}$ symbolise l’indice de similarité entre la configuration cible $A$ et une configuration quelconque $B$ présente dans la mémoire du sujet. Ainsi, le mécanisme d’erreur de prédiction ne porte pas sur une sommation d’éléments simultanés, mais sur l’écart entre la réalité du renforcement et l’attente globale générée par la configuration actuelle augmentée de toutes les influences associatives issues de la généralisation.

3.2 L’indice de similarité et le calcul du transfert de généralisation

Le cœur opératoire de la théorie de Pearce repose sur la formalisation quantitative du coefficient de similarité, noté conventionnellement $_{A}S_{B}$, qui quantifie la proximité perceptive entre deux configurations de stimuli distinctes $A$ et $B$. Dans sa formulation originelle de 1987, Pearce postule que la ressemblance entre deux patterns environnementaux est une fonction mathématique directe de la proportion d’éléments sensoriels que ces deux entités partagent par rapport à l’ensemble des éléments qui les constituent. Pour calculer ce coefficient entre une configuration $A$ et une configuration $B$, Pearce a proposé le rapport suivant :

$$_{A}S_{B} = \frac{a \cap b}{a \cup b} \quad \text{ou dans la notation discrète de 1987} \quad _{A}S_{B} = \frac{N_C}{N_A}$$

où $N_C$ désigne le nombre d’éléments communs partagés par les deux stimuli, et $N_A$ représente le nombre total d’éléments constituant le stimulus cible pour lequel on évalue la généralisation. Il s’ensuit que si le stimulus $B$ contient tous les éléments du stimulus $A$ plus des éléments additionnels, la similarité de $B$ envers $A$ sera différente de la similarité de $A$ envers $B$, établissant une asymétrie de transfert que nous examinerons ultérieurement.

Pour illustrer ce mécanisme par un exemple canonique, considérons un stimulus composé de deux composantes lumineuses et auditives de saillances équivalentes, désigné par $AB$, et un stimulus test constitué de l’élément isolé $A$. Le composé $AB$ peut être conceptualisé comme possédant deux unités de stimulation ($N_{AB} = 2$), tandis que le stimulus isolé $A$ n’en possède qu’une ($N_A = 1$). L’élément partagé entre les deux configurations est l’élément $A$ ($N_C = 1$). Si l’on calcule la similarité du composé $AB$ envers l’élément $A$, Pearce pose :

$$_{A}S_{AB} = \frac{N_C}{N_A} = \frac{1}{1} = 1{,}0$$

tandis que la similarité de l’élément $A$ envers le composé $AB$ s’écrit :

$$_{AB}S_{A} = \frac{N_C}{N_{AB}} = \frac{1}{2} = 0{,}5$$

La règle de généralisation affirme que la fraction de force associative transférée d’une configuration source $B$ vers une configuration cible $A$ est strictement égale au produit de la force associative propre de $B$ par ce coefficient de similarité mutuelle :

$$V_{B \rightarrow A} = {_{A}S_{B}} \times V_B$$

Cette formulation élégante a permis à Pearce de prédire de manière déterministe et chiffrée l’amplitude exacte de la réponse conditionnée face à des composés totalement inédits sans avoir à calibrer de paramètres libres supplémentaires, conférant à son modèle une puissance de falsification empirique remarquable.

3.3 Le décrément de généralisation

L’une des prédictions les plus fascinantes et contre-intuitives issues de la mécanique formelle du modèle de Pearce réside dans la conceptualisation du « décrément de généralisation ». Dans les théories élémentaires comme celle de Rescorla et Wagner, si un stimulus $A$ est conditionné de manière isolée jusqu’à son asymptote ($lambda = 100$), l’adjonction ultérieure d’un stimulus neutre $B$ lors d’un essai de test (composé $AB$) devrait théoriquement susciter une réponse comportementale au moins égale, voire supérieure, à celle déclenchée par $A$ seul. En effet, selon l’algèbre élémentaire :

$$V_{AB} = V_A + V_B = 100 + 0 = 100$$

Aucune baisse de la force associative globale ne peut être déduite de l’addition d’un stimulus sans valeur associative préalable.

Dans le système configural de Pearce, la prédiction mathématique s’avère radicalement inverse. Le sujet confronté au nouveau stimulus composé $AB$ ne perçoit pas une addition arithmétique, mais une altération de l’identité globale du signal perceptif. La réponse déclenchée par le composé $AB$ dépend exclusivement du transfert associatif issu de la configuration $A$ préalablement conditionnée, calculé via le coefficient de similarité $_{AB}S_A$ :

$$\bar{V}_{AB} = {_{AB}S_A} \times V_A$$

En reprenant l’indice de similarité standard où $N_A = 1$ et $N_{AB} = 2$, nous obtenons :

$$\bar{V}_{AB} = 0{,}5 \times 100 = 50$$

Le modèle prévoit donc mathématiquement une réduction spectaculaire de 50 % de la force de la réponse conditionnée lors du simple ajout d’un signal sensoriel parfaitement neutre. Ce phénomène, baptisé décrément de généralisation par addition, constitue l’une des signatures diagnostiques de l’approche configurale.

Le formalisme mathématique intègre également l’impact des variations de saillance relative entre les composantes. Si la saillance de l’élément additionnel $B$ est considérablement plus élevée que celle de l’élément $A$, le composé $AB$ s’éloignera davantage de l’apparence perceptive de $A$ dans l’espace psychophysique multidimensionnel. Pearce formalise cette asymétrie en pondérant les composantes par leurs coefficients de saillance respectifs :

$$_{AB}S_A = \frac{\alpha_A}{\alpha_A + \alpha_B}$$

Si $\alpha_B$ est largement supérieur à $\alpha_A$, la similarité perçue tend vers zéro, et le décrément de réponse comportementale devient presque total, un résultat qui simule parfaitement le masquage sans faire intervenir la compétition élémentaire pour une ressource associative limitée.

4. L’expérience princeps de discrimination par pattern négatif

4.1 Protocole expérimental du pattern négatif

Pour mettre à l’épreuve la validité des modèles concurrents de l’apprentissage, John Pearce et les chercheurs du domaine associatif se sont tournés vers un paradigme expérimental hautement discriminant : le pattern négatif (souvent désigné par la formule anglo-saxonne negative patterning). La structure logique de ce protocole expérimental se caractérise par la présentation aléatoire ou pseudo-aléatoire de trois types d’essais distincts au cours des sessions d’entraînement quotidien. D’une part, deux stimuli élémentaires, par exemple un son bref noté $A$ et une illumination diffuse de la cage notée $B$, sont présentés de manière isolée et systématiquement suivis de la délivrance d’un renforçateur inconditionnel favorable, tel qu’une boulette de nourriture ou une goutte d’eau sucrée. Ce schéma d’essais est symbolisé par la notation standard :

$$A+ \quad \text{et} \quad B+$$

D’autre part, les mêmes stimuli sont présentés de manière strictement simultanée sous la forme d’un composé bimodal $AB$, mais ces présentations conjointes ne sont jamais accompagnées de renforçateur. Ce schéma d’extinction est formalisé par :

$$AB-$$

Ce protocole a été déployé principalement auprès de pigeons placés dans des boîtes de conditionnement opérant (dites boîtes de Skinner) équipées de touches de picorage rétroéclairées et de haut-parleurs, ainsi qu’auprès de rongeurs (rats de laboratoire) soumis à des protocoles de suppression conditionnée de la léchade ou de réponse d’approche au distributeur de nourriture (suivi par vidéo ou cellule photoélectrique).

La résolution comportementale d’une telle tâche exige que l’animal exhibe un niveau élevé de réponse motrice lors de la survenue du signal $A$ seul ou du signal $B$ seul, tout en retenant ou supprimant quasi-totalement sa réponse lors de l’activation simultanée du complexe $AB$. Sur le plan logique formel, cette discrimination constitue une fonction exclusive de type OU EXCLUSIF (XOR), célèbre en sciences de l’information pour son impossibilité d’être résolue par un système de classification linéaire à couche unique. L’animal ne peut pas se contenter de classer les éléments selon une échelle de valeur absolue continue ; il doit résoudre une énigme où la présence conjointe de deux signaux annonciateurs de nourriture signale l’absence absolue de cette même nourriture.

4.2 Interprétation élémentaire et ses failles

Face au paradigme du pattern négatif, le modèle élémentaire canonique de Rescorla-Wagner subit un échec mathématique retentissant. Selon les équations de sommation linéaire :

$$V_{AB} = V_A + V_B$$

Si les essais $A+$ et $B+$ soutiennent l’apprentissage, les forces associatives $V_A$ et $V_B$ convergent nécessairement vers des valeurs positives élevées, proches de l’asymptote $lambda$. Par conséquent, la présentation simultanée des deux stimuli impose que la valeur associative prédite pour le composé $V_{AB}$ atteigne une valeur doublement stimulante, équivalente à environ $2lambda$. L’extinction répétée lors des essais $AB-$ cherche à réduire cette valeur globale à zéro par le biais d’un ajustement de l’erreur de prédiction négative :

$$\Delta V = \alpha \beta (0 – V_{AB})$$

Cependant, chaque diminution des forces $V_A$ et $V_B$ induite par les essais non renforcés $AB-$ se trouve immédiatement contrecarrée par les renforcements continus subis lors des essais isolés $A+$ et $B+$. Le modèle de Rescorla-Wagner prévoit donc mathématiquement une oscillation perpétuelle et l’incapacité absolue pour l’organisme de répondre davantage aux éléments qu’au composé. L’animal simulé par le modèle maintient indéfiniment une réponse plus forte face au composé $AB$ que face aux éléments $A$ ou $B$, en contradiction directe avec les données comportementales réelles où les pigeons et les rats apprennent parfaitement à inhiber leur comportement sur $AB-$.

Pour sauver le paradigme élémentaire de cette impasse disqualifiante, Rescorla (1972, 1973) a été contraint de proposer une modification ad hoc substantielle : l’hypothèse des « éléments configuraux uniques ». Il a postulé que la co-occurrence physique des stimuli $A$ et $B$ génère automatiquement un troisième stimulus physique interne, un élément fantôme $C$ (souvent noté élément unique $X$). La représentation du composé devient alors le triplet :

$$ABX$$

Dans ce cadre aménagé, les essais isolés conditionnent $A+$ et $B+$, tandis que l’élément hypothétique $X$, n’étant présent que lors des essais $ABX-$, acquiert une valeur associative inhibitrice massivement négative ($V_X ll 0$), venant neutraliser la somme $V_A + V_B$. Les théoriciens de l’apprentissage ont vigoureusement critiqué cette manœuvre : elle s’apparente à une prolifération incontrôlée d’entités inobservables, conçues sur mesure pour combler les déficits du modèle initial. De plus, elle s’avère incapable de prédire correctement la cinétique relative d’acquisition de la tâche lorsque la saillance physique des stimuli est asymétrique.

4.3 Explication selon le modèle unitaire de Pearce

Le modèle unitaire de Pearce résout l’énigme du pattern négatif avec une élégance théorique et une économie de moyens conceptuels saisissantes, sans jamais avoir besoin d’inventer des éléments configuraux auxiliaires invisibles. Pour Pearce, l’animal est simplement confronté à trois configurations de stimuli différentes mais perceptuellement apparentées : la configuration unitaire $A$, la configuration unitaire $B$, et la configuration unitaire $AB$. Le composé $AB$ n’est pas la somme physique de $A$ et de $B$, mais un patron sensoriel global et inédit, tout comme la couleur grise n’est pas un mélange mental de noir et de blanc, mais une expérience perceptive singulière.

Dans ce cadre, la dynamique d’apprentissage se structure à travers deux forces opposées régies par les équations de similarité :

• Les présentations renforcées de $A$ et de $B$ permettent à ces deux configurations d’acquérir de fortes valeurs associatives excitatrices directes ($V_A > 0$ et $V_B > 0$).
• En raison de la ressemblance perceptive entre les éléments et le composé, une part substantielle de cette excitation se généralise au composé $AB$ :

  $$\bar{V}_{AB} = V_{AB} + ({_{AB}S_A} \times V_A) + ({_{AB}S_B} \times V_B)$$

• Lors des premiers blocs d’essais, le sujet manifeste donc une forte réponse face au composé $AB$, induite exclusivement par ce transfert associatif croisé.

Cependant, étant donné que le composé $AB$ n’est jamais renforcé ($lambda = 0$), son terme d’erreur d’apprentissage devient lourdement négatif :

$$\Delta V_{AB} = \alpha_{AB} \beta (0 – \bar{V}_{AB})$$

Le composé $AB$ acquiert alors directement une force associative propre fortement inhibitrice ($V_{AB} < 0$). À son tour, cette inhibition propre acquise par$AB$ se généralise en retour vers les configurations élémentaires $A$ et $B$ :

$$\bar{V}_A = V_A + ({_AS_{AB}} \times V_{AB})$$

Comme les éléments continuent d’être directement renforcés lors de leurs présentations isolées, un équilibre dynamique stationnaire s’établit. La force excitatrice directe de $A$ devient suffisamment massive pour compenser l’inhibition généralisée depuis $AB$, maintenant une valeur globale nette $\bar{V}_A$ élevée, tandis que sur le composé $AB$, l’inhibition directe accumulée $V_{AB}$ neutralise précisément l’excitation généralisée depuis $A$ et $B$, faisant converger $\bar{V}_{AB}$ vers zéro. Le pattern négatif est ainsi résolu par un simple jeu d’équilibre entre inhibition directe et excitation généralisée au sein d’un espace de similarité unitaire.

5. L’épreuve du pattern positif et la validation empirique

5.1 Structure méthodologique du pattern positif

Le pendant logique du pattern négatif est le paradigme du pattern positif (positive patterning). Bien que structurellement symétrique sur le plan de la logique booléenne, cette tâche impose des contraintes psychologiques et computationnelles fondamentalement distinctes aux organismes expérimentaux. Dans ce protocole, les stimuli élémentaires présentés de manière isolée ne sont jamais associés à la délivrance du renforçateur :

$$A- \quad \text{et} \quad B-$$

En revanche, la présentation simultanée des deux composantes au sein du composé unifié annonce de manière infaillible l’apparition du stimulus inconditionnel :

$$AB+$$

Sur le plan méthodologique, la réalisation de cette expérience requiert un calibrage extrêmement minutieux des paramètres physiques environnementaux. Afin d’écarter tout artefact d’interprétation lié à des seuils sensoriels périphériques ou à des effets d’habituation différentielle, les expérimentateurs équilibrent rigoureusement les modalités sensorielles mises en jeu. L’expérimentation mobilise classiquement des combinaisons intra-modales (deux sons de fréquences distinctes ou deux stimuli lumineux projetés sur des zones adjacentes) ou inter-modales (un son pur couplé à une vibration mécanique du plancher ou un stimulus thermique couplé à un signal optique diffuse).

La variable dépendante analysée au cours des sessions quotidiennes successives réside dans la vitesse différentielle d’émergence de la réponse conditionnée. Les expérimentateurs tracent des courbes d’acquisition temporelles mesurant le taux de picorage, la fréquence d’intrusion de la tête dans la mangeoire, ou l’amplitude des réflexes conditionnés. Le critère de maîtrise opérationnelle de la discrimination est réputé atteint lorsque le sujet émet des réponses vigoureuses et stables lors des essais $AB+$ tout en maintenant un plancher de réponse minimal, voire statistiquement indétectable, lors des présentations aléatoires des essais distracteurs isolés $A-$ et $B-$.

5.2 Analyse comparative des vitesses d’apprentissage

L’un des apports majeurs de l’analyse computationnelle de John Pearce a été de fournir une explication mathématique élégante à une régularité empirique constatée depuis longtemps dans les laboratoires : les animaux apprennent beaucoup plus rapidement à maîtriser un pattern positif qu’un pattern négatif. Sous l’angle des modèles élémentaires naïfs, cette asymétrie cinétique constituait une anomalie troublante. Si l’apprentissage n’était qu’une simple acquisition de forces associatives positives ou négatives indépendantes, les deux structures discriminatives — qui partagent rigoureusement le même nombre d’éléments et la même contingence logique inverse — devraient présenter des courbes d’apprentissage approximativement superposables.

Le modèle unitaire de Pearce rend compte de cette différence grâce à l’asymétrie structurelle du transfert de similarité calculé entre les configurations :

• Dans le pattern positif, l’entraînement débute par des essais où les éléments $A$ et $B$ sont non renforcés, acquérant de facto une force directe nulle ($V_A = 0, V_B = 0$).
• Lorsque le composé $AB$ est présenté et renforcé, il acquiert une force associative excitatrice directe massive ($V_{AB} \rightarrow \lambda$).
• Certes, cette excitation accumulée sur $AB$ se généralise en partie vers les éléments isolés selon la règle :

  $$\bar{V}_A = {_AS_{AB}} \times V_{AB}$$

  Cependant, comme nous l’avons établi mathématiquement, l’indice de similarité entre un élément isolé et un composé bipartite ($0{,}5$) divise par deux la charge associative transmise.

De surcroît, le renforcement continu du composé $AB$ n’est freiné par aucune force inhibitrice active préexistante issue des éléments, car les essais d’extinction $A-$ et $B-$ conduisent simplement les éléments vers une valeur associative nulle sans développer d’inhibition conditionnelle active (dans la mesure où aucun élément n’avait préalablement été rendu excitateur). L’excitation de $AB$ progresse donc à une vitesse maximale, dictée uniquement par le terme $(\lambda – \bar{V}_{AB})$. Les éléments $A$ et $B$ n’acquièrent qu’une excitation résiduelle transitoire rapidement balayée par l’absence d’inconditionnel. À l’inverse, dans le pattern négatif, la nécessité d’accumuler une quantité massive d’inhibition directe sur $AB$ pour vaincre la double excitation transférée par $A$ et par $B$ impose une charge d’apprentissage considérablement plus lourde, ralentissant l’atteinte de l’asymptote de discrimination.

5.3 Implications sur la nature du traitement perceptif unitaire

L’observation empirique de la résolution rapide du pattern positif apporte une preuve probante confirmant que le composé $AB$ n’est en aucune manière réductible à la simple somme sensorielle perçue de $A$ et de $B$. Si le système nerveux se contentait de superposer les flux sensoriels dans un accumulateur linéaire passif, la présentation conjointe de deux signaux intrinsèquement dépourvus de toute valeur biologique ($A-$ et $B-$) ne devrait en aucun cas générer un signal prédictif robuste sans un délai substantiel de restructuration cognitive.

Ces données confirment l’existence d’un effet de prépondérance de la configuration globale sur l’analyse locale des composantes, un principe directement emprunté aux lois de l’organisation perceptive formulées par Max Wertheimer et Wolfgang Köhler. L’organisme traite le composé $AB$ comme une entité émergente immédiatement individualisable. Dès les premiers essais d’appariement avec la nourriture, c’est cette Gestalt unifiée qui capture l’attention associative du sujet, reléguant les sous-composantes physiques à un statut subordonné.

Cette supériorité du traitement configural global a été reproduite au sein d’une variété remarquable d’espèces animales, transcendant les clivages phylogénétiques traditionnels. Des travaux expérimentaux menés sur des pigeons (Columba livia), des rongeurs de laboratoire (Rattus norvegicus), des abeilles domestiques (Apis mellifera) soumises au réflexe d’extension du proboscis, et des êtres humains confrontés à des tâches d’apprentissage prédictif sur écran d’ordinateur, ont révélé des patterns d’acquisition similaires. La convergence de ces données suggère que l’encodage unitaire des configurations d’indices sensoriels ne constitue pas une curiosité adaptative propre à une niche écologique singulière, mais représente un algorithme fondamental de traitement de l’information partagé par l’ensemble des systèmes nerveux centraux bilatériens.

6. La discrimination biconditionnelle : Le test critique de la théorie

6.1 Le paradigme biconditionnel (AB+, CD+, AC-, BD-)

Bien que les protocoles de pattern négatif et positif aient apporté des arguments de poids en faveur de l’approche unitaire, les théoriciens élémentaristes pouvaient encore tenter de préserver leurs modèles en ajustant manuellement les paramètres de leurs unités configurale hypothétiques. Conscient de cette échappatoire, John Pearce et ses collègues de l’Université de Cardiff ont élaboré un banc d’essai expérimental infiniment plus contraignant, conçu spécifiquement pour rendre totalement caduque toute tentative de sauvetage élémentaire : la discrimination biconditionnelle.

Le protocole de discrimination biconditionnelle mobilise quatre stimuli distincts, habituellement désignés par les lettres $A$, $B$, $C$ et $D$. Ces stimuli sont systématiquement présentés aux sujets expérimentaux sous la forme de quatre dyades composées distinctes selon un plan factoriel parfaitement croisé et équilibré :

$$AB+ \quad \text{et} \quad CD+$$

$$AC- \quad \text{et} \quad BD-$$

La rigueur architecturale de ce paradigme réside dans la neutralisation absolue de la valeur informative individuelle portée par chaque élément constitutif pris isolément.

Examinons attentivement la contingence associative attachée à chaque signal élémentaire au cours d’une session expérimentale complète :

• Le stimulus $A$ apparaît dans le composé renforcé $AB+$, mais il apparaît à fréquence strictement égale dans le composé non renforcé $AC-$. Sa probabilité brute d’association avec le renforçateur est donc exactement de $p(SI mid A) = 0{,}5$.
• Le stimulus $B$ est renforcé dans $AB+$, mais éteint dans $BD-$, conférant une probabilité $p(SI mid B) = 0{,}5$.
• De manière rigoureusement identique, le stimulus $C$ est renforcé dans $CD+$ et éteint dans $AC-$, tandis que le stimulus $D$ est renforcé dans $CD+$ et éteint dans $BD-$, présentant chacun une probabilité de renforcement $p = 0{,}5$.

Aucun stimulus élémentaire ne possède donc la moindre valeur prédictive intrinsèque concernant la survenue du renforçateur inconditionnel. La tâche interdit formellement toute stratégie analytique basée sur la sommation de forces associatives positives ou négatives attachées aux indices individuels.

6.2 Résultats expérimentaux obtenus par John Pearce et ses collaborateurs

La réalisation expérimentale de ce protocole chez l’animal a constitué un tournant empirique décisif. Dans une série d’études remarquables conduites à la fin des années 1980 et tout au long des années 1990, Pearce et ses collaborateurs ont soumis des pigeons à cette tâche complexe en utilisant des stimuli visuels géométriques projetés sur des touches translucides ou des ensembles de sons et de motifs spatiaux. Les résultats expérimentaux ont balayé les doutes : les sujets animaux parviennent sans ambiguïté à maîtriser cette discrimination biconditionnelle, apprenant à picorer activement en réponse aux configurations $AB$ et $CD$, tout en inhibant remarquablement leurs réponses face aux configurations $AC$ et $BD$.

L’analyse détaillée des profils d’apprentissage a révélé des régularités quantitatives fascinantes concernant les taux d’erreurs commis au fil des blocs d’essais. Pearce a démontré que le niveau d’interférence et d’hésitation comportementale manifesté par l’animal n’est pas aléatoire : il est directement proportionnel au degré de ressemblance physique croisée entre les configurations composées. Si les stimuli constitutifs sont modifiés expérimentalement le long d’un continuum perceptif (par exemple en faisant varier la longueur d’onde de la lumière ou la fréquence de tonalité des signaux acoustiques), la vitesse d’acquisition de la discrimination et l’ampleur des erreurs de fausse alarme sur $AC$ et $BD$ épousent scrupuleusement les valeurs prédites par les équations de similarité configurale.

Ces données expérimentales ont mis en échec frontal les modèles élémentaires standards. Dans le cadre du modèle de Rescorla-Wagner traditionnel, la force associative nette de chaque composé s’exprime par la somme de ses éléments :

$$V_{AB} = V_A + V_B, \quad V_{CD} = V_C + V_D, \quad V_{AC} = V_A + V_C, \quad V_{BD} = V_B + V_D$$

Puisque chaque élément subit une histoire de renforcement rigoureusement identique à $50,%$, les équations élémentaires contraignent toutes les valeurs $V_A, V_B, V_C, V_D$ à converger vers une valeur strictement indiscernable. Le modèle de Rescorla-Wagner prédit donc formellement une force associative identique pour les quatre composés, statuant que la discrimination biconditionnelle est fondamentalement insoluble pour un système associatif. Le fait que les pigeons résolvent aisément cette tâche a apporté la démonstration définitive qu’un traitement associatif purement élémentaire est incapable de décrire la cognition animale.

6.3 Interprétation théorique des représentations configuratives

Pour le modèle configural unitaire, la discrimination biconditionnelle ne présente aucune singularité logique mystérieuse : elle s’interprète comme l’apprentissage simultané de quatre configurations globales distinctes dans un espace perceptif à quatre pôles. Le sujet forme quatre représentations internes unifiées et stables :

$$R(AB), \quad R(CD), \quad R(AC), \quad \text{et} \quad R(BD)$$

Ces quatre représentations acquièrent des forces associatives directes distinctes sous l’influence directe de leurs contingences de renforcement respectives. Les dyades $AB$ et $CD$ acquièrent directement une force excitatrice propre ($V_{AB} \rightarrow \lambda$ et $V_{CD} \rightarrow \lambda$), tandis que les dyades $AC$ et $BD$ acquièrent directement une force inhibitrice propre ($V_{AC} < 0$ et $V_{BD} < 0$).

La difficulté apparente de la tâche réside exclusivement dans l’interférence de généralisation générée par les éléments communs partagés deux à deux par les configurations. Si l’on calcule l’indice de similarité entre la configuration cible $AB$ et la configuration concurrente $AC$ selon la règle unitaire de 1987, les deux stimuli partagent un élément commun ($A$) sur deux éléments constitutifs totaux :

$$_{AC}S_{AB} = \frac{N_C}{N_{AC}} = \frac{1}{2} = 0{,}5$$

Ainsi, la configuration $AB$ projette la moitié de son excitation vers $AC$ et la moitié vers $BD$ (via l’élément partagé $B$). Symétriquement, la configuration $CD$ projette la moitié de son excitation vers $AC$ (via l’élément $C$) et vers $BD$ (via l’élément $D$).

Le système converge vers une résolution stable dès lors que les forces inhibitrices directes accumulées par $AC$ et $BD$ deviennent exactement assez puissantes pour compenser l’excitation massive issue de la généralisation croisée depuis $AB$ et $CD$. La discrimination biconditionnelle valide ainsi l’hypothèse centrale de Pearce : le cerveau traite les configurations d’indices comme des modules holistiques fonctionnels capables d’acquérir une charge associative autonome tout en interagissant au travers d’un maillage mathématique de similarités partagées.

7. Le décrément de généralisation et les expériences de transfert

7.1 L’effet d’addition et de soustraction d’éléments

Parmi les protocoles expérimentaux les plus minutieusement conçus par John Pearce pour tester les prédictions différentielles des théories élémentaires et configurale figurent les expériences d’addition et de soustraction de stimuli neutres après conditionnement préalable. Dans une expérience canonique de soustraction, un sujet expérimental est d’abord soumis à un conditionnement pavlovien intensif face à un composé tripartite constitué de trois stimuli sensoriels simultanés, noté $ABC$, apparié systématiquement au stimulus inconditionnel :

$$ABC+$$

Une fois la réponse conditionnée stabilisée à son asymptote, l’expérimentateur procède à une phase de test critique au cours de laquelle l’un des trois stimuli, par exemple le stimulus $C$, est retiré sans jamais avoir été associé à une contingence d’extinction. L’animal est alors testé sur le sous-composé résiduel bipartite :

$$AB$$

L’analyse sous l’angle du modèle de Rescorla-Wagner prévoit sans ambiguïté qu’au cours du conditionnement initial de $ABC$, les trois éléments se partagent l’asymptote associative selon leurs saillances relatives respectives :

$$V_A + V_B + V_C = \lambda$$

Lors de la transition vers le test sur $AB$, la force associative mobilisée par le sujet s’élève à :

$$V_{AB} = V_A + V_B$$

Puisque les valeurs $V_A$ et $V_B$ sont positives, le modèle élémentaire prédit une perte modérée de réponse proportionnelle à la fraction $V_C$ retirée, mais soutient qu’aucune perturbation de nature globale ne devrait affecter le traitement des éléments restants. Cependant, l’expérience miroir d’addition réserve une mise à l’épreuve plus redoutable encore : si l’on conditionne au préalable le composé $AB+$, puis que l’on teste l’animal en lui présentant le composé enrichi $ABC$ (où l’élément $C$ n’a jamais été présenté auparavant et ne possède donc aucune force associative, $V_C = 0$), le modèle élémentaire affirme catégoriquement que la réponse sur $ABC$ doit être rigoureusement identique à la réponse sur $AB$ :

$$V_{ABC} = V_A + V_B + V_C = V_{AB} + 0 = V_{AB}$$

Les données expérimentales recueillies par John Pearce ont réfuté cette prédiction élémentaire en démontrant l’existence systématique d’une chute massive de la réponse conditionnée lors de l’ajout d’un élément neutre : un décrément de généralisation par addition. Du point de vue de la théorie configurale de Pearce, ce résultat est une nécessité mathématique. Le composé enrichi $ABC$ constitue une configuration globale différente de la configuration originale $AB$. La similarité entre la situation de test $ABC$ et la situation d’apprentissage $AB$ s’établit selon la proportion d’éléments partagés :

$$_{ABC}S_{AB} = \frac{N_{AB}}{N_{ABC}} = \frac{2}{3} \approx 0{,}67$$

L’animal ne transfère donc que les deux tiers de la force associative accumulée sur $AB$, déclenchant une diminution comportementale d’un tiers de la réponse. La mise en évidence empirique de ce décrément provoqué par l’adjonction d’un signal totalement neutre constitue un argument expérimental décisif contre la sommation linéaire élémentaire.

7.2 Expériences de transfert après apprentissage discriminatif

Pour approfondir la caractérisation de cette métrique perceptive, Pearce et son équipe ont étendu leurs investigations aux protocoles de transfert consécutifs à des apprentissages discriminatifs complets. Dans ce type d’architecture expérimentale, les sujets sont d’abord entraînés à discriminer deux composés de complexité variable, par exemple un composé renforcé $AB+$ opposé à un composé non renforcé $C-$. À l’issue de cette phase préparatoire, les expérimentateurs mesurent la généralisation comportementale de la réponse acquise non seulement vers les éléments constitutifs isolés, mais vers une batterie de composés inédits synthétisant de nouvelles permutations d’éléments familiers et non familiers (par exemple les combinaisons $AD$, $BD$, $AC$, ou $BC$).

Ces protocoles de transfert permettent de cartographier avec une précision remarquable le gradient de généralisation le long de dimensions physiques continues et de tester la transitivité des règles de similarité formulées par Pearce. Les résultats observés ont systématiquement mis en lumière que l’amplitude du gradient de réponse conditionnée ne dépend pas de la valeur associative absolue préexistante des sous-composants pris individuellement, mais est gouvernée de bout en bout par la distance géométrique et le ratio de similarité reliant la nouvelle configuration globale au prototype mémorisé.

Ces mesures de transfert ont confirmé de manière univoque la loi de proportionnalité postulée par Pearce : plus la proportion d’éléments partagés entre le composé de test et le composé conditionné d’origine est importante par rapport à la taille totale de l’ensemble d’éléments activés, plus la magnitude de la réponse conditionnée mesurée chez l’animal approche fidèlement celle observée face au stimulus d’entraînement originel. La théorie configurale a ainsi démontré sa capacité prédictive supérieure pour modéliser le transfert analogique d’apprentissage d’un contexte sensoriel vers un autre.

7.3 Le phénomène du ‘Peak Shift’ revisité

L’un des succès théoriques les plus remarquables de la théorie configurale de Pearce réside dans sa réinterprétation novatrice du phénomène classique de déplacement du pic de réponse, universellement désigné sous le terme de peak shift. Découvert initialement par Norman Guttman et Harry Kalish en 1956 chez le pigeon, ce phénomène se manifeste lorsqu’un sujet est soumis à une discrimination intrapolatoire entre deux stimuli conditionnels très proches situés sur une même dimension physique continue (telle que la longueur d’onde lumineuse) : un stimulus renforcé ($S+$) et un stimulus non renforcé ($S-$). Lors d’un test ultérieur de généralisation balayant l’ensemble du spectre de la dimension, le pic maximal de réponse conditionnée de l’animal ne se situe pas sur le stimulus renforcé $S+$, mais se trouve décalé vers une valeur de stimulus située à l’opposé de $S-$.

L’explication historique élémentaire, formulée magistralement par Kenneth Spence en 1937, postulait que ce déplacement résulte de l’interaction mécanique soustractive entre deux gradients de force associative élémentaire indépendants se propageant le long de la dimension physique : un gradient excitateur gaussien centré autour de $S+$ et un gradient inhibiteur gaussien centré autour de $S-$. La sommation algébrique point par point de ces deux gradients engendre un déplacement géométrique net du pic composite vers la région opposée au point inhibiteur.

John Pearce a proposé une réinterprétation radicalement configurale de ce phénomène fondamental, récusant la nécessité de postuler des gradients d’inhibition élémentaires continus le long des récepteurs périphériques. Selon Pearce, le stimulus $S+$ et le stimulus $S-$ sont appréhendés par le sujet comme deux configurations globales d’indices perceptifs. L’apprentissage discriminatif confère à la configuration $S+$ une force associative excitatrice directe $V_{S+}$, tandis que la configuration $S-$ acquiert une force associative inhibitrice directe $V_{S-}$. Lorsqu’un stimulus de test inédit $S_{test}$ est projeté, sa force associative totale dépend de sa double ressemblance envers $S+$ et envers $S-$ :

$$\bar{V}_{test} = ({_{test}S_{S+}} \times V_{S+}) + ({_{test}S_{S-}} \times V_{S-})$$

Or, pour un stimulus de test situé immédiatement au-delà de $S+$ (dans la direction opposée à $S-$), bien que sa similarité avec $S+$ soit légèrement inférieure à celle de $S+$ avec lui-même, sa distance perceptive envers la configuration inhibitrice $S-$ augmente de manière beaucoup plus drastique. La décrue spectaculaire de l’inhibition généralisée depuis $S-$ libère l’expression motrice du comportement, conférant à ce stimulus inédit une valeur prédictive nette $\bar{V}_{test}$ mathématiquement supérieure à celle de $S+$ lui-même. La théorie de Pearce rend ainsi compte du peak shift sans recourir aux postulats spenciens traditionnels, en le rattachant directement aux lois fondamentales de la similarité configurale.

8. Débats contradictoires : Modèle de Pearce versus Modèle Élémentaire Modifié

8.1 La riposte élémentaire : Wagner et le modèle SOP / AESOP

Face au défi théorique majeur et aux succès expérimentaux éclatants accumulés par John Pearce à Cardiff, l’école élémentariste n’est pas restée passive. Sous la houlette d’Allan R. Wagner à l’Université Yale, l’un des théoriciens de l’apprentissage les plus influents du XXe siècle, une contre-offensive intellectuelle d’envergure s’est déployée à travers le développement et le perfectionnement des modèles SOP (Standard Operating Procedures) et AESOP (Affective Extension of SOP), culminant dans la formulation du modèle des éléments remplacés (Replaced-Elements Model, REM).

Wagner a refusé d’abandonner le principe fondamental de l’analyse élémentaire, soutenant qu’il était possible d’intégrer les phénomènes dits configuraux sans renoncer à la décomposition en composantes discrètes. Pour répondre aux critiques de Pearce sur le caractère artificiel des unités configurale de Rescorla, Wagner a proposé un substrat computationnel sophistiqué basé sur un traitement distribué en micro-éléments. Dans le modèle REM, tout stimulus $A$ est conceptualisé comme une population de micro-éléments représentatifs. Lorsqu’un stimulus $A$ est présenté conjointement avec un stimulus $B$ pour former le composé $AB$, l’interaction perceptive mutuelle provoque un phénomène de remplacement : une proportion déterminée des micro-éléments constitutifs de $A$ et de $B$ reste inchangée (éléments conservés), tandis qu’une autre fraction est inhibée ou altérée pour être remplacée par des micro-éléments configuraux uniques engendrés par la co-activation des récepteurs sensoriels.

Cette approche permettait à Wagner de préserver le mécanisme central de la sommation linéaire et de l’erreur de prédiction globale de Rescorla-Wagner tout en modélisant une perte de force associative lors des changements de composition contextuelle. Dans la vision de Wagner, le composé $AB$ n’est pas une entité indivisible, mais un agrégat distribué comprenant des éléments propres à $A$, des éléments propres à $B$, et des éléments de conjonction $AB$. Cette sophistication architecturale offrait une flexibilité quantitative accrue, capable d’ajuster les prédictions élémentaires aux discriminations non linéaires tout en maintenant le dogme de l’associationnisme analytique classique.

8.2 Expériences discriminantes conçues pour trancher le débat

La rivalité intellectuelle entre le modèle configural unitaire de Pearce et les modèles élémentaires avancés de Wagner a impulsé une décennie d’une rare intensité méthodologique au sein de la psychologie animale internationale. Des protocoles expérimentaux d’une virtuosité technique exceptionnelle ont été élaborés afin de concevoir des « épreuves cruciales » où les deux cadres théoriques généraient des prédictions comportementales rigoureusement divergentes et incompatibles.

Parmi ces protocoles expérimentaux majeurs figuraient les discriminations structurales à plusieurs niveaux d’éléments. L’une des expériences canoniques opposait l’apprentissage d’un système asymétrique de type :

$$A+ \quad \text{vs} \quad AB-$$

confronté à un schéma de type :

$$ABC+ \quad \text{vs} \quad ABCD-$$

Selon le modèle élémentaire à micro-éléments de Wagner, l’apprentissage de la discrimination devient progressivement plus difficile à mesure que la taille du composé augmente, car la proportion relative d’éléments informatifs par rapport à la masse totale des micro-éléments non discriminants diminue mécaniquement. À l’inverse, selon le formalisme de similarité de Pearce, la vitesse d’apprentissage dépend exclusivement de la distance relative entre les deux configurations unitaires calculée par le rapport des éléments partagés. Si le ratio de similarité $_{AB}S_A$ est identique au ratio $_{ABCD}S_{ABC}$, Pearce prédit des cinétiques d’acquisition parfaitement superposables.

Ces controverses expérimentales ont également mobilisé des analyses chronométriques ultra-précises de la latence des premières réponses motrices et de la distribution des temps de réaction opérants. Les résultats expérimentaux issus de ces joutes de laboratoire n’ont pas apporté un plébiscite exclusif et monolithique pour un camp unique, mais ont régulièrement montré que dans des conditions où les stimuli sont spatialement contigus et temporellement synchrones, les données comportementales réelles s’alignent avec une précision remarquable sur les prédictions mathématiques déduites du modèle holistique de Pearce.

8.3 Limites reconnues du modèle original de Pearce (1987)

En dépit de sa remarquable puissance théorique et de son indéniable élégance formelle, le modèle original publié par John Pearce en 1987 n’était pas exempt de certaines limitations mathématiques et empiriques que le chercheur gallois a lui-même loyalement documentées. La faiblesse la plus notable de la version initiale concernait sa difficulté à rendre compte fidèlement de situations d’apprentissage caractérisées par des asymétries de saillance physique extrêmes entre les composantes d’un même ensemble.

Lorsque le composé associait un stimulus de très haute intensité (par exemple un flash stroboscopique aveuglant) et un stimulus de très faible magnitude sensorielle (par exemple un souffle d’air discret), les équations de similarité basées sur le comptage discret d’unités ($N_C / N_A$) montraient des défaillances prédictives. Le modèle avait tendance à sous-estimer la capacité du sujet à extraire et à discriminer l’élément faible dans certaines conditions de masquage partiel prolongé. De plus, dans certaines discriminations élément-composé persistantes menées sur des centaines de blocs d’essais, certains animaux montraient une capacité résiduelle à répondre aux composantes analytiques d’une manière qui suggérait que le système perceptif n’abandonne jamais totalement la possibilité d’un traitement local.

Ces anomalies empiriques ont mis en exergue une contrainte inhérente à la formulation de 1987 : la règle de similarité originelle était conceptuellement rigide et mathématiquement bornée. Elle traitait chaque élément sensoriel comme une entité discrète équivalente (valant 1 dans le comptage), ce qui s’avérait une approximation trop simplificatrice face à la complexité continue des signaux sensoriels biologiques. Une révision structurelle de l’édifice mathématique de la similarité configurale s’imposait donc pour affiner l’approche et répondre aux contre-attaques de l’école élémentariste.

9. La révision du modèle : Pearce (1994) et la similarité configurale avancée

9.1 Modifications conceptuelles de la règle de similarité

Conscient des limites formelles de son premier opus, John Pearce a publié en 1994, à nouveau dans la Psychological Review, une refonte mathématique majeure de sa théorie unitaire : le modèle configural révisé. Cette version avancée a introduit un calcul géométrique et probabiliste considérablement raffiné pour formaliser la métrique de similarité sensorielle entre configurations composites. Pearce a abandonné le simple ratio de comptage discret pour adopter une définition matricielle plus puissante, ancrée dans la théorie de la détection du signal et les espaces vectoriels perceptifs.

Dans la formulation de 1994, la similarité entre deux configurations globales $A$ et $B$ est formellement définie comme le produit croisé des similarités de leurs composantes pondérées par leurs intensités et leurs saillances continues respectives. La similarité configurale avancée entre deux patterns composites $AB$ et $AC$ est exprimée par l’équation symétrique :

$$_{AB}S_{AC} = \frac{N_C}{\sqrt{N_{AB} \times N_{AC}}} \times \frac{N_C}{\sqrt{N_{AB} \times N_{AC}}} = \frac{N_C^2}{N_{AB} \times N_{AC}}$$

Cette redéfinition mathématique a permis d’éliminer immédiatement l’asymétrie non intuitive présente dans la version de 1987, garantissant que la similarité de $A$ envers $B$ devienne rigoureusement congruente à la similarité de $B$ envers $A$ dans un espace métrique euclidien régulier.

De surcroît, le modèle révisé de 1994 a intégré de manière explicite un terme continu de modulation de la saillance perceptive individuelle ($\alpha$), permettant d’ajuster dynamiquement le poids d’un élément au sein de la représentation globale selon son contraste physique et son niveau d’amplification attentionnelle. Cette avancée formelle a conféré au modèle une robustesse mathématique absolue, lui permettant de traiter sans distorsion aussi bien des stimuli binaires purs que des signaux sensoriels continus modulés en fréquence, en intensité ou en localisation spatiale.

9.2 Nouvelles prédictions expérimentales

La puissance du modèle révisé de Pearce (1994) s’est manifestée par sa capacité à formuler de nouvelles prédictions quantitatives d’une extrême précision face à des situations d’apprentissage jusqu’alors réputées inexplicables. L’un des domaines d’application les plus brillants a concerné le comportement d’animaux soumis à des discriminations structurales complexes impliquant des composés partageant des proportions variables et incrémentielles d’éléments communs, telles que les discriminations de type :

$$ABCD+ \quad \text{vs} \quad ABC E-$$

comparées à des discriminations partageant moins d’attributs communs comme :

$$AB CD+ \quad \text{vs} \quad AB EF-$$

L’équation de 1994 calcule pour chaque cas une valeur numérique exacte de transfert associatif sans nécessiter le moindre ajustement de paramètre subjectif :

• Pour la première paire, le nombre d’éléments partagés est $N_C = 3$ sur $N_{ABCD} = 4$ et $N_{ABCE} = 4$, ce qui engendre un coefficient de similarité de :

  $$S = \frac{3^2}{4 \times 4} = \frac{9}{16} = 0{,}5625$$

• Pour la seconde paire, le nombre d’éléments partagés n’est plus que $N_C = 2$, ce qui donne un coefficient de similarité substantiellement plus faible :

  $$S = \frac{2^2}{4 \times 4} = \frac{4}{16} = 0{,}25$$

Ces dérivations mathématiques ont été soumises à une validation empirique scrupuleuse au travers de dizaines de séries expérimentales conduites dans les laboratoires de l’Université de Cardiff et répliquées de façon indépendante à l’Université d’Oxford. Les vitesses de discrimination mesurées chez les sujets ont épousé les prédictions mathématiques du modèle avec une fidélité statistique remarquable, validant l’exactitude de la règle géométrique révisée pour décrire les gradients de généralisation associatifs chez les vertébrés supérieurs.

9.3 Portée théorique du modèle révisé

La révision théorique orchestrée par John Pearce en 1994 a constitué un accomplissement intellectuel de premier ordre, salué par l’ensemble de la communauté de la psychologie computationnelle et comportementale. En résolvant les écueils mathématiques de sa première mouture tout en consolidant l’intégrité de ses prémisses Gestaltistes, Pearce a définitivement établi l’approche configurale non plus comme une simple alternative contestataire face au modèle de Rescorla-Wagner, mais comme un cadre théorique universel, global et prédictif à part entière.

L’un des atouts décisifs du modèle de 1994 a été sa capacité immédiate à unifier sous une même armature conceptuelle des champs empiriques jusqu’alors cloisonnés de la psychologie animale. Pour la première fois, une théorie mathématique de l’apprentissage associatif pavlovien s’est avérée directement transposable et opérationnelle pour prédire les performances de navigation et d’apprentissage spatial, où les relations géométriques entre les repères d’un environnement constituent par excellence des configurations holistiques indivisibles.

Le modèle révisé a démontré que la psychologie de l’apprentissage n’était pas condamnée à choisir entre un associationnisme analytique rigoureux mais réducteur et un holisme perceptif riche mais souvent imprécis. En formalisant mathématiquement les lois d’organisation des formes au sein même des algorithmes de calcul de l’erreur prédictive, Pearce a conféré aux intuitions de la Gestalt psychologie la précision formelle et la validité quantitative indispensables aux exigences des sciences contemporaines du cerveau et du comportement.

10. Substrats neurobiologiques et mécanismes cérébraux de l’apprentissage configural

10.1 Le rôle critique de l’hippocampe

Parallèlement aux joutes comportementales et aux formalisations computationnelles, l’essor des neurosciences cognitives dans les années 1990 a impulsé une recherche active des substrats neuroanatomiques impliqués dans la mise en œuvre des représentations configuratives formalisées par Pearce. Les chercheurs se sont rapidement focalisés sur une structure sous-corticale majeure du système limbique des mammifères : la formation hippocampique.

Dans une série d’études neurobiologiques déterminantes menées notamment par Jerry Rudy et Robert Sutherland, la contribution de l’hippocampe a été évaluée au travers de protocoles de lésions sélectives (par voie chirurgicale, radiofréquence ou neurotoxique via l’acide iboténique) chez le rongeur. Les résultats expérimentaux ont apporté une confirmation saisissante de la dissociation fonctionnelle entre encodage élémentaire et traitement configural :

• Les rats présentant une lésion bilutérale complète de l’hippocampe demeurent parfaitement capables d’acquérir des conditionnements pavloviens élémentaires simples ($A+$ et $B+$) ainsi que des discriminations associatives simples linéaires ($A+$ versus $B-$). Leurs courbes d’apprentissage élémentaire sont strictement superposables à celles d’animaux contrôles intacts.
• En revanche, les mêmes animaux hippocampo-lésés s’avèrent structurellement incapables de résoudre les discriminations de pattern négatif ($A+$, $B+$, $AB-$) ou les discriminations biconditionnelles. Face à la présentation simultanée du composé $AB$, ils continuent indéfiniment de manifester des réponses motrices intenses, incapables d’inhiber leur comportement face à la configuration non renforcée.

Ces découvertes ont conduit Rudy et Sutherland à formuler l’hypothèse d’un « système de mémoire configurale » dépendant de l’hippocampe (Configural Association System). L’hippocampe agit physiologiquement comme un réseau de convergence où les représentations élémentaires relayées par les cortex sensoriels primaires et associatifs sont liées et fondues en une trace conjonctive unitaire et orthogonalisée (via les réseaux récurrents de la région CA3 et les cellules granulaires du gyrus denté). Les postulats unitaires de John Pearce ont ainsi trouvé une incarnation neurobiologique directe : l’hippocampe constitue le substrat anatomique chargé d’instancier les représentations unitaires globales nécessaires à la résolution des tâches que les circuits élémentaires sous-corticaux et néocorticaux ne peuvent résoudre seuls.

10.2 Le cortex périrhinal et le traitement unitaire des objets

Si l’hippocampe joue un rôle déterminant dans la conjonction d’indices spatiaux ou temporels complexes, les recherches neurophysiologiques ultérieures, menées notamment par Elisabeth Murray et Timothy Bussey, ont démontré qu’une autre structure cérébrale du lobe temporal médian joue un rôle encore plus direct dans l’encodage des configurations perceptives d’indices visuels : le cortex périrhinal.

Situé à l’interface entre les aires néocorticales sensorielles visuelles de haut niveau (le cortex inférotemporal) et les structures hippocampiques profondes, le cortex périrhinal est idéalement positionné pour opérer la synthèse perceptive d’attributs multiples en une représentation holistique unifiée d’objet. Les données neuropsychologiques recueillies chez le primate non humain et chez le rat indiquent que des lésions limitées au cortex périrhinal altèrent dramatiquement la capacité des sujets à résoudre des discriminations visuelles caractérisées par un niveau élevé d’ambiguïté de traits sensoriels (feature ambiguity) — une situation qui reproduit formellement la discrimination biconditionnelle de Pearce.

Ces recherches démontrent que le cortex périrhinal n’est pas un simple répertoire mémoriel passif, mais une structure d’intégration perceptive fonctionnant selon les principes stricts du modèle unitaire de Pearce. Lorsque des stimuli élémentaires sont présentés de manière combinée, les populations neuronales du cortex périrhinal ne codent pas l’activité séparée des attributs ; elles génèrent une décharge synchrone spécifique à la configuration visuelle globale. Ce traitement unitaire permet au système nerveux central d’attribuer une force associative unique à l’objet dans sa totalité, confirmant la pertinence écologique et neuroanatomique des équations formulées à Cardiff.

10.3 Modélisation en réseaux de neurones artificiels

L’essor fulgurant des sciences cognitives computationnelles et des réseaux de neurones artificiels a fourni un troisième niveau de validation empirique à la théorie configurale de Pearce. Les théoriciens computationnels se sont efforcés d’implémenter les équations de Pearce (1987, 1994) au sein d’architectures connexionnistes formelles multicouches (perceptrons multicouches entraînés par rétropropagation du gradient ou modèles de réseaux à fonctions de base radiale, dits RBF networks).

Ces modélisations computationnelles ont démontré une convergence algorithmique frappante entre les prédictions mathématiques de Pearce et le fonctionnement dynamique des couches cachées (hidden layers) au sein des réseaux de neurones distribués. Dans un réseau connexionniste entraîné sur des tâches de pattern négatif ou de discrimination biconditionnelle, les unités neuronales intermédiaires apprennent spontanément à développer des champs récepteurs non linéaires correspondant à l’intersection logique des entrées sensorielles. Ces nœuds cachés se comportent de manière fonctionnellement identique aux représentations configuratives unitaires postulées par Pearce.

De plus, l’implémentation de calculs locaux de similarité configurale basés sur la distance euclidienne ou le cosinus de similarité vectorielle a permis de simuler avec un réalisme saisissant les gradients de transfert associatif et le décrément de généralisation observés chez l’animal vivant. Cette concordance computationnelle prouve que le modèle de Pearce ne constitue pas seulement une description heuristique abstraite du comportement animal, mais formalise avec une justesse rigoureuse les contraintes d’optimisation mathématique qui pèsent sur tout système de traitement adaptatif de l’information confronté à des environnements statistiques complexes.

11. Extensions et applications contemporaines de la théorie configurale

11.1 L’apprentissage spatial et la navigation chez l’animal

L’une des extensions les plus fécondes et les plus spectaculaires de la théorie unitaire de John Pearce s’est déployée dans le domaine de la cognition spatiale et de la navigation chez l’animal. Traditionnellement, l’apprentissage spatial était abordé sous l’angle du concept de « carte cognitive » élémentaire forgé par Edward Tolman et actualisé par John O’Keefe et Lynn Nadel suite à la découverte des cellules de lieu hippocampiques. Dans ce paradigme analytique, l’animal navigue en calculant des vecteurs de positionnement géométrique par rapport à des repères spatiaux discrets considérés comme des signaux conditionnels élémentaires isolés (arbres, poteaux, panneaux lumineux).

John Pearce et ses doctorants ont profondément bouleversé cette perspective en appliquant les principes de la théorie configurale à la navigation spatiale au sein de l’arène circulaire du labyrinthe aquatique de Morris. Pearce a confronté des rats à des environnements natatoires où la plateforme de sauvetage immergée était masquée et où l’orientation spatiale dépendait soit de repères discrets disséminés sur le pourtour de la cuve, soit de la structure géométrique globale de la pièce d’entraînement (formes polygonales, rectangulaires ou trapézoïdales des parois).

Les résultats de ces expériences ont démontré de manière sans appel que les rongeurs traitent spontanément la forme de l’environnement comme une Gestalt globale plutôt que comme une collection de surfaces planes ou d’angles indépendants :

• Lorsque la configuration géométrique de la pièce est déformée (par exemple en étirant un rectangle pour former un parallélogramme), les animaux manifestent un décrément de généralisation spatial massif.
• Ce décrément est rigoureusement identique dans son amplitude mathématique à celui prédit par l’équation de similarité configurale de 1994, attestant que la métrique de transfert unitaire régit aussi bien l’apprentissage des scènes géométriques complexes que celui des stimuli acoustico-visuels élémentaires.

11.2 L’apprentissage des catégories et concepts chez l’humain

Bien que forgée initialement dans le cadre du conditionnement animal en laboratoire, la théorie de l’apprentissage configural de Pearce a exercé un impact considérable sur la psychologie cognitive humaine, en particulier dans la modélisation de l’apprentissage des catégories et de la formation des concepts abstraits. Durant des décennies, un débat conceptuel d’envergure a opposé les théories basées sur les prototypes (qui postulent que l’humain abstrait une moyenne mathématique abstraite des attributs de chaque catégorie) et les théories basées sur les exemplaires (qui soutiennent que l’humain mémorise des représentations individuelles concrètes de chaque objet rencontré).

Les formalismes computationnels de John Pearce ont fourni un cadre formel décisif pour affiner les modèles d’exemplaires, dont le modèle classique de contexte généralisé (Generalized Context Model, GCM) développé par Robert Nosofsky. La fonction de similarité configurale de Pearce s’est avérée mathématiquement supérieure pour rendre compte de la manière dont les sujets humains classent de nouveaux spécimens au sein de catégories visuelles complexes présentant des structures de corrélation non linéaires (telles que le diagnostic médical, la taxonomie botanique ou la reconnaissance d’empreintes digitales).

Une application contemporaine majeure concerne la psychologie cognitive de la reconnaissance des visages et des scènes visuelles d’ensemble. Il est expérimentalement établi que le système visuel humain traite les visages de manière profondément holistique : l’altération de l’espacement entre le nez et la bouche modifie instantanément la perception d’ensemble des yeux et du menton. Les algorithmes de modélisation unitaire inspirés de Pearce parviennent à simuler avec une fidélité impressionnante l’effet d’inversion des visages et les illusions d’identité composites (effet composite de Young, Hellawell et Hay), confirmant que l’encodage d’objets sociaux chez l’être humain obéit aux lois de l’intégration configurale unifiée.

11.3 Psychopathologie expérimentale et thérapies cognitives

L’édifice théorique érigé par John Pearce a trouvé des résonances profondes et hautement pragmatiques dans le champ de la psychopathologie expérimentale contemporaine, en particulier dans la conceptualisation étiologique et le traitement clinique des troubles anxieux, des phobies spécifiques et du syndrome de stress post-traumatique (SSPT).

Dans la genèse du stress post-traumatique, les patients manifestent fréquemment des phénomènes d’hypergénéralisation de la peur conditionnée : un stimulus anodin du quotidien (par exemple le bruit d’un pot d’échappement dans une rue passante) déclenche une réminiscence traumatique et une terreur panique intenses. L’approche configurale permet d’analyser cette pathologie sous un jour nouveau :

• Le patient traumatisé souffre d’une défaillance du traitement unitaire des contextes environnementaux, souvent liée à des altérations structurales ou fonctionnelles hippocampiques consécutives à un stress toxique prolongé.
• Incapable d’encoder la scène traumatique initiale comme une configuration singulière, complexe et contextualisée, le sujet réagit au moindre micro-élément sensoriel isolé partagé avec l’événement tragique d’origine.

Sur le plan psychothérapeutique, le modèle de Pearce éclaire d’une manière critique les mécanismes sous-tendant le retour indésirable de la peur après des thérapies comportementales d’exposition (extinction). Il est empiriquement documenté que lorsqu’une phobie est éteinte avec succès au sein du cabinet feutré d’un psychologue (contexte $A$), la réémergence de la peur est fréquente dès que le patient est confronté à nouveau à l’objet phobogène dans son environnement naturel (contexte $B$). Ce phénomène, connu sous le nom de « renouvellement contextuel » (renewal), s’explique directement selon Pearce par un décrément de généralisation de l’extinction :

$$\bar{V}_{\text{phobie}} = {_{\text{contexte } B}S_{\text{contexte } A}} \times V_{\text{extinction}}$$

La rupture de la configuration contextuelle neutralise le transfert de l’inhibition protectrice acquise en thérapie. Forts de cette compréhension computationnelle, les thérapeutes cognitivo-comportementaux optimisent aujourd’hui leurs protocoles d’exposition en diversifiant systématiquement les configurations de stimuli, les environnements et les indices contextuels durant les séances d’entraînement afin d’élargir le spectre de similarité configurale et de prémunir durablement les patients contre le risque de rechute.

12. Évaluation critique, synthèse théorique et perspectives de recherche

12.1 La querelle élémentaire-configurale : État des lieux actuel

Au terme de près de quatre décennies de controverses théoriques et d’investigations expérimentales minutieuses, la querelle historique opposant les tenants de l’approche élémentaire aux partisans du paradigme configural a atteint un stade de maturité épistémologique particulièrement fécond. Aujourd’hui, la communauté scientifique internationale s’accorde largement à reconnaître que la vision d’une dichotomie radicale et exclusive entre ces deux modèles constituait une simplification heuristique transitoire. La réalité cognitive et biologique semble s’incarner dans des modèles hybrides et intégrés, dits modèles à double traitement (dual-processing models).

Des théoriciens contemporains de l’apprentissage associatif ont démontré que le cerveau des vertébrés supérieurs abrite des architectures computationnelles parallèles capables d’alterner dynamiquement entre un mode de traitement élémentaire analytique et un mode de traitement configural holistique. Le basculement préférentiel vers l’une ou l’autre de ces stratégies dépend étroitement de contraintes écologiques, métaboliques et cognitives spécifiques :

• La saillance relative et la proximité spatio-temporelle des indices favorisent la fusion configurale unifiée lorsque les stimuli sont présentés de manière contiguë et compacte.
• La charge cognitive globale imposée à l’organisme, la nature des exigences discriminatives de l’environnement, ainsi que le niveau d’entraînement attentionnel jouent un rôle pivot dans la sélection de la stratégie de traitement.

L’attention sélective, telle que modélisée par Nick Mackintosh et John Pearce lui-même dans leurs théories attentionnelles respectives, agit comme un filtre modulateur puissant : lorsque la tâche impose de focaliser les ressources cognitives sur un attribut invariant isolé, le système neural peut inhiber temporairement la synthèse configurale globale pour privilégier l’extraction élémentaire locale, et inversement.

12.2 L’héritage intellectuel et expérimental de John Pearce

La contribution monumentale de John M. Pearce à la psychologie scientifique et aux neurosciences comportementales dépasse largement le strict cadre de la modélisation de l’apprentissage associatif. L’héritage de Pearce se caractérise d’abord par une exigence méthodologique intransigeante et une élégance formelle hors du commun dans la conception des plans expérimentaux. Ses protocoles de discriminations structurales complexes et ses métriques de transfert de similarité constituent aujourd’hui des canons méthodologiques universellement enseignés et répliqués dans les laboratoires de neurobiologie du monde entier.

Pearce a réussi le tour de force de transformer durablement le paradigme de la psychologie de l’apprentissage en faisant voler en éclats le carcan du behaviorisme élémentaire dogmatique qui assimilait l’esprit animal à un simple faisceau de réflexes additifs. En introduisant des lois mathématiques de structure Gestaltiste au cœur des mécanismes du conditionnement classique, il a réconcilié la rigueur quantitative de l’école pavlovienne anglo-saxonne avec la profondeur phénoménologique de la psychologie continentale de la forme.

Son influence sur les neurosciences cognitives computationnelles modernes demeure immense. Des algorithmes modernes d’apprentissage profond (deep learning) aux architectures bio-inspirées dédiées à la robotique autonome, les équations différentielles de similarité configurale formulées à Cardiff constituent l’une des fondations théoriques les plus solides pour concevoir des machines capables de percevoir le monde non pas comme une juxtaposition de pixels numériques froids, mais comme une symphonie cohérente d’entités globales dotées de sens adaptatif.

12.3 Perspectives et frontières de recherche future

À l’aube des décennies futures, les perspectives ouvertes par l’expérience d’apprentissage configural de Pearce s’annoncent particulièrement vastes et stimulantes. L’un des fronts de recherche les plus prometteurs réside dans l’intégration explicite des principes de similarité configurale au sein des algorithmes modernes d’apprentissage par renforcement (Reinforcement Learning) et des modèles de contrôle prédictif basés sur l’énergie libre et le codage prédictif (predictive coding). La formalisation mathématique de la manière dont les configurations d’états environnementaux réduisent dynamiquement l’entropie représentationnelle représente un défi d’avant-garde aux confluents des mathématiques appliquées, de l’intelligence artificielle et de la physique statistique.

Parallèlement, les progrès vertigineux de la neuro-imagerie fonctionnelle à haute résolution spatio-temporelle (IRMf à ultra-haut champ à 7 Teslas et plus) et des techniques d’enregistrement optogénétique in vivo chez l’animal éveillé offrent l’opportunité inédite de visualiser directement le décours temporel de la synthèse configurale au sein des ensembles synaptiques du lobe temporal. Les neuroscientifiques sont aujourd’hui en mesure de suivre en temps réel la manière dont les assemblées de neurones corticaux et hippocampiques fusionnent des signaux sensoriels hétéroclites en une représentation unitaire stable au fur et à mesure que la valeur prédictive de la configuration se cristallise dans les circuits de la mémoire épisodique.

L’expérience d’apprentissage configural initiée par John Pearce demeure l’une des plus fascinantes démonstrations de la capacité de l’esprit scientifique à transcender les fausses évidences du réductionnisme linéaire. En démontrant que la perception globale du monde façonne la mécanique la plus intime de nos associations prédictives, John Pearce a durablement ancré la psychologie de l’apprentissage au rang des sciences nobles de la complexité cognitive.

Références

• Bussey, T. J., & Saksida, L. M. (2002). The organization of visual object representations: A neurocomputational account of effects of damage to the perirhinal cortex. European Journal of Neuroscience, 15(2), 355-364. https://doi.org/10.1046/j.0953-816x.2001.01851.x
• Garner, W. R. (1974). The Processing of Information and Structure. Lawrence Erlbaum Associates.
• Guttman, N., & Kalish, H. I. (1956). Discriminability and stimulus generalization. Journal of Experimental Psychology, 51(1), 79-88. https://doi.org/10.1037/h0046219
• Mackintosh, N. J. (1975). A theory of attention: Variations in the associability of stimuli with reinforcement. Psychological Review, 82(4), 276-298. https://doi.org/10.1037/h0076778
• Nosofsky, R. M. (1986). Attention, similarity, and the identification-categorization relationship. Journal of Experimental Psychology: General, 115(1), 39-61. https://doi.org/10.1037/0096-3445.115.1.39
• Pearce, J. M. (1987). A model for stimulus generalization in Pavlovian conditioning. Psychological Review, 94(1), 61-73. https://doi.org/10.1037/0033-295X.94.1.61
• Pearce, J. M. (1994). Similarity and discrimination: A selective review and a connectionist model. Psychological Review, 101(4), 587-607. https://doi.org/10.1037/0033-295X.101.4.587
• Pearce, J. M. (2002). Evaluation and development of a connectionist theory of configural learning. Animal Learning & Behavior, 30(2), 73-95. https://doi.org/10.3758/BF03192911
• Pearce, J. M., & Redhead, E. S. (1993). The influence of an irrelevant stimulus on configural conditioning. Journal of Experimental Psychology: Animal Behavior Processes, 19(2), 180-190. https://doi.org/10.1037/0097-7403.19.2.180
• Rescorla, R. A. (1972). « Configural » conditioning in discrete-trial bar pressing. Journal of Comparative and Physiological Psychology, 79(2), 307-317. https://doi.org/10.1037/h0032585
• Rescorla, R. A., & Wagner, A. R. (1972). A theory of Pavlovian conditioning: Variations in the effectiveness of reinforcement and nonreinforcement. In A. H. Black & W. F. Prokasy (Eds.), Classical Conditioning II: Current Research and Theory (pp. 64-99). Appleton-Century-Crofts.
• Rudy, J. W., & Sutherland, R. J. (1995). Configural association theory and the hippocampus: New data and alternatives. Hippocampus, 5(5), 375-389. https://doi.org/10.1002/hipo.450050502
• Spence, K. W. (1937). The differential response in animals to stimuli varying within a single dimension. Psychological Review, 44(5), 430-444. https://doi.org/10.1037/h0062885
• Wagner, A. R. (1981). SOP: A model of automatic memory processing in animal behavior. In N. E. Spear & R. R. Miller (Eds.), Information Processing in Animals: Memory Mechanisms (pp. 5-47). Lawrence Erlbaum Associates.
• Wagner, A. R. (2003). Context-sensitive elemental conditioning. In S. B. Klein & R. R. Mowrer (Eds.), Contemporary Learning Theories (pp. 111-137). Psychology Press.
• Young, A. W., Hellawell, D., & Hay, D. C. (1987). Configural information in face perception. Perception, 16(6), 747-759. https://doi.org/10.1068/p160747