Au croisement de la neurobiologie computationnelle, de la biomécanique et de la psychophysique cognitive se trouve l’un des accomplissements expérimentaux les plus déterminants du XXe siècle : la découverte du codage par population au sein du cortex moteur primaire, formulée et démontrée par le neurophysiologiste Apostolos Georgopoulos et ses collaborateurs au début des années 1980. Pendant plus d’un siècle, l’investigation scientifique du système nerveux central a oscillé entre deux écueils théoriques majeurs : d’une part, un localisationnisme réducteur postulant que des neurones individuels agissent comme des déclencheurs stricts d’actes élémentaires, et d’autre part, un holisme diffus incapable d’isoler des algorithmes précis de calcul neural. L’élucidation des mécanismes par lesquels le cerveau transforme une intention spatiale abstraite en une trajectoire motrice coordonnée constituait une aporie que les cartographies classiques ne parvenaient pas à dissiper.
En introduisant une rigueur mathématique sans précédent dans l’enregistrement de l’activité unitaire de populations neuronales chez le primate non humain éveillé, Georgopoulos a bouleversé la vision prévalente de l’aire motrice primaire (M1). Alors que les théories dominantes cherchaient à corréler l’activité de chaque cellule corticale à la contraction de muscles spécifiques ou à des forces articulaires isolées dans un repère intrinsèque, l’équipe de Georgopoulos a mis en lumière l’existence d’une représentation vectorielle continue de la cinématique spatiale extrinsèque. Ce modèle a démontré que la direction du mouvement d’un membre dans l’espace n’est pas codée par la sélection exclusive de neurones dédiés à des angles précis, mais découle de l’activité collective, distribuée et pondérée d’une vaste population de cellules présentant une syntonisation directionnelle étendue.
Cette percée a redéfini le rôle du cortex moteur, qui est passé du statut de simple tableau de distribution électromécanique à celui d’organe computationnel sophistiqué capable d’opérations géométriques et d’anticipations cognitives. Du décryptage de la rotation mentale à la naissance des interfaces cerveau-machine contemporaines, le concept de « vecteur de population » a jeté les bases des neurosciences computationnelles modernes. Cet article explore de manière exhaustive la genèse théorique, le raffinement méthodologique, la portée mathématique, les controverses et la postérité scientifique de cette révolution expérimentale.
1. Introduction historique et fondements neurophysiologiques du cortex moteur
1.1 Évolution des théories de la commande motrice corticale
L’exploration scientifique du contrôle moteur cérébral trouve ses racines modernes dans les expérimentations pionnières d’Eduard Fritsch et d’Eduard Hitzig en 1870. En appliquant de faibles courants galvaniques sur le cortex cérébral de chiens non anesthésiés, ces chercheurs ont démontré pour la première fois que la stimulation de régions antérieures circonscrites provoquait des mouvements musculaires reproductibles du côté controlatéral du corps. Cette découverte fondatrice a infirmé le dogme d’un cortex cérébral inexcitable et fonctionnellement homogène soutenu par Pierre Flourens, inaugurant l’ère de la localisation motrice. Ces travaux furent rapidement étendus par David Ferrier chez les primates, puis affinés au milieu du XXe siècle par le neurochirurgien Wilder Penfield. Grâce à des stimulations peropératoires chez des patients épileptiques éveillés, Penfield a immortalisé l’« homonculus moteur », une représentation somatotopique ordonnée le long du gyrus précentral, suggérant une correspondance spatiale directe entre les zones corticales et les différents groupes musculaires périphériques.
Cependant, cette cartographie descriptive laissait béante une interrogation fondamentale qui allait diviser la communauté neurophysiologique durant des décennies : que contrôle réellement le cortex moteur ? Deux grandes doctrines se sont affrontées. La première, dite « musculaire » ou réductionniste, postulait que le cortex moteur primaire agit comme un clavier d’effecteurs élémentaires, chaque colonne corticale dictant l’amplitude de force ou le niveau d’activation de muscles spécifiques dans un repère articulaire intrinsèque. La seconde, d’essence plus intégrative et défendue notamment par des physiologistes tels que Charles Sherrington et Hughlings Jackson, avançait que le cortex programme des « mouvements » et non des « muscles », c’est-à-dire des synergies cinématiques dirigées vers un but spatial extrinsèque.
L’avènement de l’électrophysiologie unitaire chez l’animal éveillé, initiée par Edward Evarts dans les années 1960 au sein des National Institutes of Health (NIH), a permis de tester ces hypothèses au niveau cellulaire. En enregistrant les potentiels d’action de neurones corticaux individuels pendant que des singes entraînés effectuaient des flexions et extensions du poignet contre des charges variables, Evarts a démontré une corrélation étroite entre la fréquence de décharge des cellules pyramidales du faisceau corticospinal et la force dynamique ou statique développée. Ces observations semblaient initialement conforter l’école musculaire. Pourtant, le modèle de la cellule isolée révélait rapidement ses limites conceptuelles dès lors que l’on tentait de comprendre des gestes poly-articulaires non contraints. Une cellule unique présentait une variabilité stochastique considérable et ne pouvait pas, à elle seule, lever l’ambiguïté inhérente aux multiples combinaisons biomécaniques requises pour projeter la main vers une cible spatiale arbitraire.
1.2 Le contexte académique aux National Institutes of Health et à Johns Hopkins
C’est dans cette ambiance d’effervescence intellectuelle et de mutation méthodologique qu’Apostolos Georgopoulos a entamé son parcours de recherche. Formé à la médecine et à la neurophysiologie à l’Université d’Athènes, il a rejoint les National Institutes of Health puis le département de neurophysiologie de la prestigieuse École de médecine de l’Université Johns Hopkins à Baltimore. Durant les années 1970 et au début des années 1980, le laboratoire de Vernon Mountcastle à Johns Hopkins constituait l’épicentre mondial de l’analyse quantitative du traitement sensoriel cortical. Mountcastle avait établi la théorie des colonnes corticales dans le cortex somatosensoriel et démontré comment des assemblées modulaires de neurones intègrent collectivement les paramètres des stimuli périphériques.
Imprégné de cette culture de rigueur analytique, de formalisme mathématique et de traitement du signal, Georgopoulos a perçu que l’approche réductionniste de la commande motrice souffrait d’un biais observationnel induit par des dispositifs expérimentaux trop restrictifs. En contraignant les animaux à des mouvements à un seul degré de liberté (tels que la flexion simple du poignet), les protocoles d’alors occultaient la dimension intrinsèquement spatiale, vectorielle et multidimensionnelle de la planification motrice naturelle. Georgopoulos s’est alors entouré de jeunes chercheurs brillants, notamment John Kalaska, Roberto Caminiti et Joe Massey, formant une équipe pluridisciplinaire capable d’allier la programmation informatique émergente, l’algèbre linéaire vectorielle et la neurobiologie comportementale fine.
Le positionnement institutionnel de Georgopoulos fut audacieux : il s’agissait de s’émanciper de la vision strictement myocentrique prédominante pour réconcilier les neurosciences de l’action avec la psychologie cognitive et la géométrie de l’espace. Son objectif n’était rien de moins que de déterminer si le cortex moteur primaire hébergeait une représentation de l’intention spatiale du geste, indépendamment des spécificités biomécaniques immédiates requises pour sa mise en œuvre.
1.3 Problématique fondamentale : la représentation de la trajectoire spatiale
La question centrale à laquelle s’est attaquée l’équipe de Georgopoulos repose sur la distinction conceptuelle et physique entre deux systèmes de coordonnées fondamentaux : le repère intrinsèque et le repère extrinsèque. Dans le repère intrinsèque, le mouvement est défini par des variables internes au système musculosquelettique : longueurs musculaires, tensions tendineuses, angles articulaires (de l’épaule, du coude, du poignet) et couples de force internes. Dans le repère extrinsèque, le mouvement est conceptualisé comme une trajectoire géométrique pure dans un espace euclidien cartésien à trois dimensions, caractérisé par un point d’origine, une cible spatiale, une direction vectorielle et une vitesse de translation de l’effecteur distal (la main).
Sur le plan computationnel, la transformation d’une trajectoire souhaitée dans l’espace extrinsèque en commandes motrices articulaires intrinsèques (le problème de la cinématique et de la dynamique inverses) est un problème hautement non linéaire et redondant, bien connu en robotique sous le concept de surabondance de degrés de liberté formulé initialement par Nikolaï Bernstein. Pour atteindre un point donné dans l’espace, il existe une infinité de configurations articulaires et de profils de recrutement musculaire possibles. Si le cortex moteur primaire ne contenait que des signaux d’activation musculaire directe, comment le système nerveux parvenait-il à maintenir une cinématique d’atteinte remarquablement rectiligne et stéréotypée, indépendamment des variations de posture ?
L’observation empirique montrait que les décharges d’une cellule motrice unique étaient foncièrement ambiguës : une même cellule pouvait moduler son taux de décharge pour différentes combinaisons de directions, de forces et de postures sans qu’un décodeur externe puisse déduire avec certitude la direction globale de la trajectoire. Cette observation a conduit Georgopoulos à formuler l’hypothèse qu’aucun neurone individuel n’avait la charge de coder à lui seul la totalité d’une trajectoire motrice. Au contraire, la commande motrice devait émerger d’une assemblée neuronale coopérative, où l’information est distribuée de manière cohérente au sein d’une vaste population de cellules interconnectées. Pour valider une telle hypothèse, il était impératif de concevoir un paradigme comportemental radicalement novateur, capable de standardiser rigoureusement l’espace d’action tout en autorisant une exploration directionnelle continue.
2. Le paradigme expérimental de la tâche de pointage radial (Center-Out Task)
2.1 Conception et architecture de l’appareillage comportemental
Afin d’étudier systématiquement l’influence de la direction spatiale sur l’activité neuronale, Georgopoulos, Kalaska, Caminiti et Massey ont conçu au début des années 1980 un dispositif expérimental devenu canonique : la tâche de pointage radial, universellement désignée sous le terme de tâche « Center-Out ». L’appareillage reposait sur une interface bidimensionnelle de haute précision composée d’une table de travail horizontale surmontée d’un manipulateur mécanique léger articulé à faible friction, tenu par l’animal, ou d’un panneau d’affichage équipé de cibles lumineuses disposées selon une géométrie rigoureuse.
Le protocole imposait un point de départ central fixe depuis lequel le sujet devait projeter sa main vers l’une des huit cibles périphériques disposées en cercle à intervalles angulaires réguliers de 45 degrés (0°, 45°, 90°, 135°, 180°, 225°, 270° et 315°). La distance entre le centre et les cibles périphériques était rigoureusement identique pour chaque essai (généralement fixée à 8 centimètres), garantissant que l’amplitude métrique du déplacement demeurait constante, isolant ainsi la direction spatiale pure comme variable indépendante principale. L’appareillage intégrait des capteurs de position optiques ou potentiométriques à haute résolution temporelle et spatiale, permettant l’échantillonnage continu des coordonnées spatiales cartésiennes $(x, y)$ de l’effecteur, ainsi que la dérivation numérique instantanée des profils de vélocité et d’accélération du membre supérieur.
Le contrôle expérimental était asservi à un mini-ordinateur de laboratoire qui gérait la séquence temporelle rigoureuse de la tâche : apparition du signal central d’initialisation, période de maintien postural central, illumination de la cible périphérique (signal d’instruction), période d’attente ou temps de réaction, et extinction des cibles validant l’arrivée dans la zone de tolérance spatiale requise pour l’obtention d’une gouttelette de jus de fruit en guise de récompense. Cette chronométrie stricte permettait de séparer formellement les phases de préparation motrice (délai pré-moteur) des phases d’exécution mécanique dynamique (temps de mouvement).
2.2 Protocole d’entraînement et d’enregistrement chez le primate non humain
Les sujets expérimentaux étaient des singes rhésus (Macaca mulatta), choisis pour la proximité de leur organisation neuroanatomique cérébrale et de leur motricité manuelle avec celles de l’être humain. L’apprentissage du protocole comportemental par conditionnement opérant nécessitait plusieurs mois d’entraînement quotidien intensif. Les animaux apprenaient à exécuter des gestes d’atteinte balistiques, fluides et reproductibles, caractérisés par des profils de vitesse en cloche (profils quasi-symétriques à un seul pic de vitesse), typiques des mouvements optimaux minimisant le jerk (la dérivée temporelle de l’accélération) observés chez l’humain.
Une fois les critères d’exactitude cinématique atteints de manière stable (taux de succès supérieur à 90 % sur des blocs de plusieurs centaines d’essais), une intervention chirurgicale aseptique était réalisée sous anesthésie générale profonde. Une chambre d’enregistrement circulaire en titane ou en acier chirurgical était fixée par vis d’ancrage et résine acrylique au-dessus du sillon précentral, orientée stéréotaxiquement vers la zone de représentation du membre supérieur au sein du cortex moteur primaire (M1, aire 4 de Brodmann). Un micro-positionneur hydraulique permettait d’introduire quotidiennement, à travers la dure-mère intacte, des microélectrodes extracellulaires métalliques (typiquement des électrodes en tungstène recouvertes de verre ou de résine isolante, présentant une impédance de 1 à 3 mégohms à 1 kHz).
L’isolement électrophysiologique unitaire exigeait une métrologie de précision : les signaux de tension extracellulaire étaient amplifiés, filtrés par une bande passante appropriée (typiquement 300 Hz – 5 kHz), et soumis à des discriminateurs de fenêtre d’amplitude ou à une classification de formes d’onde (spike sorting) pour garantir que les potentiels d’action captés provenaient sans ambiguïté d’un seul et unique soma neuronal. Pour chaque unité isolée, l’animal devait compléter de 5 à 10 répétitions consécutives de trajectoires vers chacune des huit directions radiales, présentées dans un ordre pseudo-aléatoire, de manière à constituer une base de données électrophysiologique robuste permettant une analyse statistique paramétrique détaillée.
2.3 Contrôle des variables biomécaniques et posturales
L’une des critiques les plus immédiates adressées aux études de cinématique motrice concerne l’interférence possible de variables biomécaniques parasites. Si le tronc de l’animal bouge, ou si l’angle de la tête varie librement, la trajectoire de la main par rapport au tronc ne reflète plus directement les commandes issues des structures centrales motrices dans un repère uniforme. Pour pallier ces écueils, le protocole de Georgopoulos imposait une contention posturale rigoureuse : la tête de l’animal était immobilisée de façon atraumatique par un dispositif de fixation crânienne rigide, alignant le regard et le repère céphalique avec le plan du manipulateur. Le tronc de l’animal était maintenu verticalement dans un siège anatomique adapté, éliminant les torsions axiales parasites.
Parallèlement, la question cruciale de l’activité musculaire a fait l’objet d’un contrôle direct par des enregistrements électromyographiques (EMG) chroniques ou percutanés. Des électrodes filaires implantées dans les muscles moteurs principaux de la ceinture scapulaire et du membre supérieur — incluant les faisceaux antérieur, moyen et postérieur du deltoïde, le grand pectoral, le grand dorsal, le biceps brachial, le triceps brachial et les muscles extenseurs et fléchisseurs du carpe — mesuraient l’activation périphérique globale. Ces vérifications ont permis de confirmer que si les profils EMG présentaient des variations complexes associées aux patrons de co-contraction et aux changements de moments articulaires, les décharges motrices corticales précédaient systématiquement l’activation musculaire de 50 à 100 millisecondes et possédaient une régularité géométrique propre que l’EMG périphérique ne permettait pas de prédire linéairement à l’échelle monocellulaire.
Enfin, en contraignant les gestes à des mouvements balistiques courts (généralement exécutés en moins de 250 à 350 millisecondes), Georgopoulos réduisait considérablement l’impact des réafférences sensorielles proprioceptives et visuelles tardives sur l’initiation de la décharge. L’activité mesurée durant la phase pré-motrice et la phase initiale d’accélération représentait donc de manière dominante un processus de commande prospective (feedforward) issu de la circuiterie corticale, plutôt qu’une correction réactive asservie à des boucles de rétroaction périphériques lentes.
3. La syntonisation directionnelle des neurones corticaux individuels
3.1 Mise en évidence de la direction préférée (Preferred Direction)
L’analyse systématique des trains de potentiels d’action recueillis lors de la tâche de pointage radial a immédiatement révélé un fait expérimental saisissant : la quasi-totalité des neurones enregistrés dans la couche V du cortex moteur primaire module son taux de décharge en fonction étroite de la direction spatiale du déplacement de la main. Cependant, cette modulation ne prenait pas la forme d’un comportement tout-ou-rien. Un neurone ne se taisait pas pour toutes les directions sauf une ; au contraire, il déchargeait pour un spectre étendu de directions, mais atteignait son intensité d’activation maximale pour un axe spatial particulier.
Cet axe spatial spécifique a été formellement défini par Georgopoulos comme la « direction préférée » (Preferred Direction, notée $\theta_0$). Lorsque le bras se déplaçait dans la direction préférée d’un neurone donné, sa fréquence d’émission de potentiels d’action — calculée sur une fenêtre temporelle englobant le temps de réaction et le temps de mouvement — atteignait son zénith. À mesure que la trajectoire s’écartait progressivement de cet axe optimal, l’activité de la cellule diminuait de façon monotone et symétrique, pour atteindre un minimum lorsque le mouvement était dirigé à l’opposé exact de sa direction préférée ($\theta_0 + 180^circ$).
En analysant des centaines de cellules chez plusieurs animaux, l’équipe a mis en évidence une propriété fondamentale de l’organisation corticale motrice : les directions préférées des différents neurones ne se regroupaient pas autour de quelques vecteurs privilégiés (comme les axes cardinaux du corps ou les axes de flexion/extension articulaire). Elles couvraient de manière continue, hétérogène et statistiquement isotrope la totalité des 360 degrés de l’espace bidimensionnel. De surcroît, des enregistrements répétés sur les mêmes unités motrices à plusieurs jours d’intervalle ont attesté de la remarquable stabilité temporelle de cette direction préférentielle, démontrant qu’il s’agissait d’une caractéristique intrinsèque et pérenne de l’engagement computationnel de chaque neurone au sein du réseau.
3.2 La fonction mathématique d’ajustement en cosinus
Afin de formaliser quantitativement cette sensibilité directionnelle, Georgopoulos, Kalaska, Caminiti et Massey (1982) ont soumis les taux de décharge moyens de chaque cellule à un modèle de régression trigonométrique. Les données empiriques s’ajustaient de manière exemplaire à une courbe sinusoïdale de type cosinus. La fonction de syntonisation directionnelle (tuning curve) d’un neurone individuel $i$ est formulée analytiquement par l’équation canonique :
$$f_i(\theta) = b_i + k_i \cos(\theta – \theta_{0,i})$$
Dans cette formulation élégante et parcimonieuse, les différents paramètres possèdent une interprétation biophysique directe :
- $f_i(\theta)$ représente la fréquence moyenne de décharge observée du neurone $i$ (exprimée en impulsions par seconde, ou Hertz) pour un mouvement orienté selon l’angle $\theta$.
- $b_i$ correspond au niveau d’activité basale (décharge moyenne isotrope de la cellule à travers toutes les directions testées, analogue à une composante continue de décalage vertical).
- $k_i$ constitue le coefficient de modulation directionnelle (ou profondeur de modulation) ; il traduit le gain de sensibilité directionnelle du neurone. Plus $k_i$ est élevé, plus l’activité de la cellule varie fortement entre son pic et son nadir.
- $\theta_{0,i}$ est l’angle de la direction préférée du neurone $i$.
Cette équation peut également se développer sous une forme linéaire adaptée à l’ajustement par moindres carrés multiples : $f_i(\theta) = b_i + c_i \cos(\theta) + d_i \sin(\theta)$, où la direction préférée se déduit par l’opération trigonométrique $\theta_{0,i} = \arctan(d_i / c_i)$ et le gain par $k_i = \sqrt{c_i^2 + d_i^2}$.
La convergence remarquable des relevés expérimentaux avec ce modèle en cosinus s’est avérée statistiquement robuste, avec des coefficients de corrélation multiple ($R^2$) fréquemment compris entre 0,75 et 0,95 pour la grande majorité des cellules de M1. Ce profil d’accord large (broad tuning) révélait un enseignement neurobiologique capital : le cortex n’utilise pas un système de codage à filtre sélectif étroit (à bande passante étroite), qui n’aurait fait décharger la cellule que dans une plage de quelques degrés. Au contraire, chaque neurone est « informé » et participe activement à la presque totalité des mouvements de l’espace, sa contribution quantitative s’étiolant graduellement au fur et à mesure que la trajectoire s’écarte de son orientation d’élection.
3.3 L’ambiguïté intrinsèque du codage monocellulaire
L’accord directionnel large en forme de cosinus emporte une conséquence mathématique inéluctable : l’information directionnelle délivrée par un neurone unique est profondément dégénérée. Cette dégénérescence découle immédiatement des propriétés de symétrie de la fonction cosinus : $\cos(\Delta\theta) = \cos(-\Delta\theta)$. En conséquence, si un neurone individuel décharge à un taux intermédiaire situé entre sa valeur de base $b$ et sa valeur maximale $b + k$, cette fréquence spécifique correspond exactement à deux directions de mouvement différentes, disposées symétriquement de part et d’autre de sa direction préférée : $\theta = \theta_0 \pm \arccos\left(\frac{f – b}{k}\right)$.
Il est donc rigoureusement impossible pour une structure réceptrice en aval, recevant l’information par le seul canal d’un axone pyramidal unique, de déterminer si le membre se déplace vers la droite ou vers la gauche par rapport à la direction préférée de ce neurone. Cette ambiguïté géométrique intrinsèque est encore exacerbée par la nature stochastique du train de potentiels d’action du système nerveux. L’activité des neurones corticaux présente une forte variabilité d’essai à essai, classiquement approchée par un processus de Poisson où la variance du nombre d’impulsions est proportionnelle à la moyenne. Ainsi, une légère fluctuation du taux de décharge due au bruit synaptique peut masquer complètement la différence de commande cinématique entre deux angles voisins.
Cette démonstration analytique a définitivement scellé le sort des modèles théoriques fondés sur le décodage monocellulaire. Un neurone moteur isolé est aveugle à la spécificité univoque du geste. Pour lever cette indétermination fondamentale et extraire un signal de commande stable, précis et déterministe, le système nerveux central n’a d’autre recours que de faire converger et de moyenner l’activité d’une assemblée neuronale collective : c’est le fondement impératif du décodage distribué.
4. La genèse conceptuelle et théorique du codage par population
4.1 Héritage des assemblées cellulaires de Donald Hebb
Pour conceptualiser la coordination de ces décharges individuelles ambiguës, Georgopoulos a puisé à l’un des courants les plus féconds de la psychophysiologie théorique : l’hypothèse des assemblées cellulaires proposée par Donald Hebb dans son ouvrage séminal de 1949, The Organization of Behavior. Hebb y postulait que l’unité fonctionnelle élémentaire des représentations cérébrales complexes n’est pas le neurone individuel, mais un ensemble interconnecté de cellules — l’« assemblée cellulaire » — capable d’agir de concert comme un système réverbérant et distribué. Dans ce cadre, une fonction ou un percept n’est pas logé dans un point fixe du tissu neural, mais émerge de la dynamique relationnelle liant les éléments de cette population.
Cette transition de paradigme représentait un saut qualitatif majeur. Jusqu’alors, la neurophysiologie corticale avait célébré les triomphes du modèle des « détecteurs de caractéristiques », incarné par les célèbres travaux de David Hubel et Torsten Wiesel sur le cortex visuel primaire (V1). L’identification de cellules simples réagissant à des barres lumineuses orientées avait parfois été extrapolée de manière excessive jusqu’à suggérer l’existence d’une hiérarchie purement sérielle, culminant en des unités sentinelles ultrasélectives. En important la pensée hebbienne au cœur de la physiologie motrice, Georgopoulos reconnaissait que, contrairement aux étapes d’analyse visuelle précoce où des filtres locaux peuvent extraire des contrastes discrets, la synthèse motrice exige une coordination globale capable de mouvoir une chaîne articulée dans un espace physique continu.
Ce basculement conceptuel entrait en résonance étroite avec les travaux théoriques contemporains sur la perception visuelle distribuée, notamment les propositions de David Marr sur le calcul visuel et les intuitions de Horace Barlow quant au codage par population clairsemé. Le substrat fonctionnel irréductible de l’acte moteur devait dès lors être recherché dans les règles de composition algébrique régissant l’activité collective de milliers de neurones interconnectés par des collatérales horizontales récurrentes au sein des couches corticales intermédiaires et profondes.
4.2 Dépassement du modèle de la cellule sentinelle (« Grand-Mother Cell »)
L’abandon du modèle de la « cellule motrice sentinelle » — avatar fonctionnel de la métaphore de la cellule grand-mère en neurosciences de la perception — a permis de résoudre plusieurs paradoxes théoriques insolubles relatifs à la plasticité et à la fiabilité de la motricité. Si le cerveau allouait des neurones exclusifs à des trajectoires spatiales singulières (« un neurone pour le pointage à 45 degrés, un autre pour 90 degrés »), le système souffrirait de deux faiblesses critiques : une combinatoire explosive et une vulnérabilité catastrophique.
D’un point de vue combinatoire, l’espace des trajectoires motrices possibles est infini et continu. Allouer des canaux dédiés indépendants pour chaque direction, chaque vitesse, chaque amplitude et chaque configuration posturale exigerait une expansion volumétrique démesurée du tissu cérébral. Le codage distribué offre une réponse computationnelle supérieure : par combinaison pondérée de décharges continues au sein d’une population finie, un réseau neuronal de dimension modeste peut représenter une infinité de trajectoires avec une résolution continue, contournant ainsi le gouffre de la combinatoire discrète.
D’un point de vue fonctionnel et pathologique, le modèle de population confère au cortex une tolérance remarquable aux pannes, souvent qualifiée de « dégradation progressive » (graceful degradation). Dans un schéma où un mouvement précis dépendrait de cellules exclusives, la mort apoptotique ou la lésion ischémique de quelques unités motrices entraînerait l’amputation sélective et irréversible de pans entiers du répertoire moteur. À l’inverse, dans une architecture de population où chaque neurone ne fournit qu’une composante fractionnaire du calcul global, l’ablation d’une fraction significative du réseau n’annihile pas le mouvement ; elle n’induit qu’une légère baisse de précision statistique du geste, compensable immédiatement par les unités redondantes restantes. Cette résilience intrinsèque constitue l’un des principes architectoniques fondamentaux sélectionnés par l’évolution biologique.
4.3 Intuition géométrique d’Apostolos Georgopoulos
Le coup de génie d’Apostolos Georgopoulos a consisté à concevoir l’interaction de ces cellules à travers une métaphore et un outil empruntés à l’analyse spatiale : l’algèbre vectorielle. Si chaque neurone individuel est incapable d’indiquer la direction cible par sa seule fréquence d’impulsions scalaire, il possède néanmoins une propriété géométrique invariante : sa direction préférée. Georgopoulos a alors proposé d’associer à chaque neurone une grandeur non plus scalaire, mais vectorielle.
L’intuition fondamentale peut s’énoncer ainsi : chaque neurone du cortex moteur primaire doit être appréhendé comme un « votant » participant à une élection vectorielle dans l’espace euclidien. Le bulletin de vote de chaque neurone est toujours orienté dans le sens fixe de sa direction préférée. Cependant, le poids ou le nombre de suffrages que ce neurone injecte dans l’urne computationnelle est modulé instantanément par son niveau d’activité électrique : plus il décharge intensément au-dessus de son taux basal, plus son vote pèse lourd dans l’orientation choisie. Inversement, s’il décharge à un niveau inférieur à sa ligne de base pour un mouvement donné, sa contribution devient nulle ou opposée.
Le calcul central consiste alors à opérer une sommation vectorielle continue de l’ensemble des contributions individuelles de la population. Dans cette perspective géométrique lumineuse, les composantes de mouvement orthogonales à la trajectoire souhaitée — induites par l’activation large de cellules dont la direction préférée diverge de la cible — se neutralisent mutuellement par compensation de phase destructive tout autour du cercle trigonométrique. En revanche, les composantes colinéaires à la direction visée convergent par interférence constructive, faisant émerger un vecteur résultant unique, net et robuste, dont l’orientation spatiale coïncide fidèlement avec le déplacement physique à venir.
5. Le formalisme mathématique du vecteur de population (Population Vector)
5.1 Algorithme de sommation vectorielle pondérée
La transcription formelle de l’intuition géométrique de Georgopoulos s’exprime sous la forme d’un algorithme algébrique explicite. Considérons une population de $N$ neurones corticaux enregistrés dans M1, chacun caractérisé par sa direction préférée représentée par un vecteur unitaire $\mathbf{C}_i$ dans le plan bidimensionnel :
$$\mathbf{C}_i = \begin{\bmatrix} \cos(\theta_{0,i}) \ \sin(\theta_{0,i}) \end{\bmatrix}$$
Lorsqu’un mouvement est exécuté dans une direction $\theta$, chaque cellule $i$ manifeste un taux de décharge $f_i(\theta)$. Pour quantifier la force du vote directionnel de cette cellule, on calcule son coefficient de pondération scalaire, noté $w_i(\theta)$, proportionnel à l’écart de son activité par rapport à son niveau de décharge moyen de base $b_i$ :
$$w_i(\theta) = f_i(\theta) – b_i = k_i \cos(\theta – \theta_{0,i})$$
Le vecteur de population global, noté $\mathbf{P}(\theta)$, est défini mathématiquement comme la somme vectorielle pondérée des vecteurs unitaires directionnels préférés de tous les neurones constitutifs de l’échantillon :
$$\mathbf{P}(\theta) = \sum_{i=1}^{N} w_i(\theta) \mathbf{C}_i = \sum_{i=1}^{N} \left[ f_i(\theta) – b_i \right] \mathbf{C}_i$$
En projetant cette relation matricielle selon les axes cartésiens canoniques $x$ et $y$, on obtient les composantes orthogonales scalaires du vecteur résultant :
$$P_x(\theta) = \sum_{i=1}^{N} w_i(\theta) \cos(\theta_{0,i})$$
$$P_y(\theta) = \sum_{i=1}^{N} w_i(\theta) \sin(\theta_{0,i})$$
L’angle spatial prédit par le réseau de population, noté $\theta_{\text{pop}}$, s’obtient alors directement par la fonction trigonométrique arc-tangente à deux variables :
$$\theta_{\text{pop}} = operatorname{\arctan2}\left(P_y(\theta), P_x(\theta)\right)$$
Cette formulation est d’une remarquable simplicité opératoire : aucune inversion matricielle lourde ni aucun réseau de neurones multicouches récurrent n’est nécessaire pour extraire l’angle du mouvement à partir des taux d’impulsions. Il s’agit d’une opération linéaire globale réalisable biologiquement de façon quasi-instantanée par la convergence synaptique de multiples collatérales axonales sur des neurones cibles de relais spinal ou sous-cortical agissant comme des intégrateurs sommatifs de courant post-synaptique.
5.2 Fondements probabilistes et théorie de l’information
Au-delà de son élégance géométrique intuitive, le vecteur de population possède des fondations rigoureuses ancrées dans la théorie de l’estimation statistique et de l’information bayésienne, comme l’ont démontré ultérieurement des théoriciens tels qu’Alexandre Pouget, Richard Zemel et Peter Dayan. Sous certaines conditions de symétrie, l’algorithme du vecteur de population correspond asymptotiquement à un estimateur du maximum de vraisemblance (Maximum Likelihood Estimator, MLE).
Soit un vecteur de décharges neurales observées $\mathbf{r} = [r_1, r_2, dots, r_N]^T$. Sous l’hypothèse classique d’indépendance conditionnelle des bruits d’émission des neurones (bruit de Poisson homogène indépendant), la distribution de probabilité conjointe conditionnelle de la réponse neurale sachant la direction réelle $\theta$ s’écrit comme le produit des probabilités marginales univariées :
$$P(\mathbf{r} mid \theta) = \prod_{i=1}^{N} \frac{\lambda_i(\theta)^{r_i} e^{-\lambda_i(\theta)}}{r_i!}$$
où $\lambda_i(\theta) = f_i(\theta) = b_i + k_i \cos(\theta – \theta_{0,i})$ représente le taux moyen attendu. La log-vraisemblance de l’échantillon s’exprime par :
$$\ln L(\theta) = \sum_{i=1}^{N} \left[ r_i \ln(f_i(\theta)) – f_i(\theta) – \ln(r_i!) \right]$$
La recherche du paramètre $\theta$ maximisant cette log-vraisemblance montre que, lorsque les courbes d’accord sont en cosinus et distribuées de manière isotrope, la maximisation coïncide analytiquement avec la direction du vecteur de population. De plus, la limite inférieure de la variance de tout estimateur non biaisé de la direction est contrainte par la borne de Cramér-Rao, inversement proportionnelle à la quantité d’information de Fisher $J(\theta)$ contenue dans la population :
$$J(\theta) = \sum_{i=1}^{N} \frac{\left( f_i'(\theta) \right)^2}{\sigma_i^2(\theta)}$$
Cette relation fondamentale met en exergue le fait que la capacité informative d’un neurone individuel dépend de la valeur absolue de la dérivée première de sa courbe d’accord, $|f_i'(\theta)| = |-k_i \sin(\theta – \theta_{0,i})|$. Par conséquent, un neurone individuel apporte une information différentielle maximale sur la direction non pas au sommet de son profil d’activation ($\theta = \theta_0$, où la dérivée est nulle), mais sur les pentes les plus abruptes de sa courbe de syntonisation ($\theta = \theta_0 \pm 90^circ$). C’est la sommation collective au sein de la population qui permet de synthétiser cette sensibilité différentielle périphérique en une estimation centrale univoque.
5.3 Condition de complétude de la distribution directionnelle
L’exactitude géométrique absolue du vecteur de population repose sur une hypothèse fondamentale : la couverture isotrope et uniforme de l’espace directionnel par les directions préférées des neurones. Mathématiquement, si la distribution des vecteurs $\mathbf{C}_i$ dans l’échantillon neuronal présente un biais directionnel — par exemple, une prépondérance statistique d’unités orientées vers l’avant ou vers la droite —, le vecteur de population résultant sera systématiquement dévié vers cette direction préférentielle moyenne de l’échantillon, générant une erreur systématique d’estimation.
Pour formaliser cette exigence d’isotropie, Emilio Salinas et Larry Abbott (1994) ont introduit la matrice de corrélation ou de covariance directionnelle de la population, définie par le tenseur d’interférence :
$$\mathbf{Q} = \frac{1}{N} \sum_{i=1}^{N} \mathbf{C}_i \mathbf{C}_i^T$$
Dans un système idéalement distribué et symétrique, la matrice $\mathbf{Q}$ est proportionnelle à la matrice identité ($\mathbf{Q} propto \mathbf{I}$), ce qui garantit que la sommation vectorielle classique ne souffre d’aucune distorsion géométrique. Si en revanche la population expérimentale est anisotrope (ce qui peut survenir lors d’enregistrements sélectifs d’échantillons réduits), l’estimation non biaisée du vecteur de population exige une correction matricielle via l’inversion de l’opérateur de covariance directionnelle :
$$\mathbf{P}_{\text{corrigé}}(\theta) = \sum_{i=1}^{N} w_i(\theta) \left( \mathbf{Q}^{-1} \mathbf{C}_i \right)$$
Cette formalisation vectorielle s’est avérée remarquablement souple et s’est étendue sans rupture méthodologique aux dimensions spatiales supérieures. Dans un espace tridimensionnel (3D), le vecteur préféré $\mathbf{C}_i$ est défini par un vecteur unitaire sphérique à trois composantes cartésiennes $(C_{ix}, C_{iy}, C_{iz})$, caractérisé par son angle d’azimut $\phi_i$ et d’élévation $\psi_i$. La fonction de syntonisation devient une fonction conique continue dans la sphère unité, et l’équation du vecteur de population s’applique identiquement par addition des composantes vectorielles dans $\mathbb{R}^3$, conservant une robustesse prédictive intégrale.
6. Validation empirique et robustesse métrologique du modèle
6.1 Corrélation angulaire entre vecteur prédit et trajectoire observée
La puissance du modèle de Georgopoulos ne réside pas seulement dans son élégance mathématique abstraite ; elle s’impose avant tout par l’extraordinaire fidélité empirique démontrée dès sa première publication dans le Journal of Neuroscience en 1982. En compilant l’activité d’une population de 241 cellules enregistrées dans la zone du bras du cortex moteur primaire de deux singes, Georgopoulos et son équipe ont calculé le vecteur de population pour chacune des huit directions cibles de la tâche radiale.
Les résultats ont dépassé toutes les attentes métrologiques de la discipline. Pour l’ensemble des directions explorées, l’angle calculé du vecteur de population $\theta_{\text{pop}}$ pointait rigoureusement dans la direction du mouvement physique de la main, avec un écart angulaire résiduel moyen inférieur à 5 degrés. L’alignement était quasiment indiscernable de la trajectoire cinématique observée :
- Pour une cible présentée à 0°, le vecteur résultant pointait à 0,3°.
- Pour une cible à 90°, l’orientation vectorielle moyenne calculée s’établissait à 91,2°.
- Pour l’ensemble des 360 degrés, la droite de régression linéaire entre la direction observée et la direction neurale prédite affichait une pente de 1,00 avec un coefficient de corrélation de Pearson $r = 0,998$.
Cette concordance millimétrique s’est avérée totalement insensible à l’amplitude absolue des décharges de départ : même si l’activité absolue fluctuait globalement selon le niveau d’excitation générale de l’animal, l’interférence constructive des composantes angulaires filtrait le bruit global et conservait l’orientation vectorielle avec une stabilité infaillible. Cette observation a apporté la première preuve matérielle décisive que le cortex moteur primaire manipule un code spatial extrinsèque prédictif d’une extraordinaire fidélité cinématique.
6.2 Taille critique de l’échantillon neuronal requis
Une interrogation métrologique majeure soulevée par les résultats de 1982 concernait le nombre minimal de neurones requis pour obtenir un consensus directionnel stable. Le système moteur central devait-il mobiliser des centaines de milliers de cellules pour guider un geste simple, ou une fraction restreinte d’unités suffisait-elle ?
Pour répondre à cette question, Georgopoulos et ses collaborateurs ont mis en œuvre des simulations statistiques avancées fondées sur la technique du ré-échantillonnage avec remplacement (bootstrap). En tirant aléatoirement des sous-ensembles de taille croissante $n$ ($n = 5, 10, 20, 50, 100, 200, dots$) parmi la population totale des unités enregistrées, ils ont calculé l’erreur quadratique moyenne de la direction prédite en fonction du nombre d’unités mobilisées. Les analyses ont démontré que l’erreur directionnelle résiduelle diminue de façon exponentielle en fonction inverse de la racine carrée de la taille de l’échantillon :
$$\text{Erreur}(\theta) propto \frac{1}{\sqrt{n}}$$
De manière frappante, la précision directionnelle atteignait un plateau asymptotique dès l’inclusion d’environ 100 à 150 neurones choisis au hasard dans la population corticale motrice. Avec une assemblée d’une centaine de cellules non coordonnées artificiellement, l’incertitude angulaire tombait en dessous de 10 à 12 degrés, ce qui correspond approximativement à la variabilité motrice cinématique intrinsèque du bras chez le singe éveillé. Ce résultat mettait en lumière la formidable redondance informationnelle du cortex moteur primaire : loin d’avoir besoin de scruter la totalité des cellules pyramidales de la couche V, un décodeur biologique ou artificiel peut extraire une consigne directionnelle haute fidélité à partir d’un échantillon cellulaire infinitésimal.
6.3 Extension au repère tridimensionnel (3D Reaching Task)
Bien que le protocole bidimensionnel sur manipulateur plan eût permis la formalisation initiale de la théorie, le déplacement naturel du membre chez le primate s’opère dans un espace euclidien non contraint à trois dimensions. Dès le milieu des années 1980, Georgopoulos, en collaboration avec Andrew Schwartz et Roberto Caminiti (1986, 1988), a poussé la validation expérimentale dans le volume tridimensionnel libre (3D Reaching Task).
Dans ce protocole hautement sophistiqué pour l’époque, les singes devaient atteindre des cibles lumineuses disposées aux sommets d’un cube virtuel ou réparties sur une sphère englobant l’espace péri-personnel d’action du bras. Les unités de M1 ont une nouvelle fois démontré un profil d’accord directionnel spatial tridimensionnel régulier. La fonction d’accord en cosinus s’est généralisée sous la forme d’un produit scalaire spatial :
$$f_i(\mathbf{M}) = b_i + k_i (\mathbf{M} \cdot \mathbf{C}_i) = b_i + k_i \cos(\psi_{\mathbf{M}, \mathbf{C}_i})$$
où $\mathbf{M}$ est le vecteur unitaire de la direction du mouvement dans l’espace 3D, $\mathbf{C}_i$ le vecteur unitaire de la direction préférée tridimensionnelle du neurone, et $\psi_{\mathbf{M}, \mathbf{C}_i}$ l’angle d’écart angulaire volumique sous-tendu par ces deux vecteurs dans $\mathbb{R}^3$. La distribution des directions préférées 3D s’est avérée homogène à travers toute la sphère unité, et le calcul du vecteur de population 3D tracé selon les axes $x, y, z$ a restitué avec une exactitude quasi parfaite les trajectoires volumétriques de la main. Cette généralisation tridimensionnelle a prouvé de façon irréfutable l’universalité mathématique de l’opérateur de population vectoriel pour décrire la cinématique spatiale du vivant.
7. Dynamique temporelle : décodage en temps réel et planification motrice
7.1 Résolution temporelle et trajectoire continue
L’une des extensions les plus remarquables du concept de vecteur de population concerne sa transposition du domaine statique (la direction moyenne finale d’un mouvement d’atteinte) au domaine temporel dynamique continu. Le cerveau ne se limite pas à concevoir la fin d’un déplacement ; il pilote le profil d’une trajectoire complexe seconde par seconde. À la fin des années 1980, Georgopoulos et son collègue Andrew Schwartz ont montré que la sommation vectorielle pouvait être calculée non plus sur la durée totale du mouvement, mais sur des fenêtres temporelles glissantes très courtes (typiquement de 10 à 20 millisecondes).
En calculant une série temporelle continue de vecteurs de population instantanés $\mathbf{P}(t)$, les chercheurs ont observé que la pointe du vecteur décrivait une trajectoire dynamique en temps réel qui prédisait fidèlement non seulement l’orientation, mais aussi les inflexions, courbures et variations de vitesse de mouvements complexes, y compris lors de tracés continus de figures géométriques (telles que des cercles ou des spirales). Plus décisif encore, le vecteur de population instantané apparaissait systématiquement avec une avance temporelle quasi-constante d’environ 100 à 120 millisecondes par rapport au mouvement mécanique effectif de la main. Ce déphasage temporel correspond précisément aux délais de conduction axonale du faisceau corticospinal, d’activation des motoneurones alpha spinaux, de transmission à la jonction neuromusculaire et de développement de la tension contractile viscoélastique dans les sarcomères musculaires. Le vecteur de population agit ainsi comme une commande prédictive anticipatrice pure (forward command).
7.2 L’expérience phare de la rotation mentale cognitive (1989)
En 1989, Georgopoulos, John Lurito, Michael Petrides, Andrew Schwartz et Joe Massey ont publié dans la revue Science une expérience historique qui allait élever le codage par population au rang d’outil princeps de la neuropsychologie cognitive : l’investigation neurophysiologique directe de la « rotation mentale » chez le singe éveillé.
Inspirés par les travaux pionniers de Roger Shepard et Jacqueline Metzler en psychologie cognitive humaine sur la manipulation mentale d’images spatiales, les chercheurs ont confronté des singes à un protocole d’évitement directionnel conditionné : l’animal était placé face à une cible lumineuse incidente, mais un signal contextuel lui intimait l’ordre de ne pas diriger sa main vers la cible, mais d’effectuer un mouvement incliné d’un angle fixe (par exemple 90° dans le sens anti-horaire) par rapport à la position de la lumière indicatrice. La question était de savoir comment l’assemblée neuronale de M1 élaborait cette nouvelle trajectoire durant la phase silencieuse du temps de réaction.
Deux hypothèses théoriques majeures étaient en concurrence :
- Le basculement instantané : Le réseau neuronal éteindrait l’activité codant pour la cible visuelle, puis allumerait subitement, après calcul, la population codant pour la direction motrice finale requise.
- La transformation spatiale continue : Le vecteur de population s’initialiserait d’abord dans la direction du stimulus visuel, puis opérerait une rotation continue et progressive dans l’espace neural interne pour atteindre l’orientation finale commandée.
Les données empiriques ont validé de façon éclatante la seconde hypothèse. En traçant le vecteur de population par tranches successives de 10 ms durant le temps de réaction, Georgopoulos et ses collaborateurs ont visualisé le vecteur de population émerger en pointant fidèlement vers le signal visuel lumineux, puis pivoter de manière continue et fluide, degré par degré, au fil des millisecondes, balayant tout l’arc spatial intermédiaire jusqu’à s’aligner sur la cible motrice déviée à 90°, instant précis où le mouvement mécanique se déclenchait. De surcroît, la vitesse angulaire de cette rotation neuronale interne (mesurée à environ 732 degrés par seconde) concordait remarquablement avec les vitesses de rotation mentale déduites de la chronométrie mentale chez l’humain. Cette démonstration a apporté la première visualisation objective, matérielle et dynamique d’un processus de transformation cognitive abstraite au sein du tissu cérébral.
7.3 Dissociation entre intention motrice et rétroaction proprioceptive
L’observation continue du vecteur de population a définitivement tranché le débat quant à la nature motrice prospective ou sensorielle rétroactive de l’activité de M1. En insérant des périodes de délai variable dites « d’instruction préparatoire » (durant lesquelles la cible spatiale est affichée mais l’animal a l’interdiction formelle de bouger avant l’apparition d’un signal de déclenchement « Go »), Georgopoulos a observé que le vecteur de population se formait et se stabilisait dans la direction correcte dès la phase de latence, plusieurs centaines de millisecondes avant la moindre activation électromyographique périphérique et avant tout déplacement du membre.
Cette dynamique pré-motrice pure ne pouvait pas résulter d’une réafférence somatosensorielle issue des fuseaux neuromusculaires ou des organes tendineux de Golgi, puisque la posture périphérique demeurait stationnaire. De surcroît, lors d’expériences menées après déafférentation somatosensorielle dorsale complète, la capacité du vecteur de population à prédire l’angle de la commande motrice initiale est restée intacte. Ces constatations ont formellement qualifié l’activité de M1 comme une commande déférente d’intentionnalité pure — une véritable décharge corollaire —, invalidant le modèle selon lequel le cortex moteur primaire ne ferait que refléter passivement les signaux rétroactifs de position articulaire.
8. Débats scientifiques et controverses méthodologiques
8.1 Cinématique extrinsèque contre dynamique intrinsèque (Controverse de Kalaska et Scott)
Malgré l’enthousiasme suscité par la découverte de Georgopoulos, le modèle du codage par population a fait l’objet d’intenses controverses scientifiques tout au long des années 1990. L’opposition la plus vigoureuse émana d’anciens collaborateurs de Georgopoulos lui-même, notamment John Kalaska, ainsi que de Stephen Scott, qui plaidèrent en faveur de l’importance prépondérante des facteurs dynamiques et musculaires intrinsèques.
Scott et Kalaska (1997) ont fait valoir que le paradigme Center-Out classique comportait un biais intrinsèque majeur : dans un plan de mouvement standard sans perturbation de force, la cinématique spatiale extrinsèque (la direction de la trajectoire) est naturellement colinéaire avec la dynamique intrinsèque (les forces requises pour accélérer le membre). Pour découpler ces deux composantes, ils ont conçu des expériences de pointage où des champs de forces mécaniques externes étaient appliqués via des moteurs robotiques sur le bras de l’animal pendant qu’il accomplissait la même trajectoire spatiale. Leurs enregistrements ont montré que la direction préférée apparente de nombreux neurones de M1 pivotait significativement lorsque l’animal devait lutter contre une force latérale constante pour maintenir la même ligne géométrique.
Cette divergence a cristallisé le débat séculaire entre cinématique (position, direction, vitesse) et dynamique (forces musculaires, moments articulaires). La réponse théorique de Georgopoulos et de ses soutiens a consisté à souligner que le cortex moteur primaire n’est pas une entité computationnellement monolithique. Des populations neuronales de M1 codent bel et bien pour des forces et des paramètres dynamiques, mais l’assemblée globale intègre ces contraintes au sein d’une métrique vectorielle composite où la cinématique de l’extrémité distale demeure le principe d’organisation spatial dominant, assurant une invariance spatiale du geste final indépendamment des charges périphériques.
8.2 Validité statistique et circularité computationnelle présumée
Une seconde ligne de critique, d’ordre mathématique et épistémologique, a été formulée avec force par Ferdinando Mussa-Ivaldi (1988). Dans un article remarqué, Mussa-Ivaldi a soutenu que l’algorithme du vecteur de population relevait d’une forme de circularité mathématique auto-réalisatrice. Selon son argumentation algébrique, dès lors qu’un échantillon de fonctions périodiques présente une sensibilité modulée de manière grossièrement sinusoïdale à un paramètre d’angle $\theta$ et que leurs phases sont réparties uniformément sur le cercle, la sommation pondérée de leurs gradients donnera inévitablement et par nécessité trigonométrique un vecteur résultant pointant dans la direction $\theta$, que cette grandeur spatiale soit effectivement le paramètre contrôlé par le cerveau ou un simple épiphénomène mathématique.
Jerome Sanger (1994) a approfondi cette analyse en démontrant que le vecteur de population peut être interprété comme une approximation par séries de Fourier d’une fonction de reconstruction, suggérant que le décodage vectoriel est une propriété générique des espaces vectoriels distribués plutôt qu’une preuve de l’encodage spécifique de la trajectoire par le cerveau. La défense formulée par Georgopoulos et ses partisans a reposé sur la robustesse empirique des validations croisées : le vecteur de population décodé au niveau de l’essai individuel (single-trial) est capable de prédire les erreurs motrices commises par le sujet. Si l’animal dévie spontanément sa trajectoire de 15 degrés vers la droite par rapport à la consigne, le vecteur de population dévie également de 15 degrés vers la droite avant même l’initiation du geste. Cette corrélation intime entre l’erreur neurale et l’erreur comportementale spontanée a réfuté l’argument du simple artefact mathématique passif.
8.3 Le problème de la dépendance posturale
Une troisième objection méthodologique concernait l’invariance posturale du modèle. Dans le protocole original, le point de départ était systématiquement confiné au même emplacement spatial central. Or, comme l’ont souligné Caminiti, Johnson et Urbano (1990), si l’on modifie le point d’origine du mouvement en contraignant l’animal à accomplir les mêmes huit vecteurs de pointage depuis une position de départ située très à droite ou très à gauche dans son champ d’action, la posture articulaire initiale de l’épaule et du coude change radicalement.
Les enregistrements ont alors révélé que les directions préférées d’une proportion substantielle de neurones de M1 subissent des rotations systématiques dans l’espace lorsque la configuration articulaire de départ est altérée. Cette observation a forcé la communauté scientifique à admettre que le codage directionnel extrinsèque n’est pas totalement découplé du référentiel postural du corps. Le modèle vectoriel a ainsi dû être enrichi pour intégrer les transformations de repères continues qui s’opèrent le long des circuits reliant le cortex pariétal postérieur (qui code principalement en coordonnées visuelles rétinocentrées ou égocentrées) au cortex prémoteur et à M1 (qui transforment graduellement ces coordonnées en représentations centrées sur le membre et les segments articulaires).
9. Implications pour la psychologie cognitive et la neuropsychologie
9.1 Redéfinition du rôle cognitif du cortex moteur primaire
L’impact de l’œuvre de Georgopoulos a largement débordé les frontières de l’électrophysiologie motrice classique pour infuser la psychologie cognitive et la philosophie de l’action. Depuis les travaux canoniques de Sherrington, le cortex moteur primaire était perçu de manière réductrice comme un organe purement exécutif, un simple terminal relais dénué de fonctions cognitives propres, chargé de retransmettre mécaniquement les ordres élaborés en amont par les aires préfrontales et prémotrices.
Les données issues du codage par population ont mis à bas cette hiérarchie étanche. En démontrant que des opérations géométriques sophistiquées (transformations d’axes, rotations de vecteurs, interpolations de trajectoires) se déroulent au sein même du gyrus précentral, Georgopoulos a promu M1 au rang de structure cognitive à part entière. L’intentionnalité motrice — le « vouloir agir » spatialisé — ne se limite pas à un concept phénoménologique abstrait : elle possède une signature physique mesurable et quantifiable sous la forme d’un alignement précoce du vecteur de population. Cette intégration computationnelle a fourni un substrat physiologique direct aux théories de la chronométrie mentale développées par Franciscus Donders et Roger Shepard, matérialisant le temps de latence cognitive comme la durée nécessaire à la réorganisation dynamique des assemblées vectorielles intracorticales.
9.2 Mécanismes des transformations sensorimotrices
Le formalisme vectoriel a également apporté une clé de voûte computationnelle essentielle pour comprendre l’architecture des transformations sensorimotrices. Pour exécuter un geste orienté vers un objet perçu, le système nerveux central doit convertir une luminance rétinienne bidimensionnelle (coordonnées rétinocentrées) en une direction d’atteinte dans l’espace extra-corporel (coordonnées allocentrées ou égocentrées), puis en une synergie musculaire appropriée (coordonnées articulaires intrinsèques).
Les réseaux neuronaux pariéto-frontaux — connectant le cortex pariétal postérieur (notamment l’aire pariétale de pointage ou PRR) au cortex prémoteur dorsal (PMd) et au cortex moteur primaire — effectuent cette transition par des opérations successives de rotation et de translation matricielle. Le modèle du vecteur de population a fourni le langage mathématique unifié permettant de suivre cette transformation d’aire en aire : les gradients de décharge distribués au sein des cartes pariétales se condensent en un vecteur de population directionnel intermédiaire dans les aires prémotrices avant d’être transposés en commande cinématique finale dans M1.
Cette modélisation a renouvelé en profondeur la compréhension des syndromes neuropsychologiques tels que l’ataxie optique ou les apraxies motrices. Les apraxies idéomotrices, traditionnellement interprétées comme une déconnexion psycho-organique globale, s’expliquent computationnellement comme une incapacité structurelle à coordonner les sous-populations vectorielles, induisant une dispersion de phase destructive dans la sommation vectorielle qui prive le geste de sa rectitude cinématique.
9.3 Parallèles avec l’imagerie mentale motrice
Un autre apport capital du codage par population réside dans l’élucidation des bases neurales de la simulation motrice et de l’imagerie mentale. De nombreuses études en neurosciences cognitives ont démontré qu’imaginer mentalement l’exécution d’un mouvement balistique prend rigoureusement le même temps que son exécution physique réelle, une invariance temporelle connue sous le nom de loi d’isochronie motrice.
L’observation du comportement du vecteur de population durant les phases de délai sans mouvement a mis en lumière la façon dont les représentations motrices internes s’activent de façon prospective sans nécessairement recruter les effecteurs musculaires périphériques. Durant l’imagerie motrice pure, les réseaux de population de M1 et des aires motrices supplémentaires élaborent le vecteur cinématique complet, mais un mécanisme d’inhibition postsynaptique spinale (agissant comme un seuil de coupure fonctionnel) bloque la transmission descendante vers les motoneurones alpha. Ce modèle physiologique a fourni un socle théorique solide aux protocoles modernes de neuro-réhabilitation après accident vasculaire cérébral (AVC), où l’entraînement mental répété stimule la réorganisation des vecteurs corticaux pour restaurer la commande motrice perdue.
10. Évolution technologique : des enregistrements séquentiels aux réseaux multi-électrodes
10.1 Contraintes des premières méthodes d’enregistrement séquentiel
Pour mesurer la portée et la prouesse des expériences princeps d’Apostolos Georgopoulos en 1982, il est impératif de rappeler les limites drastiques de l’appareillage électrophysiologique de l’époque. Les chercheurs ne disposaient pas des technologies d’enregistrement multi-voies à haute densité qui sont aujourd’hui monnaie courante. Les enregistrements s’effectuaient « neurone par neurone » au moyen d’une seule microélectrode métallique abaissée chaque jour dans le cortex.
Il fallait par conséquent des semaines, voire des mois de patience expérimentale extrême pour collecter un échantillon de 200 à 300 cellules chez un même animal. Cette contrainte méthodologique lourde imposait un postulat statistique critique : l’hypothèse de stationnarité comportementale et neuronale. L’estimation du vecteur de population nécessitait d’aligner a posteriori (offline) les traces temporelles d’impulsions de centaines de neurones distincts enregistrés lors de jours et de sessions différents, en les synchronisant temporellement sur un événement commun d’alignement (l’amorce cinématique du mouvement de la main, mesurée par le capteur de position).
Cette approche séquentielle interdisait formellement l’étude de la variabilité d’essai à essai (single-trial dynamics). Il était impossible de savoir si, lors d’un mouvement individuel donné, les décharges présentaient des corrélations de bruit instantanées ou des synchronisations de phase fines. De surcroît, le moindre glissement de l’état attentionnel ou de vigilance de l’animal au fil des jours pouvait introduire un bruit non stationnaire au sein des matrices de données combinées.
10.2 L’avènement des matrices multi-électrodes chroniques (Utah Arrays)
La confirmation définitive et l’émancipation technologique du codage par population se sont opérées à partir de la fin des années 1990 avec le développement des implants intracorticaux chroniques multi-électrodes, dont l’archétype est la matrice de silicium dite Utah Array, conçue par Richard Normann à l’Université d’Utah. Cette puce micrométrique comporte une grille rigide de 96 à 100 microélectrodes en silicium pénétrant simultanément dans la couche V du cortex moteur.
Grâce à ces matrices chroniques, des équipes telles que celles de John Donoghue à l’Université Brown, de Miguel Nicolelis à l’Université Duke et d’Andrew Schwartz à l’Université de Pittsburgh ont pu franchir le rubicon méthodologique de l’enregistrement simultané en temps réel. Les résultats ont balayé les ultimes doutes : calculé sur un essai unique, sans aucun moyennage temporel inter-sessions, le vecteur de population issu de quelques dizaines de cellules suivies simultanément prédisait la trajectoire instantanée du bras avec une fidélité stupéfiante.
Ces systèmes multivoies ont également permis d’analyser l’impact réel des corrélations de bruit (noise correlations) entre paires de neurones voisins. Contrairement aux craintes théoriques formulées au début des années 2000 suggérant que des bruits corrélés viendraient saturer l’information de Fisher et dégrader catastrophiquement le codage de population, les enregistrements massifs simultanés ont démontré que la structure spatiale géométrique du code moteur projette la majeure partie du bruit orthogonalement à la variété sous-tendant la cinématique motrice, préservant l’intégrité de la consigne directionnelle globale.
10.3 Avancées de l’analyse computationnelle des signaux corticaux
Parallèlement à la miniaturisation des capteurs physiques, le traitement mathématique des données neuronales a connu une transformation radicale. Si la formule originelle de Georgopoulos procédait d’une sommation géométrique linéaire pure, les neurosciences computationnelles ont développé des architectures algorithmiques d’une sophistication mathématique croissante pour extraire l’information cinématique :
- Filtres linéaires et modèles autorégressifs : Décodage de la cinématique par régression linéaire optimale (filtre de Wiener) intégrant l’historique des décharges sur plusieurs pas de temps passés pour capturer la dynamique inertielle du membre.
- Modèles d’espace d’états et filtres de Kalman : Formalisation probabiliste récursive estimant l’état cinématique courant (position, vitesse, accélération) en combinant continuellement une équation d’état cinématique a priori et un modèle d’observation neurale d’émission de potentiels d’action. Le filtre de Kalman et ses déclinaisons non linéaires (filtres particulaires, filtres de Kalman non-parfumés) ont surpassé le vecteur de population classique en précision d’estimation de la vitesse continue.
- Réseaux de neurones récurrents (RNN) et apprentissage profond : Utilisation d’architectures d’apprentissage machine (LSTM, GRU) pour modéliser les non-linéarités complexes et les dépendances temporelles à long terme de l’activité multi-unitaire.
Malgré cette débauche d’outils statistiques modernes, l’algorithme du vecteur de population de Georgopoulos conserve un avantage décisif : sa transparence computationnelle et son absence totale de boîte noire conceptuelle. Il demeure la référence par rapport à laquelle toutes les nouvelles architectures de décodage sont systématiquement évaluées.
11. Applications cliniques : genèse des interfaces cerveau-machine (ICM)
11.1 De l’algorithme de Georgopoulos au décodage pour neuroprothèses
L’application translationnelle la plus spectaculaire issue directement des travaux d’Apostolos Georgopoulos est indiscutablement l’avènement des interfaces cerveau-machine (ICM) intracorticales. Si une assemblée de neurones du cortex moteur code la direction d’un mouvement spatial avant même son exécution, il devient théoriquement concevable d’intercepter ces potentiels d’action au niveau cortical, de les décoder en temps réel via l’algorithme du vecteur de population, et d’utiliser ce signal numérique pour diriger un actionneur externe sans aucune sollicitation des voies nerveuses périphériques ou de la moelle épinière.
Cette transition de la paillasse de laboratoire à la clinique humaine a été initiée au début des années 2000. Des démonstrations précliniques magistrales menées chez le primate ont d’abord validé le contrôle en boucle fermée de curseurs 2D sur des écrans informatiques (Taylor, Tillery et Schwartz, 2002 ; Serruya et al., 2002). Puis, le protocole historique BrainGate, mené par l’équipe de John Donoghue et Leigh Hochberg à Brown University, a permis pour la première fois d’implanter des matrices chroniques de 96 électrodes dans le cortex moteur primaire d’individus tétraplégiques atteints de lésions complètes de la moelle épinière ou du syndrome d’enfermement consécutif à un AVC du tronc cérébral.
Les résultats cliniques ont apporté la confirmation la plus émouvante et la plus éclatante du modèle de Georgopoulos : malgré des années de paralysie corporelle totale, les neurones du cortex moteur primaire humain conservaient intacte leur syntonisation directionnelle en cosinus. Dès que les patients s’imaginaient pointer la main vers une cible, l’application du décodage par population permettait d’extraire instantanément la trajectoire intentionnelle et de déplacer un curseur informatique avec une fluidité remarquable, leur restituant ainsi une autonomie de communication textuelle et de commande environnementale.
11.2 Contrôle téléologique de bras robotiques poly-articulés
L’étape ultérieure a consisté à affranchir le décodage de l’écran 2D pour aborder le contrôle téléologique de membres prothétiques robotiques évoluant dans l’espace physique tridimensionnel. Les travaux emblématiques dirigés par Andrew Schwartz à l’Université de Pittsburgh ont constitué un tournant technologique majeur.
Dans une série d’expériences spectaculaires, des singes rhésus puis des patients tétraplégiques (notamment la célèbre patiente Jan Scheuermann en 2012) ont appris à commander, par la seule force de leur intention motrice décodée au sein de M1, des bras robotiques anthropomorphes complexes comportant jusqu’à sept à dix degrés de liberté articulaires indépendants. Les algorithmes de sommation vectorielle, généralisés à l’espace multidimensionnel, permettaient de contrôler en continu les axes translationnels $x, y, z$ de l’extrémité de la pince, ainsi que l’orientation angulaire du poignet (roulis, tangage, lacet) et l’ouverture/fermeture proportionnelle des doigts mécaniques.
Cette maîtrise computationnelle a permis aux patients d’accomplir des tâches écologiques d’une complexité extrême, telles que saisir délicatement un cône de nourriture posé sur un plateau, le porter sans l’écraser jusqu’à leur bouche pour s’auto-alimenter de façon autonome, et le reposer avec précision. Ces exploits ont définitivement consacré la théorie du vecteur de population comme l’un des piliers technologiques majeurs de la neuroprothétique moderne.
11.3 Neuroplasticité et co-adaptation au sein des interfaces neurales
L’immersion du modèle de population au sein des boucles fermées des interfaces cerveau-machine a mis en évidence une dimension biologique insoupçonnée de la motricité : la co-adaptation bidirectionnelle entre le cerveau et l’algorithme de décodage mathématique. Une ICM ne se limite pas à un système de lecture passive d’un code neural figé ; elle constitue une nouvelle boucle cybernétique d’apprentissage.
Comme l’ont démontré les travaux de Jose Carmena à l’Université de Berkeley, lorsque les paramètres initiaux d’un décodeur vectoriel sont imparfaits ou sous-optimaux, le cortex moteur fait preuve d’une neuroplasticité remarquable. Par le biais du retour visuel permanent sur les performances de l’effecteur prothétique, les neurones réorganisent activement leurs profils d’accord : certains modifient leur direction préférée ($\theta_0$) ou augmentent leur profondeur de modulation ($k$) pour compenser les lacunes mathématiques du décodeur et stabiliser le geste.
Il s’établit ainsi un véritable « dialogue adaptatif » où l’algorithme mathématique affine ses coefficients de pondération pendant que le tissu neural sculpte de nouvelles synergies synaptiques dédiées spécifiquement à la maîtrise de l’effecteur artificiel. Ces observations ouvrent des perspectives thérapeutiques vertigineuses, non seulement pour pallier les déficits moteurs consécutifs aux traumatismes médullaires, mais aussi pour induire une plasticité dirigée facilitant la rééducation motrice après des lésions cérébrales focales.
12. Héritage scientifique et perspectives contemporaines en neurosciences
12.1 Transition du codage vectoriel à la théorie des systèmes dynamiques (Dynamical Systems)
Au cours des deux dernières décennies, la vision purement représentationnelle du cortex moteur — consistant à chercher une corrélation directe et univoque entre l’activité d’une cellule et un paramètre cinématique extrinsèque (la direction) ou dynamique intrinsèque (la force) — a fait l’objet d’un dépassement conceptuel majeur. Ce nouveau paradigme, initié par les travaux pionniers de Mark Churchland, Krishna Shenoy et John Cunningham à l’Université Stanford, appréhende le cortex moteur primaire non pas comme une unité d’encodage passive de représentations cinématiques, mais comme un **générateur de motifs dynamiques autonomes** (dynamical system).
Dans l’approche des systèmes dynamiques, l’activité combinée de milliers de neurones n’est plus analysée isolément axe par axe, mais comme un point évoluant au cours du temps dans un espace d’états de haute dimension (où chaque dimension correspond au taux de décharge d’un neurone individuel). Les travaux récents de Churchland et al. (2012) ont démontré que cette trajectoire d’état de haute dimension s’effondre en réalité sur une sous-variété neuronale de basse dimension (neural manifold), gouvernée par des dynamiques d’oscillations rotationnelles collectives fondamentales (décelables par l’algorithme jPCA) :
$$\dot{\mathbf{x}}(t) = \mathbf{M}_{\text{skew}} \mathbf{x}(t)$$
où $\mathbf{x}(t)$ représente les premières composantes de la variété neuronale et $\mathbf{M}_{\text{skew}}$ une matrice antisymétrique décrivant un flot rotationnel stable sans divergence.
Loin d’invalider le modèle originel de Georgopoulos, cette approche dynamique moderne en constitue l’héritière conceptuelle directe. C’est précisément parce que Georgopoulos a appris à la communauté neuroscientifique à renoncer à l’analyse monocellulaire pour raisonner à l’échelle de la population géométrique globale que la transition vers la théorie des variétés dynamiques a pu s’opérer. Le vecteur de population s’interprète aujourd’hui comme une projection observable directe dans l’espace physique extrinsèque des trajectoires intrinsèques circulant sur ces variétés neurales sous-jacentes.
12.2 Généralisation du codage par population à d’autres aires cérébrales
L’universalité du formalisme vectoriel formalisé par Georgopoulos a rapidement débordé les confins de l’aire motrice 4 pour s’imposer comme une règle computationnelle canonique régissant l’ensemble du manteau cortical et des structures sous-corticales :
- Le système de navigation spatiale et les cellules de direction de la tête : La découverte par James Taube et Robert Muller au début des années 1990 des cellules de direction de la tête (Head Direction Cells) dans le postsubiculum et le cortex rétrosplénial constitue un calque fonctionnel pur du modèle de Georgopoulos. Chaque cellule présente une syntonisation angulaire en cosinus pour l’orientation de la tête dans l’environnement horizontal, et l’orientation de l’animal découle directement d’un décodage par vecteur de population appliqué à ces assemblées limbiques.
- Le contrôle de la motricité oculaire saccadique : Au sein des champs oculaires frontaux (FEF) et du colliculus supérieur, David Sparks a démontré que l’amplitude et la direction des saccades oculaires sont régies par un consensus vectoriel de population comparable, assurant la convergence de la fovéa vers les cibles visuelles incidentes.
- La prise de décision dans le cortex préfrontal : Les modèles contemporains de décision d’action basés sur l’accumulation d’évidence sensorielle (modèles de dérive-diffusion neuronale) interprètent le choix comme la dérive vectorielle d’une assemblée corticale préfrontale vers des attracteurs stables représentant les options disponibles.
Le codage distribué par population s’est ainsi affirming comme le langage universel par lequel le cerveau des vertébrés résout l’épineux problème de l’estimation de paramètres continus au moyen d’éléments de calcul discrets, stochastiques et imparfaits.
12.3 Bilan de la contribution d’Apostolos Georgopoulos à la science moderne
L’expérience historique d’Apostolos Georgopoulos en 1982 représente une authentique coupure épistémologique au sens de Gaston Bachelard. En osant introduire une pensée vectorielle dans un univers neurobiologique alors largement dominé par une vision anatomique descriptive et mécaniste, Georgopoulos a jeté les ponts qui unissent aujourd’hui les mathématiques appliquées, la physique théorique, l’ingénierie biomédicale et la physiologie du comportement.
Son œuvre a enseigné au monde scientifique que le tissu cérébral ne fonctionne ni comme un assemblage mécanique d’interrupteurs indépendants, ni comme un magma indifférencié, mais comme une architecture géométrique rigoureuse où le calcul mathématique s’incarne directement dans les interférences constructives et destructives de l’activité synaptique. De l’élucidation de la cinématique des primates aux prothèses bioniques qui restaurent aujourd’hui l’autonomie de personnes paralysées, l’expérience de codage par population du cortex moteur s’est inscrite pour toujours au panthéon des plus grandes découvertes de l’histoire des neurosciences modernes.
Références
Caminiti, R., Johnson, P. B., & Urbano, A. (1990). Making arm movements within different parts of space: Dynamic aspects in the primate motor cortex. The Journal of Neuroscience, 10(7), 2039–2058. https://doi.org/10.1523/JNEUROSCI.10-07-02039.1990
Churchland, M. M., Cunningham, J. P., Kaufman, M. T., Foster, J. D., Nuyujukian, P., Ryu, S. I., & Shenoy, K. V. (2012). Neural population dynamics during reaching. Nature, 487(7405), 51–56. https://doi.org/10.1038/nature11129
Collinger, J. L., Wodlinger, B., Downey, J. E., Wang, W., Tyler-Kabara, E. C., Weber, D. J., McMorland, A. J., Velliste, M., Boninger, M. L., & Schwartz, A. B. (2013). High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet, 381(9866), 557–564. https://doi.org/10.1016/S0140-6736(12)61816-9
Dayan, P., & Abbott, L. F. (2001). Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. MIT Press.
Evarts, E. V. (1968). Relation of pyramidal tract activity to force exerted during voluntary movement. Journal of Neurophysiology, 31(1), 14–27. https://doi.org/10.1152/jn.1968.31.1.14
Georgopoulos, A. P., Kalaska, J. F., Caminiti, R., & Massey, J. T. (1982). On the relations between the direction of two-dimensional arm movements and cell discharge in primate motor cortex. The Journal of Neuroscience, 2(11), 1527–1537. https://doi.org/10.1523/JNEUROSCI.02-11-01527.1982
Georgopoulos, A. P., Schwartz, A. B., & Kettner, R. E. (1986). Neuronal population coding of movement direction. Science, 233(4771), 1416–1419. https://doi.org/10.1126/science.3749885
Georgopoulos, A. P., Lurito, J. T., Petrides, M., Schwartz, A. B., & Massey, J. T. (1989). Mental rotation of the neuronal population vector. Science, 243(4888), 234–236. https://doi.org/10.1126/science.2911737
Hebb, D. O. (1949). The Organization of Behavior: A Neuropsychological Theory. John Wiley & Sons.
Hochberg, L. R., Serruya, M. D., Friehs, G. M., Mukand, J. A., Saleh, M., Caplan, A. H., Branner, A., Chen, D., Penn, R. D., & Donoghue, J. P. (2006). Neuronal ensemble control of prosthetic devices by a human with tetraplegia. Nature, 442(7099), 164–171. https://doi.org/10.1038/nature04970
Mussa-Ivaldi, F. A. (1988). Do neurons in the motor cortex encode movement direction? An alternative hypothesis. Neuroscience Letters, 91(1), 106–111. https://doi.org/10.1016/0304-3940(88)90256-4
Penfield, W., & Boldrey, E. (1937). Somatic motor and sensory representation in the cerebral cortex of man as studied by electrical stimulation. Brain, 60(4), 389–443. https://doi.org/10.1093/brain/60.4.389
Pouget, A., Dayan, P., & Zemel, R. (2000). Information processing with population codes. Nature Reviews Neuroscience, 1(2), 125–132. https://doi.org/10.1038/35039062
Salinas, E., & Abbott, L. F. (1994). Vector reconstruction from firing rates. Journal of Computational Neuroscience, 1(1–2), 89–107. https://doi.org/10.1007/BF00962720
Sanger, T. D. (1994). Theoretical considerations for the analysis of population coding in motor cortex. Neural Computation, 6(1), 29–37. https://doi.org/10.1162/neco.1994.6.1.29
Schwartz, A. B., Kettner, R. E., & Georgopoulos, A. P. (1988). Primate motor cortex and free arm movements to visual targets in three-dimensional space. I. Relations between single cell discharge and direction of movement. The Journal of Neuroscience, 8(8), 2913–2927. https://doi.org/10.1523/JNEUROSCI.08-08-02913.1988
Scott, S. H., & Kalaska, J. F. (1997). Reaching movements with similar hand paths but different arm orientations. I. Activity of individual cells in motor cortex. Journal of Neurophysiology, 77(2), 826–852. https://doi.org/10.1152/jn.1997.77.2.826
Taylor, D. M., Tillery, S. I. H., & Schwartz, A. B. (2002). Direct cortical control of 3D neuroprosthetic devices. Science, 296(5574), 1829–1832. https://doi.org/10.1126/science.1070291