Les expériences de la théorie de l’attente – Edward Tolman

L’histoire de la psychologie scientifique au début du XXe siècle est marquée par une tension épistémologique fondamentale entre deux ambitions apparemment irréconciliables : l’exigence d’un positivisme méthodologique intransigeant, incarné par le rejet béhavioriste de l’introspectionnisme classique, et la nécessité théorique de rendre compte de la complexité, de l’organisation orientée et de l’adaptabilité du comportement vivant. Alors que John B. Watson et ses successeurs orthodoxes réduisaient l’activité psychique à une chaîne d’arcs réflexes élémentaires reliant mécaniquement des stimuli proximaux à des réponses musculaires ou glandulaires, une dissidence majeure émergea au cœur même du mouvement béhavioriste américain. Portée par la figure visionnaire d’Edward Chace Tolman (1886-1959) au sein des laboratoires de l’Université de Californie à Berkeley, cette rupture épistémologique donna naissance à ce que l’on nommera le béhaviorisme intentionnel (purposive behaviorism) et, plus largement, à la théorie de l’attente cognitive (expectancy theory).

Loin de constituer une simple variante marginale du paradigme dominant, l’approche de Tolman a dynamité de l’intérieur les postulats mécanistes de ses contemporains. En affirmant que le comportement des organismes — du rat de laboratoire à l’être humain — est fondamentalement molaire, orienté vers des buts et structuré par des représentations internes de l’environnement, Tolman a introduit un ensemble de concepts révolutionnaires : l’apprentissage latent, les variables intermédiaires, les matrices de signe-Gestalt et, couronnement de sa trajectoire intellectuelle, les cartes cognitives. Ces notions ont profondément déstabilisé la suprématie de la loi de l’effet énoncée par Edward Thorndike et théorisée par Clark Hull, selon laquelle aucun apprentissage ne saurait avoir lieu sans renforcement direct et immédiat.

Cet article propose une exploration encyclopédique de l’œuvre d’Edward Tolman et des expériences fondatrices qui ont scellé l’émergence de la théorie de l’attente. Nous analyserons les racines philosophiques et gestaltistes de sa démarche, les protocoles ingénieux qui ont mis au jour l’apprentissage latent et la flexibilité spatiale des rongeurs, la querelle titanesque qui l’opposa au système mathématico-déductif de Clark Hull, ainsi que la validation neurobiologique éclatante apportée plusieurs décennies plus tard par la découverte des cellules de lieu et de grille dans le système hippocampique. Enfin, nous retracerons la filiation directe qui unit les intuitions tolmaniennes aux sciences cognitives contemporaines, à la psychologie de la motivation, à l’apprentissage par renforcement en intelligence artificielle et à la neurobiologie computationnelle la plus avancée.

1. Contexte historique et émergence du béhaviorisme intentionnel d’Edward Tolman

1.1 La rupture épistémologique avec le béhaviorisme mécaniste de Watson et Thorndike

Le début des années 1920 en psychologie expérimentale américaine est dominé par l’hégémonie grandissante du modèle béhavioriste inauguré par le manifeste de John B. Watson en 1913. En réaction vigoureuse contre les dérives subjectivistes de la méthode introspective défendue par Wilhelm Wundt et Edward Titchener, Watson avait imposé un impératif d’objectivité quasi obsessionnel : la psychologie ne devait plus être la science de la conscience, mais la science du comportement observable. Toutefois, ce salutaire recentrage méthodologique s’était accompagné d’un réductionnisme physiologique radical. Pour Watson, tout comportement, qu’il s’agisse de la salivation d’un chien ou de la rédaction d’un traité philosophique, devait s’expliquer exclusivement à travers le prisme moléculaire de l’arc réflexe stimulus-réponse (S-R). Ce schéma présupposait que l’organisme est un agrégat passif de circuits neuromusculaires connectés par l’exercice et la contiguïté temporelle.

Parallèlement, la tradition initiée par Edward Thorndike reposait sur la « loi de l’effet », stipulant qu’une réponse suivie d’un état de satisfaction pour l’organisme est automatiquement et mécaniquement « estampée » (stamped in) dans le tissu nerveux, tandis qu’une réponse suivie d’inconfort est éliminée. Edward Tolman perçoit très tôt l’insuffisance épistémologique d’un tel réductionnisme. Pour lui, la décomposition atomiste du comportement en unités physiologiques élémentaires — contractions musculaires, sécrétions glandulaires — rate précisément ce qui confère au comportement sa signification psychologique : son organisation globale et son intelligibilité fonctionnelle. Tolman qualifie cette perspective classique de « moléculaire » et conteste l’affirmation selon laquelle l’esprit scientifique exigerait de nier l’existence de processus internes guidant l’action.

Tolman entreprend donc de démontrer qu’il est possible de refuser l’introspectionnisme sans pour autant souscrire au simplisme mécaniste du réflexe conditionné. Le rejet absolu des variables internes par le béhaviorisme watsonien relevait, selon lui, d’un positivisme naïf. Pour expliquer la cohérence temporelle de la conduite animale, sa persistance en dépit des obstacles et son ajustement plastique aux variations de l’environnement, le chercheur doit obligatoirement postuler des construits hypothétiques intermédiaires. Ces construits n’ont rien de substances métaphysiques ou cartésiennes : ils représentent des états fonctionnels de l’organisme, ancrés de manière rigoureuse entre les stimuli environnementaux observables en amont et les réponses motrices mesurables en aval.

1.2 La conceptualisation du béhaviorisme molaire ou intentionnel

Dans son ouvrage magistral de 1932, Purposive Behavior in Animals and Men, Edward Tolman formalise sa rupture avec l’orthodoxie réductrice en forgeant le concept fondamental de « comportement molaire » (molar behavior), qu’il oppose terme à terme au comportement moléculaire. Une unité d’analyse molaire ne s’intéresse pas aux détails anatomiques des mouvements musculaires — tels que l’extension du quadriceps ou la contraction des fléchisseurs digitaux —, mais considère l’action dans son intégralité fonctionnelle et son orientation écologique. Lorsqu’un rat traverse un labyrinthe pour atteindre une boîte de nourriture, son comportement molaire est « courir vers la nourriture » ou « sortir du labyrinthe ». Que le rongeur accomplisse cette tâche en courant sur ses quatre pattes, en sautillant sur trois membres à la suite d’une lésion, ou même en nageant dans une allée inondée, l’acte molaire demeure invariant, bien que la séquence moléculaire des contractions musculaires soit radicalement modifiée.

Le deuxième pilier conceptuel de Tolman réside dans la reconnaissance explicite de l’intentionnalité ou de l’orientation vers un but (purposiveness), non pas comme une projection anthropomorphique ou un principe vitaliste mystique, mais comme une propriété physique, objectivement constatable, immanente au comportement lui-même. Tolman insiste sur le fait que la téléologie — l’orientation d’une conduite vers une fin — n’est pas un concept téléologique aristotélicien nécessitant une cause finale rétroagissant depuis le futur, mais une caractéristique descriptive du comportement, observable à travers trois critères opérationnels :

• La persévérance : l’organisme maintient son activité jusqu’à ce qu’un certain état de fait environnemental (l’état-but) soit atteint.
• L’ajustement plastique : l’organisme modifie spontanément sa trajectoire et ses modes d’action dès lors que des perturbations surviennent dans l’agencement spatial du milieu.
• L’apprentissage sélectif : face à des voies concurrentes menant au même objectif, l’organisme sélectionne systématiquement la trajectoire la plus efficiente ou la plus courte, illustrant ce que Tolman théorisera sous le nom de « principe du moindre effort ».

En ancrant l’intentionnalité dans l’observation des patterns de variabilité et de constance du comportement, Tolman parvient à réconcilier la plus stricte rigueur positiviste avec la prise en compte de la finalité adaptative des organismes. Le béhaviorisme intentionnel affirme ainsi que le comportement est toujours sous-tendu par une visée, et que cette visée est scientifiquement traçable par le biais de designs expérimentaux contrôlés.

1.3 L’influence de la psychologie de la Gestalt et des champs topologiques

L’originalité épistémologique de Tolman s’explique en grande partie par son ouverture précoce aux théories développées en Europe continentale, tout particulièrement par les fondateurs de la psychologie de la Gestalt : Max Wertheimer, Wolfgang Köhler et Kurt Koffka. En 1923, Tolman séjourne à Giessen en Allemagne, où il s’imprègne des principes gestaltistes d’organisation perceptive. Contrairement aux associationnistes qui envisageaient la perception comme un assemblage atomistique de sensations élémentaires collées entre elles par des lois de proximité spatio-temporelle, la Gestalt professait que l’organisme perçoit immédiatement des totalités structurées, régies par des principes d’émergence holistique, de continuité et de clôture.

Tolman opère une translation théorique brillante en appliquant cette perspective holistique non plus seulement aux phénomènes de la perception visuelle, mais directement aux dynamiques de l’action et de l’apprentissage. Pour lui, l’animal n’évolue pas dans un espace constitué de stimuli atomiques isolés auxquels s’attacheraient des réponses mécaniques individuelles ; il perçoit l’environnement sous la forme d’un « champ comportemental » global, structuré en figures et en fonds, doté de gradients, de barrières et de voies de circulation. L’espace n’est pas un réceptacle neutre de déclencheurs sensoriels, mais une configuration relationnelle signifiante.

Cette vision est consolidée par l’influence décisive de Kurt Lewin et de sa théorie des champs topologiques et vectoriels. Lewin concevait le comportement comme une fonction de l’interaction dynamique entre la personne et son environnement au sein d’un « espace de vie » (life space), parcouru de forces d’attraction (valences positives) et de répulsion (valences négatives). Tolman assimile ce formalisme topologique : l’organisme dans un labyrinthe est soumis à des vecteurs de tension psychologique orientés vers des buts valorisés (la nourriture) ou fuyant des zones aversives (le choc électrique, l’impasse). Dès lors, la géométrie du comportement ne s’exprime plus en termes de connexions S-R locales, mais en termes de déplacements au sein d’un réseau topologique d’opportunités d’action et d’itinéraires possibles. Cette conception gestaltiste préfigure directement l’élaboration de la théorie de l’attente et du modèle des cartes cognitives.

2. Fondements théoriques de la théorie de l’attente chez Tolman

2.1 La nature psychologique et opératoire de l’attente

Au cœur de l’édifice conceptuel tolmamien se trouve la notion d’attente cognitive (expectancy). Dans le cadre mécaniste traditionnel, l’apprentissage consistait en une modification passive de la force d’une habitude motrice (le habit strength de Hull), enracinée dans le système nerveux sous l’effet de répétitions récompensées. Pour Tolman, l’apprentissage est d’une nature radicalement distincte : il correspond à l’acquisition de connaissances relatives à l’environnement, formulées sous la forme d’anticipations relationnelles. L’attente est la structure psychologique par laquelle un organisme appréhende qu’un signal donné (S1), s’il est suivi d’une certaine réponse ou conduite opératoire (R1), débouchera de manière prévisible sur une conséquence ou un stimulus subséquent déterminé (S2).

Loin d’être une pure spéculation mentaliste invérifiable, l’attente tolmanienne possède une portée éminemment opératoire. Elle est vérifiable et mesurable à travers les modifications immédiates du comportement lorsque les conditions du milieu changent ou lorsque l’attente est confirmée ou infirmée par la réalité. Une attente n’est pas une simple impulsion motrice vers l’avant ; elle comporte une structure intentionnelle définie par un contenu sémantique prévisionnel. Si l’animal attend un morceau de graine de tournesol au terme d’un embranchement spécifique et qu’on substitue clandestinement cette graine par une rondelle de carotte, l’invalidation de l’attente se manifestera instantanément par un temps d’arrêt, une inspection hésitante ou un refus de consommation, démontrant la spécificité de la représentation préalable.

Cette distinction entre habitude motrice et attente cognitive est cruciale :

• L’habitude (modèle S-R) : est rigide, automatique, dépendante de l’exécution séquentielle des mêmes contractions musculaires, et indifférente au résultat final jusqu’à ce que celui-ci vienne réajuster rétroactivement la force associative.
• L’attente (modèle cognitif) : est dynamique, prospective, indépendante du mode moteur particulier employé pour atteindre le but, et gouvernée par la valeur intrinsèque de la représentation du résultat attendu.

2.2 Le paradigme Stimulus-Organisme-Réponse et les variables intermédiaires

Pour conférer à sa théorie une assise méthodologique inattaquable face aux critiques des néo-positivistes logiques du Cercle de Vienne, Tolman introduit dès 1936-1938 le formalisme fondamental du paradigme Stimulus-Organisme-Réponse (S-O-R), couplé à la théorisation des variables intermédiaires (intervening variables). Tolman reconnaît que la science psychologique ne peut directement observer les événements mentaux ; elle ne dispose d’un accès empirique qu’à deux ensembles de phénomènes :

1. Les variables indépendantes (l’input environnemental) : la privation physiologique (nombre d’heures sans nourriture), la configuration physique du labyrinthe, la nature des stimuli distaux et proximaux, le nombre d’essais préalables.
2. Les variables dépendantes (l’output comportemental) : le temps de parcours, le nombre d’erreurs d’aiguillage, la vitesse de course, la direction des bifurcations aux carrefours.

Face à l’impossibilité d’établir des lois mathématiques directes et stables reliant les variables indépendantes aux variables dépendantes sans tenir compte de l’état du sujet, Tolman insère logiquement entre elles la catégorie de l’Organisme (O). Les variables intermédiaires sont des construits théoriques — des concepts logico-mathématiques — qui résument les transactions internes opérées par l’organisme entre les conditions d’entrée et les réponses de sortie. Tolman exprime cette relation sous une forme fonctionnelle :

R = f (S, O) ou plus précisément B = f (S, H, T, P), où le comportement B est fonction des stimuli environnementaux S, de l’hérédité H, de l’entraînement passé T, et des états physiologiques/motivationnels P.

Crucialement, pour Tolman, des notions telles que l’« attente », la « carte cognitive », le « besoin de faim » ou l’« hypothèse d’exploration » sont des variables intermédiaires légitimes au même titre que les concepts de « gravité », de « magnétisme » ou d’« électron » en physique fondamentale. Nul physicien ne voit directement la force gravitationnelle ; on observe la masse et l’accélération, et l’on infère la variable intermédiaire mathématique qui les relie rationnellement. Tolman opère rigoureusement la même démarche pour les états cognitifs et motivationnels, désenclavant la psychologie mentale de l’écueil subjectiviste.

2.3 Les relations de signe-Gestalt

La déclinaison opérationnelle de l’attente s’exprime dans le modèle structurel des « relations de signe-Gestalt » (sign-Gestalt expectations). Tolman décompose l’unité d’analyse cognitive en une structure triadique cohérente comprenant trois pôles indissociables :

• Le signe (sign) : le signal environnemental, la configuration de repères visuels, tactiles ou vestibulaires perçus par le sujet à un moment précis de son itinéraire.
• Le significat (significate) : l’objet, l’événement, ou l’état de fait terminal vers lequel le comportement tend (l’objet-but, tel qu’une boulette de nourriture saturée de glucides ou un refuge sécurisé).
• La relation directionnelle ou moyen-fin (sign-significate relation) : la proposition cognitive reliant le signe au significat par l’intermédiaire d’une action opérationnelle (« si je tourne à droite au niveau de ce panneau blanc, j’accéderai à la boîte d’arrivée »).

Ces structures ne fonctionnent pas de manière isolée. L’animal n’empile pas des triplets mécaniques les uns à côté des autres ; il les organise en matrices de signe-Gestalt (sign-Gestalt matrices). Une matrice représente un système cognitif intégré et plastique au sein duquel les différentes attentes partielles sont pondérées, articulées et coordonnées en un modèle spatial et causal cohérent du secteur environnemental exploré.

Dès lors, si une modification physique intervient dans l’arène spatiale — par exemple l’apparition d’un obstacle ou la fermeture d’un passage —, l’organisme n’a pas besoin de désapprendre une à une toutes les connexions motrices élémentaires par extinction graduelle, comme le prédirait le modèle hullien. Il lui suffit de restructurer sa matrice cognitive de signe-Gestalt pour en déduire immédiatement, par inférence topologique, un nouvel itinéraire viable. Cette plasticité représentationnelle forme le socle théorique sur lequel reposent les démonstrations expérimentales de l’apprentissage latent.

3. L’apprentissage latent : Le protocole expérimental fondateur

3.1 Le protocole rigoureux de Tolman et Honzik (1930)

Pour mettre à l’épreuve des faits la divergence radicale entre la thèse mécaniste du renforcement (Thorndike, Hull) et la théorie cognitive de l’attente, Edward Tolman conçoit avec son collaborateur Charles H. Honzik en 1930 l’une des expériences les plus célèbres et déterminantes de l’histoire de la psychologie scientifique : l’étude sur l’apprentissage latent (latent learning).

Le protocole utilise un labyrinthe complexe comportant 14 unités d’embranchements en T (un dispositif à choix multiples hautement standardisé où chaque décision erronée entraîne l’entrée dans une impasse aveugle). Les chercheurs constituent trois cohortes distinctes de rats de laboratoire albinos, soumis à un régime strict de privation alimentaire et confrontés au labyrinthe à raison d’un essai par jour sur une durée continue de plusieurs semaines :

• Groupe 1 : Groupe à renforcement continu (Contrôle récompensé). Dès le premier jour et jusqu’au bout de l’expérience, ces animaux trouvent invariablement une récompense alimentaire hautement appétitive dans la boîte finale du labyrinthe.
• Groupe 2 : Groupe sans récompense (Contrôle non-récompensé). Ces rats parcourent le même labyrinthe durant toute la durée de l’expérience mais ne trouvent absolument rien dans la boîte terminale ; ils en sont retirés après un bref intervalle et nourris dans leur cage d’élevage plusieurs heures plus tard.
• Groupe 3 : Groupe à renforcement différé (Groupe expérimental critique). Du premier au dixième jour, ces sujets sont traités exactement comme le groupe sans récompense : ils explorent le labyrinthe sans qu’aucune nourriture ne vienne récompenser leur sortie. Mais au onzième jour, de la nourriture est clandestinement introduite dans la boîte d’arrivée pour la première fois, et maintenue lors de chaque essai consécutif jusqu’au dix-septième jour.

Les métriques de performance recueillies avec un soin extrême reposent sur deux variables dépendantes principales : le temps total mis pour atteindre la boîte d’arrivée et, plus significativement, le nombre total d’erreurs (entrées dans les impasses) commises par essai par chaque sujet.

3.2 Analyse empirique des courbes d’apprentissage et de performance

Les données enregistrées par Tolman et Honzik ont produit des résultats statistiques d’une netteté foudroyante, ruinant les prédictions univoques du modèle de Thorndike. Durant les dix premiers jours, les trois groupes manifestent des profils de performance distincts :

Le groupe constamment récompensé (Groupe 1) montre la courbe descendante classique théorisée par le béhaviorisme orthodoxe : d’essais en essais, le nombre d’erreurs et le temps de transit diminuent de manière régulière et monotone, témoignant de l’ajustement adaptatif aux contingences de l’appareil. Les rats non récompensés (Groupe 2) manifestent une amélioration extrêmement lente et médiocre ; bien que leur courbe d’erreurs baisse très légèrement sous l’effet de la familiarisation générale avec l’espace et de la réduction de la néophobie, ils continuent d’errer longuement dans les corridors et accumulent un taux résiduel d’erreurs très élevé.

Le point critique du dispositif réside dans le basculement du 11e au 12e jour pour le Groupe 3 :

Si la loi de l’effet était vraie — c’est-à-dire si le renforcement était la cause physique directe de l’inscription neuronale des réponses motrices —, l’introduction de la nourriture au onzième jour aurait dû amorcer une trajectoire d’apprentissage graduelle et progressive, décalée de dix jours par rapport à celle du Groupe 1. Le rat aurait dû commencer à « estamper » lentement les bons virages à partir de ce point initial de récompense.

Or, les données réelles montrent une rupture spectaculaire : dès le douzième jour (soit après un seul essai récompensé !), le nombre d’erreurs du Groupe 3 chute de manière vertigineuse, selon une pente quasi verticale. Plus renversant encore, la performance du Groupe 3 rattrape instantanément celle du Groupe 1, et finit même par la surpasser légèrement aux jours 13 et 14 en termes de rapidité et d’exactitude. La transition est si brutale qu’elle ne peut en aucun cas résulter d’une accumulation incrémentale d’habitudes motrices.

3.3 La distinction paradigmatique entre apprentissage et performance

La portée théorique de cette expérience est sismique : elle introduit dans le champ de la psychologie une dissociation conceptuelle irréversible entre l’apprentissage (l’acquisition interne, structurelle et latente d’informations spatiales et causales) et la performance (la manifestation comportementale observable de ce savoir).

Durant les dix premiers jours, les rats du Groupe 3 apprenaient bel et bien la configuration topologique du labyrinthe, les interconnexions entre allées, les impasses et les voies ouvertes. Toutefois, en l’absence de motivation biologique orientée (absence de renforçateur final), ce savoir demeurait latent, silencieux, non actualisé dans une vitesse de course précipitée ou un évitement rigide des impasses. Dès que la nourriture est introduite au onzième jour, l’animal forme instantanément l’attente d’une conséquence hautement désirable au terme du parcours. Ce basculement motivationnel métabolise instantanément la compétence cognitive latente en une performance motrice ultra-efficace.

Tolman assène ainsi un coup fatal à la loi de l’effet de Thorndike et à la théorie unitaire de la pulsion de Hull :

• Le renforcement n’est pas le moteur de l’apprentissage. L’acquisition de structures spatiales opère par simple exposition cognitive exploratoire au milieu (apprentissage latent).
• Le renforcement est un régulateur de la performance. Il agit comme un incitateur motivationnel déterminant le passage à l’acte, indiquant à l’organisme si l’activation de sa carte interne est opportune et adaptative au regard de ses besoins biologiques actuels.

4. La construction et l’organisation des cartes cognitives

4.1 L’essai séminal de 1948 : Cognitive Maps in Rats and Men

En 1948, Edward Tolman publie dans la Psychological Review son article le plus célèbre et le plus influent : « Cognitive Maps in Rats and Men ». Ce texte représente le manifeste fondateur du tournant computationnel et représentationnel en psychologie. Tolman y formalise explicitement la métaphore de la carte mentale en utilisant une analogie technologique particulièrement saisissante pour son époque :

Pour le béhaviorisme orthodoxe de Watson et Hull, le système nerveux central n’est rien d’autre qu’un standard téléphonique passif (telephone switchboard). Les stimuli entrants sont de simples appels électriques acheminés sur des lignes spécifiques, et le système se contente d’opérer des commutations automatiques branchant directement la ligne du stimulus d’entrée sur le fil de la réponse motrice de sortie. Dans ce modèle, l’organisme ne possède aucune profondeur interne ; il n’est qu’un tableau de connexions réactives préprogrammées.

À cette métaphore réductrice, Tolman oppose celle de la salle de contrôle centrale (central control room). Dans cette vision révolutionnaire, les impulsions sensorielles arrivant au cerveau ne sont pas simplement connectées une à une à des leviers d’action périphériques ; elles sont traitées, combinées, synthétisées et intégrées activement au sein d’un tableau de bord global qui construit une représentation topographique et fonctionnelle unifiée du monde extérieur : la carte cognitive (cognitive map). C’est cette carte interne, indiquant les routes, les sentiers, les barrières et les cibles d’intérêt, qui guide ensuite la prise de décision de l’agent et sélectionne les réponses motrices requises en fonction du contexte.

De surcroît, Tolman n’hésite pas à étendre ses conclusions tirées des rongeurs à l’espèce humaine (and Men). Il suggère que les croyances, les idéologies, les représentations sociales et les attitudes politiques chez l’humain fonctionnent fondamentalement selon la logique de cartes cognitives d’ordre supérieur, structurant notre lecture du tissu social et régissant nos trajectoires d’action dans le monde existentiel et relationnel.

4.2 Typologie des cartes cognitives : Cartes étroites contre cartes larges

Dans la seconde moitié de son article de 1948, Tolman franchit le cadre strict de l’éthologie de laboratoire pour s’aventurer sur le terrain de la psychopathologie et de la psychologie sociale, en proposant une dichotomie fondamentale quant à la structure qualitative des cartes cognitives : l’opposition entre cartes étroites (en bande étroite / strip maps) et cartes larges (globales / broad maps).

Une carte large est une représentation spatiale ou conceptuelle panoramique, flexible et hautement interconnectée. Elle encode non seulement le chemin habituel emprunté pour atteindre un but, mais également les relations spatiales relatives à l’ensemble du milieu environnant, y compris les voies secondaires, les détours potentiels et les raccourcis exploitables. L’agent doté d’une carte large fait preuve d’une plasticité remarquable : si son itinéraire ordinaire est obstrué par une barrière inattendue, il calcule mentalement une dérivation instantanée sans anxiété ni rigidité comportementale.

À l’inverse, une carte étroite se résume à un corridor simpliste reliant rigidement un stimulus initial à une réponse terminale, sans intégration des zones adjacentes. L’individu ne sait naviguer que le long d’une seule et unique ornière mentale. Tolman identifie les facteurs environnementaux et émotionnels responsables de la genèse de ces cartes rabougries :

• La privation biologique extrême ou le stress aigu : l’hyper-focalisation sur un besoin vital réduit le champ attentionnel et empêche l’exploration périphérique.
• La punition traumatique et la peur : un environnement excessivement punitif tétanise l’organisme et fige des réponses stéréotypées de fuite ou d’évitement.
• La répétition mécanique aveugle : l’excès d’entraînements rigides empêche le sujet de concevoir des variations topologiques.

Tolman tire de ce constat une analogie sociale visionnaire : les préjugés xénophobes, le dogmatisme politique et le fanatisme religieux découlent de cartes cognitives « étroites » et sclérosées, incapables d’intégrer la perspective d’autrui ou de tolérer la moindre modification des normes prescrites, poussant les individus à désigner des boucs émissaires dès lors que leurs routines habituelles sont contrariées.

4.3 Encodage spatial et indépendance vis-à-vis des séquences motrices

L’un des défis les plus redoutables pour le béhaviorisme mécaniste consistait à expliquer comment un animal parvient à s’orienter dans l’espace physique. Selon la théorie motrice périphérique soutenue par John Watson et Harvey Carr, l’apprentissage d’un labyrinthe n’était rien d’autre qu’une chaîne de réflexes proprioceptifs et kinesthésiques : le rat apprend que la contraction du muscle A (tourner à gauche) est suivie après 30 centimètres par la contraction du muscle B (tourner à droite), chaque mouvement servant de stimulus sensoriel déclencheur pour le mouvement musculaire suivant.

Tolman et ses étudiants déploient une série d’expériences spectaculaires pour réfuter méthodiquement cette thèse kinesthésique. Si la carte spatiale était une suite de contractions musculaires enregistrées dans la moelle et les circuits moteurs périphériques, toute perturbation de l’appareil moteur devrait anéantir la capacité du sujet à résoudre le labyrinthe. Or, il n’en est rien :

Dans une expérience célèbre de Macfarlane (1930), des rats sont entraînés à courir dans un labyrinthe partiellement inondé mais praticable à gué. Une fois l’apprentissage stabilisé, le niveau d’eau est brutalement monté de manière à ce que les rats soient forcés de nager d’un bout à l’autre de l’appareil. Bien que les mouvements moteurs de la nage n’aient rigoureusement aucun rapport biomécanique avec les mouvements de la course sur sol sec (muscles mobilisés différents, proprioception radicalement distincte, rythme respiratoire altéré), les rats nagent directement et sans commettre d’erreur vers la boîte de nourriture.

D’autres travaux démontrent que des rats ayant subi une cérébellectomie partielle, des sectionnements chirurgicaux des racines dorsales de la moelle (annulant le retour sensoriel kinesthésique) ou induits en état de parésie temporaire demeurent capables de sélectionner la bonne direction spatiale en traînant péniblement leur corps le long du corridor approprié. Ces démonstrations empiriques établissent de manière irréfutable que :

• La carte cognitive est encodée de façon centrale et abstraite au niveau cérébral.
• L’information topologique est indépendante des effecteurs moteurs utilisés pour concrétiser le déplacement dans l’espace réel.

5. Apprentissage de lieu contre apprentissage de réponse

5.1 La confrontation théorique entre place learning et response learning

Durant les années 1940, la controverse entre l’école cognitive de Berkeley (Tolman) et l’école mécaniste de Yale (Clark Hull, Kenneth Spence) se cristallise autour d’un problème expérimental d’une élégance conceptuelle absolue : la querelle entre l’apprentissage de lieu (place learning) et l’apprentissage de réponse (response learning).

La question sous-jacente est d’une profondeur épistémologique majeure : lorsqu’un organisme apprend à s’orienter dans un environnement, qu’apprend-il fondamentalement ?

• Pour Clark Hull et les tenants de la réponse motrice (response learning), l’animal acquiert une tendance motrice égocentrique : « tourner la tête et le corps à droite » à un carrefour précis. C’est une connexion directe entre un stimulus rétinien et une réponse musculaire (S-R).
• Pour Edward Tolman et les tenants du lieu (place learning), l’animal acquiert une connaissance allocentrique relative aux coordonnées spatiales du milieu : « la nourriture se situe dans le secteur Nord-Est de la pièce, sous la fenêtre ». C’est une attente cognitive reliant un repère à une localisation spatiale objective (Signe-Gestalt).

Pour trancher empiriquement cette alternative, Tolman, Benbow Ritchie et Donald Kalish conçoivent en 1946 un dispositif devenu mythique : le labyrinthe en croix surélevé (cross-maze).

5.2 Les expériences décisives de Tolman, Ritchie et Kalish (1946)

Le labyrinthe en croix se compose de quatre branches disposées selon les points cardinaux (Nord, Sud, Est, Ouest), connectées à une intersection centrale. Les expérimentateurs créent deux protocoles d’entraînement antagonistes pour tester la prégnance relative des deux formes d’apprentissage :

1. Le protocole d’apprentissage de lieu (Place Learning Group) :
Dans cette cohorte, la nourriture est invariablement placée au même endroit physique de la pièce (par exemple, à l’extrémité de la branche Nord). Cependant, pour contraindre l’animal, le point de départ alterne aléatoirement entre le Sud et le Nord. Si le rat part du Sud, il doit tourner à droite pour aller vers l’Est (ou aller tout droit vers le Nord). Pour simplifier le dispositif classique en T : le rat part tantôt du Sud (tourner à droite mène à l’Est où se trouve la nourriture), tantôt du Nord (tourner à gauche mène à l’Est où se trouve la nourriture). Par conséquent, pour atteindre invariablement le même lieu géographique, l’animal doit continuellement inverser ses mouvements moteurs musculaires (tourner à droite lors d’un essai, tourner à gauche lors de l’essai suivant).

2. Le protocole d’apprentissage de réponse (Response Learning Group) :
Dans cette cohorte, la nourriture change de place dans la pièce en fonction du point de départ, de telle sorte que l’animal doit systématiquement exécuter la même commande musculaire pour être récompensé. Si l’animal part du Sud, la nourriture est à l’Est (tourner à droite). S’il part du Nord, la nourriture est à l’Ouest (tourner encore à droite). Ici, l’exigence spatiale géographique est chaotique et changeante, mais le programme moteur réflexe est totalement invariant : « toujours tourner à droite ».

Les résultats statistiques publiés par Tolman, Ritchie et Kalish (1946) constituent un triomphe éclatant pour la théorie cognitive. Les rats assignés à la condition d’apprentissage de lieu (place learning) apprennent le problème avec une vélocité fulgurante : en moins de 8 essais, tous les animaux atteignent un critère d’exactitude absolue. En revanche, les rats assignés au groupe d’apprentissage de réponse motrice (response learning) éprouvent d’immenses difficultés : beaucoup ne parviennent jamais à stabiliser la réponse requise, et ceux qui y parviennent nécessitent un nombre d’essais trois à quatre fois supérieur. L’orientation primaire du rongeur n’est donc pas motrice ou égocentrique, mais topologique et allocentrique.

5.3 Facteurs modérateurs et conditions limites de l’apprentissage de lieu

La controverse ne s’éteint pas pour autant. Les laboratoires hulliens répliquent en modifiant certaines variables expérimentales et démontrent que dans certains cas précis, l’apprentissage de réponse peut prévaloir sur l’apprentissage de lieu. Une analyse scientifique rigoureuse impose de reconnaître les facteurs modérateurs qui régissent l’arbitrage entre ces deux modes cognitifs et neurobiologiques :

• La richesse des repères visuels distaux (extra-maze cues) : Tolman avait conduit ses expériences dans une vaste pièce éclairée, pourvue de fenêtres, de portes, de tuyaux au plafond et de tables d’instruments. Ces repères visuels lointains fournissaient aux rats une armature géométrique idéale pour élaborer une carte allocentrique. Si l’on enferme le labyrinthe dans une tente circulaire totalement obscure ou homogène, dépouillée de tout repère distal, les rats basculent spontanément vers un apprentissage de réponse kinesthésique, faute d’indices pour trianguler leur position.
• L’effet du sur-apprentissage (overtraining) : Alors que l’apprentissage initial d’un labyrinthe repose presque exclusivement sur la représentation spatiale du lieu (système tolmamien), la répétition massive et prolongée d’une même tâche sur des centaines d’essais finit par automatiser la conduite sous forme d’habitudes motrices réflexes rigides (système hullien). L’organisme transfère progressivement le contrôle de son action d’une délibération cognitive coûteuse vers un automatisme moteur économe en énergie métabolique.

Cette distinction préfigure avec un demi-siècle d’avance la reconnaissance neurobiologique moderne de la double dissociation entre les circuits hippocampiques de la mémoire déclarative spatiale et les circuits striataux de la mémoire procédurale et habituelle.

6. Flexibilité cognitive : Expériences de détours et de raccourcis

6.1 Le paradigme du labyrinthe surélevé à branches multiples

Pour apporter une preuve irréfutable de l’existence d’un calcul topologique interne chez l’animal, Tolman ne pouvait se contenter d’expériences où le sujet ne fait qu’emprunter des routes préalablement parcourues. La véritable signature d’une carte cognitive authentique réside dans la capacité d’un système à déduire un itinéraire entièrement nouveau — un raccourci direct — sans jamais l’avoir expérimenté auparavant.

Pour mettre cette hypothèse à l’épreuve, Tolman, Ritchie et Kalish conçoivent un nouveau dispositif devenu célèbre : le labyrinthe à table circulaire et allées rayonnantes (souvent dénommé sunburst maze). Le protocole se déroule en deux phases hautement contrastées :

Durant la phase d’apprentissage préliminaire, les rats sont placés sur une table de départ ronde et doivent s’engager dans une allée principale qui part droit devant eux sur une certaine distance, effectue un coude à angle droit vers la droite, puis un second coude vers la gauche pour déboucher enfin sur une boîte de nourriture située à une coordonnée spatiale fixe de la pièce. Une ampoule électrique est suspendue précisément au-dessus de la boîte de nourriture pour constituer un repère distal saillant. Les rats s’entraînent sur ce parcours sinueux jusqu’à ce qu’ils le maîtrisent à la perfection, intégrant l’emplacement spatial de la récompense.

Intervient alors la phase de test critique. L’allée sinueuse habituelle est purement et simplement retirée de la pièce. À la place, les expérimentateurs installent un éventail circulaire composé de 18 allées rayonnantes identiques s’étendant dans toutes les directions cardinales comme les rayons d’un soleil, à intervalles réguliers d’environ 15 degrés. L’allée centrale habituelle menant tout droit est bloquée à son entrée par une grille métallique infranchissable.

6.2 L’expérience des raccourcis spatiaux (Tolman, Ritchie et Kalish, 1946)

Confronté à l’obstruction immédiate de son trajet familier, que fait l’animal ? Les prédictions des deux théories rivales sont diamétralement opposées :

• Selon la théorie de l’associationnisme périphérique et du gradient de stimulus (Hull), les allées rayonnantes les plus proches spatialement de l’allée centrale d’origine possèdent le plus haut degré de généralisation de stimulus. Par conséquent, le rat devrait choisir l’allée située immédiatement à gauche ou à droite de l’entrée principale bloquée. Jamais, selon cette vision mécaniste, l’animal ne pourrait sélectionner spontanément une allée orientée vers une direction totalement nouvelle qui n’a jamais été associée à un quelconque renforcement positif.
• Selon la théorie de la carte cognitive de Tolman, le rat a acquis durant la phase préliminaire une géométrie allocentrique de la salle intégrant la position absolue de la nourriture. Mis en échec par le blocage central, il doit être capable d’un calcul de vecteur géométrique spontané reliant son point de départ actuel à la coordonnée spatiale absolue de l’objet-but.

Les résultats empiriques confirment les prévisions tolmaniennes de manière éclatante : confrontés à l’éventail d’allées, les rats explorent brièvement le centre de la table, s’orientent, puis choisissent massivement et préférentiellement (avec une significativité statistique écrasante) l’allée numéro 6. Or, l’allée numéro 6 était précisément celle — et la seule — qui pointait en ligne droite directe vers l’emplacement physique où se trouvait la boîte de nourriture lors des essais d’entraînement préliminaires, bien qu’aucun rat n’ait jamais couru dans cette allée auparavant !

Cette observation prouve sans ambiguïté que les animaux ne réagissaient pas à des connexions S-R locales : ils disposaient d’un système vectoriel interne leur permettant de déduire un raccourci géométrique optimal par interpolation spatiale.

6.3 Incompatibilité avec les modèles d’association périphérique

Le succès du rat dans l’épreuve du labyrinthe rayonnant inflige un démenti catégorique aux modèles d’association périphérique. Ni le concept de « chaînes d’habitudes motrices » de Watson, ni le système sophistiqué de « gradient d’habitudes convergentes » proposé par Hull ne sont en mesure de modéliser une telle prouesse cognitive sans recourir à des contorsions théoriques intenables.

Pour qu’un chemin soit sélectionné dans l’architecture hullienne, il faut impérativement qu’il possède une force d’habitude positive ($_{S}H_{R}$), laquelle ne peut être forgée que par des renforcements antérieurs directs. Or, l’allée numéro 6 n’avait jamais été empruntée par le sujet ; sa force d’habitude d’association avec la récompense aurait dû être rigoureusement égale à zéro. De plus, selon le principe de généralisation de stimulus, si un transfert devait s’opérer depuis l’allée centrale bloquée, il aurait dû statistiquement bénéficier aux allées 9 et 10 (les plus adjacentes à l’axe initial), et non à une allée inclinée à plus de 35 degrés vers la droite.

L’expérience des raccourcis impose donc d’admettre :

1. L’existence d’une représentation topologique euclidienne ou quasi-euclidienne du milieu dans le cerveau de l’organisme.
2. La capacité du système nerveux à opérer des inférences spatiales instantanées et une restructuration globale du champ comportemental en l’absence de tout essai-erreur préalable sur la nouvelle voie.
3. Le respect absolu d’un principe d’économie cognitive guidant l’action vers la trajectoire vectoriellement la plus efficiente.

7. Dévaluation de la récompense et spécificité qualitative des attentes

7.1 L’expérience pionnière d’Otto Tinklepaugh (1928)

L’une des pierres angulaires de la théorie de l’attente réside dans la démonstration que l’attente formée par un sujet n’est pas une impulsion abstraite et quantitative pour « obtenir une réduction générale de besoin », mais une représentation hautement spécifique et qualitativement définie de l’objet-but. Bien que les expériences de Tolman aient largement popularisé ce concept, ce dernier s’est constamment appuyé sur les travaux princeps conduits par son doctorant et collègue Otto Leif Tinklepaugh en 1928 sur des primates non humains (macaques rhésus).

Le protocole de Tinklepaugh est d’une inventivité méthodologique magistrale. Face à un singe assis dans une pièce expérimentale, l’expérimentateur place deux gobelets inversés sur une table. Devant les yeux attentifs de l’animal, l’expérimentateur soulève l’un des gobelets, y dépose ostensiblement un morceau de banane (un aliment extrêmement appétitif et valorisé par le macaque), puis rabaisse le gobelet. L’animal est ensuite distrait ou éloigné pendant quelques secondes par un paravent mobile.

Durant ce court intervalle de dissimulation, l’expérimentateur effectue une substitution clandestine : il retire le morceau de banane et le remplace par un morceau de laitue (un aliment biologiquement comestible, consommé sans déplaisir par le singe lorsqu’il est affamé, mais possédant une valeur incitative infiniment moindre que la banane).

Lorsque le paravent est retiré, le singe est autorisé à s’avancer vers la table. Il se dirige sans la moindre hésitation vers le gobelet cible et le renverse pour s’emparer de la nourriture attendue. C’est ici que l’observation comportementale révèle la réalité de l’attente cognitive :

Au lieu de simplement saisir et consommer la laitue — comme le prédirait un modèle où l’animal réagit mécaniquement à la présence d’un stimulus de nourriture réduisant sa pulsion de faim —, le singe s’arrête net. Son visage exprime une sidération comportementale évidente. Il regarde la laitue sans la toucher, inspecte méticuleusement l’intérieur du gobelet, regarde sous la table, explore la pièce du regard, pousse des cris d’irritation et de détresse aiguë, et finit fréquemment par rejeter violemment la feuille de laitue au sol ou par la jeter à la tête de l’expérimentateur avec agressivité.

7.2 La précision représentationnelle de l’attente du renforçateur

La portée théorique de cette observation — couramment qualifiée aujourd’hui de paradigme de dévaluation ou de déception cognitive — est immense. La réaction de rejet violent manifestée par le macaque de Tinklepaugh démontre avec une clarté irréfutable que :

L’animal n’avait pas simplement appris une habitude motrice consistant à « soulever un gobelet pour ingérer des calories ». Il avait forgé une attente interne spécifique encodant les propriétés organoleptiques, gustatives, olfactives et visuelles précises du but : la texture, la douceur sucrée et l’apparence de la banane. Lorsque la feuille de laitue apparaît, une divergence massive se produit entre la représentation interne préalablement activée (l’attente cognitive) et l’information sensorielle effectivement perçue (le résultat réel). Cette discordance cognitive déclenche l’état émotionnel de déception et la désorganisation du comportement consommatoire.

Cette expérience démonte le cœur même de la doctrine hullienne du renforcement : chez Hull, la valeur de renforcement réside dans la baisse quantitative et aveugle de la tension physiologique de pulsion (drive reduction). Si tel était le cas, la laitue apportant des glucides et réduisant la faim métabolique aurait dû suffire à clore la séquence d’action de manière fonctionnelle. Le fait que l’organisme refuse de consommer un aliment pourtant nutritif parce qu’il n’est pas conforme à son anticipation prouve que l’action est gouvernée par la valeur intrinsèque de la représentation de l’objet-but, confirmant la structure ternaire du modèle de signe-Gestalt de Tolman.

7.3 Interaction entre état motivationnel et actualisation des attentes

Tolman va plus loin en explorant la manière dont l’état motivationnel du sujet interagit dynamiquement avec sa carte cognitive globale pour sélectionner sélectivement les représentations spatiales adéquates. Une carte cognitive n’est pas un cliché photographique inerte ; c’est un modèle dynamique dans lequel les différentes zones environnementales acquièrent des valences incitatives différentielles en fonction des besoins homéostatiques de l’organisme.

Dans une série d’expériences sur la « bascule motivationnelle », des rats sont autorisés à explorer librement un labyrinthe dans lequel une extrémité contient systématiquement un abreuvoir d’eau fraîche, tandis que l’autre extrémité opposée contient une coupelle de nourriture solide. Les rats explorent les lieux alors qu’ils ne sont que modérément motivés, assimilant la topographie des deux stations d’approvisionnement.

Par la suite, l’expérimentateur manipule rigoureusement leur état physiologique de privation :

• Lorsqu’un rat est soumis à une privation d’eau exclusive (état de soif intense mais satiété alimentaire complète), dès qu’il est déposé au point de départ, il s’oriente immédiatement et sans détour vers l’aile du labyrinthe abritant l’abreuvoir, ignorant superbement l’allée menant à la nourriture.
• Le lendemain, si le même rat est saturé d’eau mais soumis à une privation de nourriture aiguë (état de faim intense), il inverse instantanément sa trajectoire de navigation dès la boîte de départ et se dirige directement vers la coupelle alimentaire.

L’animal ne réapprend rien lors de la bascule ; il ne procède à aucun essai-erreur d’extinction motrice. L’état physiologique de pulsion (la faim ou la soif) agit comme une variable de contrôle qui interroge la carte cognitive latente pour n’actualiser fonctionnellement que l’attente de signe-Gestalt pertinente au regard de l’homéostasie actuelle du système. La motivation détermine ainsi laquelle des multiples représentations cognitives stockées en mémoire prendra le contrôle des effecteurs moteurs.

8. La grande controverse théorique : Edward Tolman contre Clark Hull

8.1 Deux épistémologies rivales au sein du néo-béhaviorisme

Entre le début des années 1930 et la fin des années 1950, la psychologie expérimentale américaine est le théâtre d’un affrontement intellectuel d’une intensité inégalée dans l’histoire de la discipline : la querelle épistémologique opposant le béhaviorisme cognitivo-molaire d’Edward Tolman au béhaviorisme mécanico-déductif de Clark Hull. Bien que les deux hommes partagent un attachement inconditionnel au positivisme méthodologique — tous deux récusent l’introspectionnisme et fondent leurs travaux sur l’expérimentation animale rigoureusement quantifiée —, leurs philosophies de la science sont aux antipodes :

Clark Hull, professeur à l’Université de Yale et auteur de Principles of Behavior (1943), poursuit le rêve d’une psychologie mathématisée calquée sur les Principia d’Isaac Newton. Hull conçoit un système logico-déductif tentaculaire constitué de postulats axiomatiques, de théorèmes mathématiques et d’équations formelles où la force de l’habitude ($_{S}H_{R}$), la pulsion ($D$), l’inhibition réactionnelle ($I_R$) et le potentiel de réaction effectif ($_{S}\bar{E}_{R}$) sont calculés au décimètre et à la milliseconde près. Pour Hull, l’apprentissage est continu, incrémental, aveugle et strictement fondé sur la réduction quantitative d’une pulsion biologique renforçant des connexions synaptiques S-R.

Edward Tolman, au contraire, adopte une épistémologie descriptive, topologique et phénoménologiquement molaire. Refusant l’hyper-formalisme géométrique de Hull qu’il considère comme une armature mathématique prématurée masquant des hypothèses réductrices infondées, Tolman préfère des concepts fonctionnels souples : les attentes, les matrices de signe, les cartes cognitives et les hypothèses. Là où Hull perçoit l’apprentissage comme un processus continu et aveugle d’accumulation de forces associatives quantitatives, Tolman le conçoit comme un processus discontinu, sélectif et cognitif de vérification d’attentes et d’encodage relationnel.

8.2 La guerre des labyrinthes : Les débats des années 1930 à 1950

Cette rivalité épistémologique donne naissance à ce que les historiens de la psychologie ont nommé la « guerre des labyrinthes » (the maze wars). Durant plus de deux décennies, les laboratoires de Berkeley et de Yale rivalisent d’ingéniosité pour monter des contre-expériences sophistiquées visant à invalider le modèle adverse.

Pour sauver le paradigme associationniste face aux découvertes déstabilisantes de Tolman, Hull et ses brillants disciples (notamment Kenneth Spence) déploient des trésors d’inventivité théorique en inventant le concept de réponse fractionnaire anticipatrice de but (notée $r_g – s_g$). Face au singe de Tinklepaugh ou aux rats de l’apprentissage latent de Tolman, Hull affirme : l’organisme ne possède pas une « représentation cognitive » mentale au sens tolmamien ; au cours de ses explorations antérieures, de minuscules fragments périphériques et musculaires de la réponse consommatoire finale (des micro-mouvements masticatoires, des micros-sécrétions de salive, notés $r_g$) se sont conditionnés classiquement aux stimuli environnementaux du labyrinthe. Ces micro-réponses musculaires génèrent des sensations proprioceptives internes ($s_g$) qui servent de guides kinesthésiques à la locomotion motrice.

Les hulliens tentent ainsi de réintégrer les cartes cognitives à l’intérieur du moule mécaniste en réduisant la pensée à une chaîne de micro-réflexes musculaires anticipateurs. De leur côté, les tolmaniens ripostent en éliminant méthodiquement toutes les sources possibles de rétroaction périphérique : sectionnement des nerfs sensoriels buccaux, blocage pharmacologique de la motricité, manipulation des repères distaux dans l’obscurité, dispositifs de labyrinthes montés sur des chariots mobiles où l’animal est transporté passivement sans effectuer le moindre mouvement moteur.

À chaque étape de la controverse, l’école hullienne est contrainte d’ajouter de nouvelles hypothèses ad hoc à son système pour colmater les brèches ouvertes par les données tolmamiennes, alourdissant le formalisme newtonien de Hull jusqu’à le rendre excessivement complexe et intenable sur le plan de la parcimonie scientifique.

8.3 Bilan épistémologique et dénouement historique

À l’orée des années 1960, l’heure du bilan épistémologique sonne pour la grande querelle néo-béhavioriste. Le colossal édifice mathématique de Clark Hull s’effondre progressivement sous le poids de sa propre rigidité : ses équations d’une précision illusoire s’avèrent incapables de généraliser leurs prédictions en dehors des conditions ultra-restreintes de boîtes expérimentales spécifiques.

Inversement, le paradigme tolmamien, bien que parfois critiqué pour son manque de formalisation mathématique rigoureuse, s’impose historiquement par sa supériorité heuristique et son réalisme psychologique. Face à des environnements complexes, dynamiques et ambigus, l’animal se comporte indéniablement comme un agent de traitement de l’information guidé par des cartes internes flexibles, et non comme un automate réflexe mû par des micro-contractions périphériques.

L’affrontement Tolman-Hull s’éteint non par la victoire d’un camp sur un champ de bataille étroit, mais par un dépassement historique : l’avènement conjoint de la révolution cognitive naissante, de l’essor de la cybernétique et des premières découvertes de l’électrophysiologie moderne. Edward Tolman est dès lors universellement réhabilité comme le précurseur légitime et le père fondateur de la psychologie cognitive moderne, ayant su préserver l’étude rigoureuse des états mentaux et des représentations internes au sein de la méthodologie expérimentale la plus stricte.

9. Validation neurobiologique contemporaine des concepts tolmaniens

9.1 L’hippocampe comme substrat de la carte cognitive

Pendant près de trois décennies, la métaphore tolmamienne de la carte cognitive est demeurée une variable intermédiaire purement abstraite, un construit théorique fonctionnel dépourvu de substrat anatomique connu. Cette situation change de manière révolutionnaire en 1971 lorsque John O’Keefe et Jonathan Dostrovsky, chercheurs à l’University College de Londres, découvrent chez le rat les cellules de lieu (place cells) dans la région CA1 et CA3 de l’hippocampe.

En enregistrant l’activité électrophysiologique unitaire de neurones pyramidaux hippocampiques chez un rongeur se déplaçant librement dans une arène spatiale, O’Keefe constate avec stupéfaction que certains neurones s’activent intensément uniquement et exclusivement lorsque l’animal se trouve dans une portion géographique très précise de l’environnement (le « champ de lieu » ou place field du neurone), quelle que soit l’orientation de sa tête ou la nature de ses mouvements moteurs musculaires. En 1978, John O’Keefe et Lynn Nadel publient un ouvrage monumental qui fera date dans l’histoire des neurosciences : The Hippocampus as a Cognitive Map, rendant un hommage explicite et direct aux théories d’Edward Tolman.

La confirmation neurobiologique de l’intuition de Tolman atteint son apogée en 2005 grâce aux travaux pionniers d’Edvard Moser et May-Britt Moser, qui découvrent dans le cortex entorhinal médian adjacent les cellules de grille (grid cells). Contrairement aux cellules de lieu, les cellules de grille déchargent en formant un maillage hexagonal périodique recouvrant l’intégralité de l’espace physique, fournissant au système nerveux une véritable trame géométrique métrique universelle pour le calcul vectoriel des distances et des directions (l’intégration de chemin). Ces découvertes, couronnées par le Prix Nobel de Physiologie ou Médecine en 2014, constituent la matérialisation neurobiologique directe du système de salle de contrôle centrale postulé par Tolman en 1948.

9.2 Les mécanismes dopaminergiques et l’erreur de prédiction

Parallèlement à la cartographie spatiale hippocampique, la théorie de l’attente tolmanienne a trouvé sa validation neurochimique au cœur des circuits cérébraux de la motivation et de l’apprentissage par renforcement. Dans les années 1990, les travaux électrophysiologiques séminaux de Wolfram Schultz sur le système dopaminergique mésocorticolimbique mettent au jour les bases neurales du signal d’erreur de prédiction de récompense (Reward Prediction Error ou RPE) :

Schultz démontre que les neurones dopaminergiques de l’aire tegmentale ventrale (VTA) et de la substance noire compacte ne codent pas le plaisir ou la consommation de la récompense en soi, mais la discordance arithmétique entre la récompense attendue par le système cognitif et la récompense réellement obtenue :

• Si une récompense inattendue survient sans signal préalable, les neurones dopaminergiques déchargent une bouffée phasique d’activité positive ($RPE > 0$).
• Une fois qu’un stimulus prédictif est parfaitement appris, la bouffée phasique de dopamine glisse temporellement de la récompense vers l’apparition du signal : les neurones dopaminergiques encodent désormais l’attente cognitive (expectancy) du renforçateur.
• Si, de manière clandestine — exactement comme dans l’expérience de Tinklepaugh avec la laitue —, la récompense attendue est omise ou dévaluée, les neurones dopaminergiques subissent une dépression phasique brutale de leur taux de décharge basal ($RPE < 0$).

Ce signal dopaminergique d’erreur de prédiction est projeté massivement vers le striatum ventral et le cortex préfrontal ventromédian, orchestrant la révision instantanée des matrices cognitives d’attente et l’actualisation plastique de la valeur des représentations d’action. La théorie tolmanienne de l’attente trouve ainsi dans la modulation phasique de la dopamine son mécanisme computationnel unifié.

9.3 Simulation mentale et exploration vicariante neuronale

Dès 1938, Edward Tolman avait décrit avec une minutie fascinante un comportement singulier manifesté par les rongeurs placés devant un choix directionnel difficile dans un labyrinthe en T : le comportement d’exploration vicariante par essai-erreur (Vicarious Trial and Error ou VTE). Arrivé à l’intersection critique du carrefour, le rat s’arrête physiquement, tourne la tête alternativement vers le bras gauche puis vers le bras droit, flaire l’air, oscille d’un côté puis de l’autre avant de s’engager résolument dans une voie. Pour Tolman, ce comportement n’est pas une hésitation motrice stochastique, mais l’expression comportementale directe d’une délibération cognitive : l’animal interroge activement sa carte mentale et simule par anticipation les conséquences respectives de chaque bifurcation.

Au cours des deux dernières décennies, l’enregistrement électrophysiologique simultané de centaines de neurones hippocampiques chez le rat a permis de prouver empiriquement la réalité neurobiologique de cette intuition géniale d’Edward Tolman. Des études pionnières (notamment menées par David Redish et Matthijs van der Meer) ont révélé ce qui se produit dans le cerveau du rongeur lors de ces épisodes de VTE :

Pendant que le corps du rat demeure parfaitement immobile au carrefour d’intersection, les réseaux de cellules de lieu hippocampiques s’activent selon des séquences temporelles hautement organisées et accélérées (les ondes aiguës et ondulations, ou sharp-wave ripples), qui projettent littéralement vers l’avant une trajectoire spatiale fictive dans le corridor de gauche, puis déploient une seconde trajectoire neuronale prospective dans le corridor de droite :

• Ce phénomène neurophysiologique, connu sous le nom de pre-play (pré-activation prospective) hippocampique, constitue la matérialisation physique de la simulation mentale.
• L’animal explore vicariamment et virtuellement dans son esprit les branches du labyrinthe pour en inspecter les conséquences attendues au niveau striatal et préfrontal avant d’engager irréversiblement son appareil musculo-squelettique dans le monde réel.

10. Filiation théorique : De Tolman à la psychologie cognitive et sociale

10.1 L’impulsion décisive vers la révolution cognitive

Bien qu’Edward Tolman ait toujours revendiqué son appartenance au béhaviorisme — un béhaviorisme qu’il qualifiait lui-même d’« hétérodoxe » ou de « méthodologique » —, son œuvre a constitué le véritable cheval de Troie ayant permis l’éclosion historique de la révolution cognitive dans les années 1950 et 1960. En légitimant scientifiquement l’usage de variables intermédiaires mentalistes pour rendre compte du comportement adaptatif, Tolman a fourni l’armature épistémologique qui a permis à toute une génération de jeunes psychologues de s’émanciper définitivement du carcan dogmatique watsonien et skinnérien.

L’impact direct des idées de Tolman est manifeste chez les pères fondateurs de la psychologie cognitive moderne. Jerome Bruner s’inspire directement des concepts tolmaniens d’hypothèse et de perception intentionnelle pour fonder le mouvement du New Look en perception. George A. Miller, Eugene Galanter et Karl Pribram, dans leur ouvrage séminal de 1960 Plans and the Structure of Behavior, substituent à l’arc réflexe S-R l’unité cybernétique TOTE (Test-Operate-Test-Exit), une unité computationnelle qui n’est rien d’autre que la réécriture formelle de la boucle de comparaison d’attente forgée par Tolman.

Enfin, Ulric Neisser, dans son traité fondateur Cognitive Psychology (1967), consacre Tolman comme le pionnier ayant compris avant tout le monde que l’organisme ne réagit pas passivement à un stimulus énergétique brut, mais traite, transforme, stocke et actualise une information organisée sous forme de représentations dynamiques de la réalité.

10.2 La théorie de l’apprentissage social et le lieu de contrôle de Julian Rotter

L’héritage intellectuel d’Edward Tolman a également irrigué en profondeur le champ de la psychologie de la personnalité et de la psychologie sociale par l’intermédiaire de son disciple direct Julian B. Rotter. Dans son ouvrage de 1954, Social Learning and Clinical Psychology, Rotter transpose la théorie de l’attente spatiale de Tolman au domaine infiniment plus complexe des interactions sociales et de la motivation humaine.

Rotter formule une équation fondamentale pour prédire la probabilité d’occurrence d’une conduite sociale : le Potentiel de Comportement (Behavior Potential, BP) est fonction de l’Attente (Expectancy, E) que ce comportement conduira à un renforçateur déterminé, et de la Valeur de ce Renforcement (Reinforcement Value, RV) pour l’individu dans une situation donnée :

BP = f (E, RV)

À partir de cette matrice directement dérivée des matrices de signe-Gestalt tolmaniennes, Rotter élabore le célèbre construit du lieu de contrôle (Locus of Control) :

• Le contrôle interne : l’individu possède l’attente généralisée que les conséquences de ses actes (succès, échecs) dépendent causalement de ses propres efforts, de ses compétences et de sa stratégie personnelle.
• Le contrôle externe : l’individu structure sa carte psychologique sur l’attente que les événements de sa vie sont gouvernés par des forces extérieures qu’il ne peut influencer (la chance, le destin, le pouvoir d’autrui ou la fatalité institutionnelle).

Cette distinction théorique majeure, qui continue de structurer des milliers de recherches en psychologie de la santé, en éducation et en clinique, constitue une émanation directe de la thèse tolmanienne selon laquelle les conduites humaines sont régies par des systèmes d’attentes causales stables.

10.3 Le modèle motivationnel Valence-Instrumentalité-Attente de Victor Vroom

Au milieu des années 1960, la théorie de l’attente franchit une nouvelle frontière conceptuelle en pénétrant au cœur de la psychologie du travail, du management et du comportement organisationnel sous l’impulsion de l’économiste et psychologue Victor Vroom. Dans son traité de 1964, Work and Motivation, Vroom élabore le célèbre modèle VIE (Valence – Instrumentalité – Attente/Expectancy), qui demeure à ce jour la théorie cognitive de la motivation la plus rigoureuse et la plus influente appliquée au monde organisationnel.

Le modèle décompose la force motivationnelle d’un agent selon une logique multiplicative triadique qui fait écho de manière frappante à la relation de signe-Gestalt de Tolman :

• L’Attente (Expectancy ou relation Effort → Performance) : la croyance subjective de l’individu qu’un certain quantum d’effort investi lui permettra d’atteindre le niveau de performance requis (« Si je travaille dur et методиiquement, suis-je capable d’accomplir cette tâche avec succès ? »). C’est l’attente de premier ordre.
• L’Instrumentalité (Instrumentality ou relation Performance → Résultat) : la probabilité perçue par l’individu que l’atteinte effective de la performance conduira à l’obtention d’une conséquence secondaire déterminée (« Si j’atteins cet objectif de vente, l’entreprise m’accordera-t-elle la promotion ou la prime promise ? »). C’est l’attente de second ordre reliant le signe au significat.
• La Valence (Valence ou Valeur du résultat) : l’attrait affectif intrinsèque et la valeur subjective accordée par l’agent à la conséquence finale (« Cette promotion ou cette prime a-t-elle une réelle importance au regard de mes aspirations personnelles ? »).

La formule mathématique de Vroom stipule que la Force Motivationnelle est le produit des trois termes : Motivation = A × I × V. Si l’une des trois variables est nulle — par exemple, si un employé sait qu’il peut réussir la tâche (forte attente) mais est convaincu que sa performance ne sera récompensée par aucune reconnaissance (instrumentalité nulle) —, la motivation totale s’annule complètement. Ce formalisme décisionnel représente l’incarnation opérationnelle moderne la plus éclatante du béhaviorisme intentionnel tolmanien dans le monde des organisations.

11. Applications contemporaines en intelligence artificielle et robotique

11.1 L’apprentissage par renforcement fondé sur un modèle

L’un des hommages les plus spectaculaires rendus à la postérité d’Edward Tolman réside dans l’architecture même de l’apprentissage par renforcement (Reinforcement Learning ou RL), branche maîtresse de l’intelligence artificielle contemporaine formalisée par Richard Sutton et Andrew Barto. Dans ce domaine, une dichotomie théorique absolue structure l’ensemble de la recherche algorithmique : la distinction entre les méthodes sans modèle (model-free) et les méthodes fondées sur un modèle (model-based).

Cette taxonomie algorithmique reproduit fidèlement la confrontation historique entre Clark Hull et Edward Tolman :

• Les algorithmes model-free (tels que le Q-learning classique ou les méthodes de gradient de politique) sont les héritiers directs du béhaviorisme hullien et thorndikien. L’agent artificiel met à jour une table ou un réseau associant des paires État-Action à des valeurs scalaires numériques par simple essai-erreur statistique. L’agent ne possède aucune représentation interne de la dynamique de son monde : il sait simplement qu’en présence de l’état $S_1$, l’action $A_1$ possède une valeur élevée. Ces agents sont aveugles, inflexibles en cas de changement de récompense, et nécessitent des millions d’essais d’entraînement pour converger (forte inefficience d’échantillonnage).
• Les algorithmes model-based incarnent la concrétisation mathématique du béhaviorisme intentionnel de Tolman. L’agent artificiel apprend explicitement une carte interne dynamique de son environnement, formalisée sous la forme d’un modèle probabiliste de transition : $P(S_{t+1} | S_t, A_t)$, couplé à une fonction de récompense prédictive $R(S_t, A_t)$.

Grâce à ce modèle — qui n’est rien d’autre qu’une carte cognitive computationnelle —, l’agent peut procéder à de la planification prospective hors-ligne (simulation mentale arborescente de type Monte Carlo Tree Search), s’adapter instantanément à la dévaluation soudaine d’un but ou à l’apparition de barrières infranchissables, et manifester un authentique apprentissage latent en exploitant des données exploratoires collectées sans fonction de coût préalable.

11.2 La cartographie simultanée et localisation robotique

Dans le domaine de la robotique autonome terrestre et spatiale, le défi technique colossal consistant à permettre à un robot mobile d’évoluer dans un environnement inconnu et dépourvu de balises GPS a donné naissance au paradigme du SLAM (Simultaneous Localization and Mapping). Pour résoudre ce problème computationnel hautement complexe — où le robot doit simultanément construire la carte du milieu et estimer sa propre position à l’intérieur de cette carte en train de naître —, les ingénieurs roboticiens ont implémenté des architectures logicielles directement transposées des concepts tolmaniens :

Les systèmes robotiques modernes ne se contentent pas de cartes métriques et trigonométriques brutes (nuages de points laser LiDAR), trop lourdes en calcul et hypersensibles au bruit des capteurs physiques. Ils combinent ces données avec des cartes topologiques, qui structurent l’espace sous la forme d’un graphe de nœuds (lieux caractéristiques reconnus par reconnaissance visuelle de repères) reliés par des arcs (possibilités d’action et de déplacement moteur).

Cette architecture en graphe permet aux robots :

• De réaliser la « fermeture de boucle » (loop closure) : reconnaître instantanément un lieu précédemment visité sous un angle visuel différent, opérant une réconciliation globale de la carte mentale du robot.
• D’effectuer des inférences de raccourcis optimaux à travers les nœuds du graphe sans avoir à calculer en continu chaque millimètre d’espace vide, reproduisant ainsi avec des microprocesseurs le comportement du rat de Tolman dans le labyrinthe rayonnant.

11.3 Agents autonomes, curiosité artificielle et inférence active

Un autre défi majeur de l’intelligence artificielle moderne consiste à dépasser la dépendance envers les récompenses extrinsèques denses : comment concevoir un agent capable d’explorer un monde virtuel sans recevoir continuellement des points de score positifs ? Cette énigme computationnelle a trouvé sa réponse dans les paradigmes de la motivation intrinsèque et de la curiosité artificielle, qui opérationnalisent mathématiquement l’apprentissage latent décrit par Tolman et Honzik en 1930.

Des algorithmes d’avant-garde (comme les modèles de curiosity-driven learning de Pathak et al.) dotent les agents autonomes d’une fonction d’optimisation interne visant à maximiser la surprise cognitive ou l’erreur de prédiction de leur propre modèle prospectif du monde. L’agent explore préférentiellement les zones du milieu dont il ne comprend pas encore les transitions, s’appropriant la structure latente de l’espace dans le seul but de réduire l’entropie de sa carte cognitive interne.

Cette démarche converge de manière spectaculaire avec la théorie neuroscientifique de l’inférence active et le principe de l’énergie libre formulés par Karl Friston. Selon Friston, tout système vivant est un moteur d’inférence prédictive qui cherche impérativement à minimiser la surprise sensorielle (l’énergie libre variationnelle). Dans ce cadre, les attentes tolmaniennes (expectancies) constituent des modèles génératifs prédictifs descendants (top-down) que le cerveau projette en permanence sur le monde sensoriel. L’action motrice n’est plus un réflexe passif, mais une tentative active d’échantillonner le monde pour forcer la réalité à correspondre aux attentes générées par la carte cognitive, réalisant la synthèse computationnelle définitive entre perception, intention et motricité.

12. Évaluation critique et actualité du paradigme tolmanien

12.1 Limites historiques et critiques méthodologiques initiales

En dépit de sa remarquable clairvoyance et de son succès historique rétrospectif, l’œuvre d’Edward Tolman n’a pas été exempte de limitations théoriques et méthodologiques sévères, qui expliquent pourquoi son paradigme n’a pas immédiatement balayé la concurrence hullienne durant l’âge d’or du néo-béhaviorisme :

La critique la plus redoutable et la plus célèbre adressée à Tolman fut formulée avec une pointe d’ironie acérée par le psychologue associationniste Edwin R. Guthrie dans son essai critique de 1935 :

« La théorie de Tolman laisse le rat profondément perdu dans ses pensées au carrefour du labyrinthe. Il sait parfaitement où se trouve la nourriture, il a élaboré une carte cognitive impeccable et une attente relationnelle raffinée, mais il n’a aucun mécanisme moteur pour courir jusqu’à la boîte. Pour agir, le rat de Tolman doit être poussé par un coup de pied venu de l’extérieur. »

Cette formule humoristique met le doigt sur la faiblesse structurelle du système tolmamien de l’époque : la **formalisation insuffisante du passage de la représentation mentale à l’acte moteur**. Tolman décrivait avec éclat la constitution des connaissances spatiales et sémantiques chez l’animal, mais demeurait flou quant aux algorithmes computationnels précis permettant à cette carte interne d’activer sélectivement un groupe de neurones moteurs pour initier un déplacement physique dans l’espace tridimensionnel.

De surcroît, le refus délibéré de Tolman de s’enfermer dans un système formel mathématisé — s’il lui a évité le naufrage doctrinal qui a emporté les équations de Hull — a conféré à ses écrits une tonalité descriptive et discursive parfois jugée insuffisamment contraignante sur le plan quantitatif par les standards positivistes de la recherche américaine des années 1940.

12.2 La réconciliation moderne des systèmes habituels et délibératifs

L’une des résolutions scientifiques les plus élégantes des controverses du XXe siècle réside dans le constat que la science moderne n’a pas eu à choisir définitivement entre le modèle de Clark Hull et celui d’Edward Tolman : elle a démontré que **les deux théories avaient raison**, chacune décrivant l’un des deux systèmes décisionnels distincts mais hautement intriqués qui cohabitent au sein de l’encéphale des mammifères.

Les neurosciences cognitives computationnelles contemporaines (notamment à travers les travaux fondateurs de Nathaniel Daw, Yael Niv et Peter Dayan) ont formalisé cette dualité fonctionnelle sous la forme de deux systèmes computationnels concurrents :

• Le système délibératif ou fondé sur un modèle (Model-Based System) : directement hérité de Tolman, il est sous-tendu neurobiologiquement par l’hippocampe, le cortex préfrontal dorsolatéral et le striatum antérieur (noyau caudé). Il opère par simulation prospective arborescente, encode les cartes spatiales et causales, s’adapte instantanément à la dévaluation de la récompense, mais requiert une charge cognitive élevée et un temps de délibération computationnel important.
• Le système habituel ou sans modèle (Model-Free System) : directement hérité de Hull et Thorndike, il est sous-tendu par le striatum dorsolatéral (putamen) et les projections motrices cortico-basales. Il fonctionne par déclenchement automatique de réflexes S-R consolidés, est insensible à la dévaluation immédiate de la récompense, mais offre une vitesse d’exécution fulgurante et un coût énergétique cérébral quasi nul.

Le cerveau procède en permanence à un arbitrage computationnel bayésien entre ces deux circuits : face à une situation nouvelle, complexe ou incertaine, le système tolmamien prend le contrôle des opérations ; dès lors que l’environnement devient stable et ultra-répétitif, le système hullien prend le relais pour automatiser l’action motrice routinière, réconciliant ainsi les deux géants de la psychologie dans une synthèse neurobiologique unifiée.

12.3 La portée épistémologique durable de l’œuvre d’Edward Tolman

Au terme de cette fresque historique et conceptuelle, Edward Chace Tolman émerge indéniablement comme l’un des esprits les plus visionnaires, subtils et prémonitoires de toute l’histoire des sciences du comportement et de l’esprit. Alors que ses contemporains s’enfermaient dans les impasses jumelles d’un mentalisme subjectif invérifiable ou d’un mécanicisme moléculaire mutilant, Tolman a su tracer une voie médiane royale : celle d’un béhaviorisme rigoureusement objectif dans sa méthode empirique, mais résolument cognitiviste et intentionnel dans sa portée théorique.

En démontrant magistralement la réalité de l’apprentissage latent, en arrachant l’organisme au déterminisme passif des connexions réflexes, en identifiant la finalité comme une propriété physique constatable du vivant et en forgeant le concept monumental de carte cognitive, Tolman a dessiné — avec un demi-siècle d’avance — les fondations conceptuelles sur lesquelles reposent aujourd’hui :

• Les neurosciences de la mémoire et de la navigation spatiale hippocampique.
• Les modèles computationnels de l’apprentissage par renforcement en intelligence artificielle.
• Les théories contemporaines de la motivation et de l’auto-efficacité en psychologie humaine.
• La philosophie computationnelle de l’esprit et de l’action intentionnelle.

Par sa démarche intellectuelle empreinte d’une rigueur méthodologique sans faille, d’une infinie curiosité pour les capacités réelles du vivant et d’une modestie philosophique rare — illustrée par son refus des dogmes sclérosants —, Edward Tolman a réhabilité l’intelligence de l’animal et préfiguré la compréhension moderne de l’esprit comme un système actif de prédiction, de cartographie et de liberté adaptative dans l’univers physique.

Références

• Bruner, J. S. (1957). On perceptual readiness. Psychological Review, 64(2), 123–152. https://doi.org/10.1037/h0043805
• Daw, N. D., Niv, Y., & Dayan, P. (2005). Uncertainty-based competition between prefrontal and dorsolateral striatal systems for behavioral control. Nature Neuroscience, 8(12), 1704–1711. https://doi.org/10.1038/nn1560
• Friston, K. (2010). The free-energy principle: a unified brain theory?. Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787
• Guthrie, E. R. (1935). The Psychology of Learning. Harper & Brothers. https://archive.org/details/psychologyoflear00guth
• Honzik, C. H., & Tolman, E. C. (1936). The action of ability to generalize in the rat. Journal of Comparative Psychology, 22(2), 287–309. https://doi.org/10.1037/h0054705
• Hull, C. L. (1943). Principles of Behavior: An Introduction to Behavior Theory. D. Appleton-Century Company. https://archive.org/details/principlesofbeha00hull
• Lewin, K. (1936). Principles of Topological Psychology. McGraw-Hill. https://doi.org/10.1037/10019-000
• Macfarlane, D. A. (1930). The role of kinesthesis in maze learning. University of California Publications in Psychology, 4, 277–305.
• Miller, G. A., Galanter, E., & Pribram, K. H. (1960). Plans and the Structure of Behavior. Henry Holt & Co. https://doi.org/10.1037/10039-000
• Moser, E. I., Kropff, E., & Moser, M. B. (2008). Place cells, grid cells, and the brain’s spatial representation system. Annual Review of Neuroscience, 31, 69–89. https://doi.org/10.1146/annurev.neuro.31.061307.090723
• Neisser, U. (1967). Cognitive Psychology. Appleton-Century-Crofts.
• O’Keefe, J., & Nadel, L. (1978). The Hippocampus as a Cognitive Map. Oxford University Press. https://www.cognitivemap.net/
• Rotter, J. B. (1954). Social Learning and Clinical Psychology. Prentice-Hall. https://doi.org/10.1037/10788-000
• Schultz, W., Dayan, P., & Montague, P. R. (1997). A neural substrate of prediction and reward. Science, 275(5306), 1593–1599. https://doi.org/10.1126/science.275.5306.1593
• Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. http://incompleteideas.net/book/the-book-2nd.html
• Thorndike, E. L. (1898). Animal intelligence: An experimental study of the associative processes in animals. The Psychological Review: Monograph Supplements, 2(4), i–109. https://doi.org/10.1037/h0092987
• Tinklepaugh, O. L. (1928). An experimental study of representative factors in monkeys. Journal of Comparative Psychology, 8(3), 197–236. https://doi.org/10.1037/h0075798
• Tolman, E. C. (1932). Purposive Behavior in Animals and Men. The Century Co. https://archive.org/details/purposivebehavio00tolm
• Tolman, E. C. (1938). The determiners of behavior at a choice point. Psychological Review, 45(1), 1–41. https://doi.org/10.1037/h0062733
• Tolman, E. C. (1948). Cognitive maps in rats and men. Psychological Review, 55(4), 189–208. https://doi.org/10.1037/h0061626
• Tolman, E. C., & Honzik, C. H. (1930). Introduction and removal of reward, and maze performance in rats. University of California Publications in Psychology, 4(19), 257–275.
• Tolman, E. C., Ritchie, B. F., & Kalish, D. (1946). Studies in spatial learning: II. Place learning versus response learning. Journal of Experimental Psychology, 36(3), 221–229. https://doi.org/10.1037/h0060262
• Vroom, V. H. (1964). Work and Motivation. John Wiley & Sons.
• Watson, J. B. (1913). Psychology as the behaviorist views it. Psychological Review, 20(2), 158–177. https://doi.org/10.1037/h0074420