Neurosciences VisuellesPsychologie cognitive

Kanwisher Les Expériences de la Théorie de la Recherche Guidée – Jeremy Wolfe Le Continu

Analyse approfondie des expériences de Nancy Kanwisher sur la théorie de la recherche guidée et du modèle continu de traitement visuel de Jeremy Wolfe.

PUBLIÉ

La compréhension des mécanismes par lesquels le système visuel humain parvient à extraire du sens, à identifier des cibles pertinentes et à structurer un environnement optique saturé d’informations constitue l’une des quêtes fondamentales des sciences cognitives contemporaines. Face à un flux continu de photons frappant la rétine à chaque instant, le cerveau ne peut allouer l’intégralité de ses ressources computationnelles à l’analyse exhaustive de chaque coordonnée spatiale. Cette contrainte architecturale impose l’existence de filtres sélectifs, capables d’orienter le traitement vers les fragments du champ visuel porteurs de la plus haute valeur informative ou comportementale. C’est au cœur de cette problématique que s’est développée la recherche sur l’attention visuelle sélective, oscillant continuellement entre modélisations computationnelles de l’exploration spatiale et investigations psychophysiques sur les seuils de la perception consciente.

Au sein de cet édifice théorique, la confrontation intellectuelle et expérimentale entre les travaux de Nancy Kanwisher et ceux de Jeremy Wolfe représente l’un des tournants conceptuels les plus stimulants de la fin du XXe siècle et du début du XXIe siècle. Alors que Wolfe a formalisé et affiné au fil des décennies la théorie de la recherche guidée (*Guided Search*), érigeant le traitement visuel en un continuum probabiliste où l’information sensorielle s’accumule de manière asynchrone et graduée, Kanwisher a défendu avec une rigueur expérimentale remarquable l’existence d’étapes de traitement discrètes, d’un goulot d’étranglement temporel et structurel infranchissable, illustré notamment par l’accès à l’individuation des objets et le phénomène de cécité à la répétition (*repetition blindness*).

Ce débat dépasse largement le cadre strict de la psychophysique des temps de réaction : il interroge la nature même du format représentationnel de l’esprit humain. L’attention procède-t-elle par sauts quantiques, instanciant successivement des « jetons d’objets » (*object tokens*) au sein d’une séquence rigide d’opérations cognitives ? Ou s’exprime-t-elle sous la forme d’un paysage dynamique de saillances, où l’accumulation continue d’évidence sensorielle module en temps réel la distribution des priorités spatiales sans rupture fonctionnelle ? En explorant les paradigmes expérimentaux croisés, les architectures computationnelles de GS1 à GS6 et les bases neurobiologiques sous-jacentes, cette analyse exhaustive déploie la genèse, les affrontements méthodologiques et la synthèse contemporaine de cette dialectique majeure des neurosciences cognitives.

Table of Contents

1. Introduction aux paradigmes de recherche visuelle : contextes et filiations théoriques

1.1 L’émergence des modèles d’attention visuelle sélective

L’histoire moderne de l’attention visuelle prend sa source dans les limites manifestes des modèles de détection passive du signal. Dès la fin des années 1970, la psychologie cognitive s’est heurtée à une énigme empirique : comment le cerveau résout-il la multiplicité des attributs élémentaires d’une scène visuelle pour composer des objets perceptifs cohérents ? La réponse la plus influente à cette question fut apportée par Anne Treisman et Garry Gelade (1980) à travers la théorie de l’intégration des traits (*Feature Integration Theory*, FIT). La FIT a postulé une division bipartie stricte de la cognition visuelle : d’une part, un stade préattentionnel précoce, opérant en parallèle sur l’ensemble du champ visuel, extrayant automatiquement et sans coût cognitif les dimensions élémentaires telles que la couleur, l’orientation, la taille ou le mouvement ; d’autre part, un stade attentionnel sériel et focal, indispensable pour lier (*binding*) ces traits distincts au sein d’une localisation spatiale déterminée.

Dans ce cadre classique, la distinction fondamentale reposait sur la morphologie des fonctions liant le temps de réaction (TR) au nombre d’éléments distracteurs présents dans l’affichage (*set size*). Lorsque la cible se distinguait par un trait unique et saillant — par exemple, une barre rouge parmi des barres vertes —, la pente de recherche demeurait quasi nulle (recherche dite « parallèle » ou phénomène d’émergence soudaine, le *pop-out*). À l’inverse, lorsque la cible était définie par une conjonction de deux dimensions ou plus — comme une barre rouge verticale parmi des barres rouges horizontales et des barres vertes verticales —, la pente de recherche augmentait de manière linéaire et prononcée (typiquement entre 20 et 40 ms par élément en présence de la cible, et le double en son absence), attestant selon Treisman un balayage sériel, élément par élément, sous le faisceau d’un projecteur attentionnel discret.

Cependant, l’accumulation de données contradictoires au cours des années 1980 a rapidement mis en péril l’élégance de cette dichotomie stricte. De nombreuses études ont mis en évidence des asymétries de recherche inattendues : rechercher une courbe parmi des droites s’avérait infiniment plus efficace que de rechercher une droite parmi des courbes. Plus déstabilisant encore pour la FIT originelle, certaines conjonctions de traits se révélaient être recherchées avec une efficacité remarquable, défiant la prédiction d’un balayage sériel lent. Ces anomalies empiriques ont révélé l’insuffisance d’une scission rigide entre parallélisme absolu et sérialité stricte. La psychologie cognitive s’est alors trouvée dans la nécessité épistémologique de concevoir un cadre intermédiaire unifié, capable d’expliquer comment les informations extraites en parallèle peuvent informer, contraindre et guider le déploiement spatial de l’attention sélective.

1.2 L’articulation entre Nancy Kanwisher et Jeremy Wolfe

C’est précisément au confluent de cette crise paradigmatique que s’articulent les trajectoires scientifiques de Nancy Kanwisher et de Jeremy Wolfe. Alors que la psychophysique cherchait à formaliser les fonctions de transfert de l’information visuelle, Wolfe a introduit en 1989 le modèle de la recherche guidée (*Guided Search*, GS1), qui allait devenir la tentative computationnelle la plus robuste pour réconcilier le traitement parallèle des traits et la sélection focale. Pour Wolfe, l’attention n’est pas un projecteur aveugle errant au hasard dans l’espace dès lors qu’une conjonction est requise ; elle est au contraire dirigée de manière probabiliste vers les emplacements spatiaux présentant la plus forte activation sur une « carte de priorité » globale, issue de la sommation pondérée des cartes de traits élémentaires.

Parallèlement, Nancy Kanwisher développait une approche expérimentale novatrice centrée sur l’accès perceptif, les contraintes temporelles de l’encodage et l’individuation des formes visuelles. Ses travaux pionniers sur la présentation visuelle séquentielle rapide (RSVP) et la découverte de la cécité à la répétition ont mis en lumière une vérité cognitive concurrente : la détection d’un trait ou d’un concept sémantique (l’activation d’un « type ») ne garantit aucunement son instanciation spatio-temporelle consciente (la création d’un « jeton » ou *token*). Pour Kanwisher, l’attention visuelle est fondamentalement bridée par des mécanismes d’accès structuraux, discrets et opérant par étapes irréductibles, rendant problématique la vision purement analogique et fluide défendue par les partisans d’un traitement continu de l’information.

La controverse fondamentale qui émerge entre Kanwisher et Wolfe ne porte donc pas sur l’existence ou la non-existence de filtres attentionnels, mais sur la nature intime de la dynamique du traitement visuel. S’agit-il d’un flux continu où les signaux sensoriels s’accumulent sans rupture, modulant en permanence la trajectoire de l’attention sans frontières discrètes jusqu’au seuil de décision motrice ? Ou le système visuel est-il contraint par des verrous temporels et architecturaux séquentiels, où chaque étape d’intégration et d’individuation d’objet doit être achevée avant que l’accès aux niveaux supérieurs de la conscience visuelle ne soit autorisé ? Cette confrontation méthodologique et théorique constitue un modèle d’investigation dialectique, dont les répercussions continuent d’irriguer l’étude computationnelle et neurobiologique de l’esprit.

2.1 Les principes structuraux du modèle de Jeremy Wolfe (GS1 à GS6)

L’architecture de la recherche guidée, conçue initialement par Jeremy Wolfe, Cave et O’Neill (1989) sous l’appellation GS1, puis considérablement affinée à travers les itérations GS2 (1994), GS3 (1998), GS4 (2007), GS5 (2018) et GS6 (2021), repose sur une organisation hiérarchique à deux étages interconnectés. Le premier niveau est constitué par un ensemble de canaux de traitement préattentionnels qui décomposent l’image rétinienne en dimensions visuelles de base : la couleur, l’orientation spatiale, la taille, le contraste de luminance, le mouvement ou encore la disparité stéréoscopique. Ce découpage s’opère de manière massivement parallèle, automatique et sans effort conscient, couvrant l’intégralité du champ perceptif disponible.

Le second niveau structurel est représenté par le goulot d’étranglement attentionnel, instance où les ressources de traitement approfondi — telles que la catégorisation sémantique fine, la liaison définitive des traits et la préparation de la réponse motrice — sont sévèrement limitées en capacité. Le génie computationnel de la recherche guidée réside dans la passerelle fonctionnelle établie entre ces deux étages : le calcul préattentionnel ne se contente pas de transmettre passivement des données fragmentées, il génère un signal de contrôle topologique sous la forme d’une « carte de priorité » ou carte d’activation spatiale (*priority map*). Cette carte agrège deux sources distinctes de modulation : un guidage ascendant (*bottom-up*), dépendant exclusivement de la saillance physique locale de l’environnement, et un guidage descendant (*top-down*), piloté par les objectifs de l’observateur encodés dans la mémoire de travail visuelle (*target template*).

L’évolution du modèle de GS1 à GS6 s’est caractérisée par une complexification croissante de ces interactions. Alors que GS1 et GS2 traitaient les cartes de traits comme des canaux linéaires simples s’additionnant algébriquement, les versions contemporaines (GS5 et GS6) intègrent des mécanismes sophistiqués de régulation du gain synaptique, une modélisation fine de la compression spatiale périphérique (*crowding*), ainsi que l’incorporation de la structure sémantique globale de la scène. Dans tous les cas, l’axiome central demeure invariant : le système visuel préserve son efficacité en convertissant une analyse parallèle multi-attributs en une carte spatiale bidimensionnelle qui restreint l’exploration sérielle aux seules zones dotées des plus hautes probabilités d’héberger la cible.

2.2 Le calcul de la saillance et la carte de priorité spatiale

Au cœur algorithmique de Guided Search se trouve le calcul rigoureux des gradients de contraste. Au sein de chaque sous-carte dimensionnelle (par exemple, le canal d’orientation), la valeur attribuée à un emplacement spatial $(x,y)$ dépend de la divergence locale entre les propriétés du stimulus présent à ces coordonnées et celles de son voisinage immédiat. Un élément vertical au milieu d’éléments horizontaux génère un contraste dimensionnel maximal, indépendamment de toute intention cognitive. Cette saillance ascendante traduit la détection automatique de singularités physiques, mimant les propriétés des champs récepteurs non-classiques à centre et périphérie observés dans les aires visuelles précoces (V1, V2).

Simultanément, le guidage descendant applique un filtre multiplicatif ou additif sur ces représentations spatiales. Si l’observateur recherche un triangle rouge, la mémoire de travail envoie un signal permissif augmentant le gain des neurones sélectifs pour la longueur d’onde rouge et pour les orientations angulaires spécifiques du triangle. La carte d’activation globale $A(x,y)$ peut ainsi être conceptualisée, dans sa version formalisée par Wolfe, comme une sommation pondérée :

$$A(x,y) = \sum_{i} \left[ w_{i,\text{descendant}} \cdot C_{i,\text{descendant}}(x,y) + w_{i,\text{ascendant}} \cdot C_{i,\text{ascendant}}(x,y) \right]$$

où $C_i(x,y)$ représente la valeur d’activation pour la dimension $i$, et $w_i$ le poids attentionnel alloué à cette dimension. Une fois cette surface de saillance calculée, le système déploie l’attention sélective selon un routage stochastique : le faisceau attentionnel est attiré en priorité absolue par le sommet d’activation le plus élevé. Si l’analyse focale de cet élément révèle qu’il s’agit d’un distracteur, un mécanisme d’inhibition de retour (*Inhibition of Return*, IOR) ou d’étiquetage spatial dépressif est immédiatement appliqué à ces coordonnées, forçant l’attention à se déplacer vers le pic d’activation immédiatement inférieur, garantissant ainsi une exploration sans bouclage infini.

2.3 Le rôle du bruit et de la variabilité probabiliste

Une caractéristique déterminante du modèle de Jeremy Wolfe réside dans son rejet absolu du déterminisme mécanique. Le système visuel réel est profondément bruité : fluctuations des décharges neuronales spontanées, micro-saccades oculaires incessantes, imprécisions de la calibration synaptique et dégradations du signal sur la rétine périphérique. Guided Search intègre explicitement ce réalisme biologique en injectant un bruit gaussien à chaque niveau de la chaîne de traitement. Ainsi, la valeur d’activation finale assignée à chaque élément sur la carte de priorité n’est pas un scalaire rigide, mais une distribution de variables aléatoires.

Cette composante stochastique explique avec élégance pourquoi la recherche visuelle produit des distributions de temps de réaction asymétriques et étalées plutôt que des latences fixes. Même dans une tâche hautement guidée, le bruit peut fortuitement élever l’activation d’un distracteur au-dessus de celle de la cible réelle, induisant une erreur de sélection initiale et forçant le sujet à vérifier plusieurs faux positifs avant de localiser l’objet convoité. Ce mécanisme rend compte de manière probabiliste des erreurs de guidage et de l’allongement de la queue de distribution des TR (*tail of the distribution*).

De surcroît, les itérations récentes du modèle modélisent l’impact de la dégradation sensorielle périphérique et de l’encombrement visuel (*visual clutter*). À mesure que l’excentricité par rapport à la fovéa augmente, la résolution spatiale chute drastiquement en raison de la mise en commun (*pooling*) des signaux neuronaux au sein de champs récepteurs de plus en plus larges. Le bruit d’intégration augmente alors de manière exponentielle, dégradant la fidélité des contrastes locaux. Le modèle Guided Search capture cette complexité écologique en ajustant la précision du guidage en fonction de l’excentricité rétinienne et de la densité spatiale des distracteurs, reliant ainsi les dynamiques algorithmiques de haut niveau aux limites structurelles de la rétinotopie corticale.

3. Le concept de ‘Continu’ chez Jeremy Wolfe : dynamiques et flux d’information

3.1 Dépassement du modèle séquentiel discret

L’une des ruptures conceptuelles les plus profondes portées par Jeremy Wolfe à l’encontre de la tradition treismanienne réside dans sa remise en cause radicale de la métaphore du goulot d’étranglement attentionnel rigide opérant en « tout-ou-rien ». Dans les modèles séquentiels discrets classiques, l’esprit est conçu comme une machine de Turing biologique exécutant des sous-programmes hermétiques : une phase préattentionnelle parallèle génère des coordonnées, puis l’attention focalisée s’arrête sur l’item $N$, procède à la liaison intégrale de ses traits, le transmet à la reconnaissance consciente, vide son registre, puis se réinitialise pour sauter vers l’item $N+1$.

Wolfe a vigoureusement soutenu que cette conception séquentielle constitue une fiction méthodologique contredite par la neurophysiologie. Inspiré par les modèles d’activation en cascade (McClelland, 1979) et les dynamiques de dérive stochastique, Wolfe postule que la transmission des signaux sensoriels s’effectue sous la forme d’un flux continu et asynchrone. L’information visuelle ne franchit pas des portes temporelles verrouillées ; elle s’accumule de façon incrémentale et continue au sein des aires d’intégration sensorielle.

Dans cette perspective, la distinction entre identification et sélection s’estompe au profit d’un mécanisme d’accumulation d’évidence perceptive analogue aux modèles de diffusion de Ratcliff (*drift-diffusion models*). Chaque élément présent dans le champ visuel émet un signal de pertinence dont l’amplitude croît continûment dans le temps. L’attention sélective n’agit pas comme un interrupteur binaire, mais comme un amplificateur dynamique de gain qui module le taux de dérive de ces accumulateurs. Le basculement vers une décision motrice ou vers l’inspection d’un nouvel élément n’est pas dicté par l’achèvement mécanique d’une « étape » discrète, mais par le franchissement probabiliste de seuils d’évidence au sein d’un continuum temporel non segmenté.

3.2 La continuité temporelle et le déploiement attentionnel asynchrone

Cette approche dynamique a conduit Jeremy Wolfe à théoriser le déploiement attentionnel comme un processus asynchrone dépourvu de toute réinitialisation globale brutale. Alors que la modélisation discrète postule que chaque fixation oculaire ou chaque déplacement du faisceau attentionnel interne remet le compteur temporel à zéro, les paradigmes expérimentaux développés par Wolfe démontrent l’existence d’une continuité temporelle sous-jacente où plusieurs objets sont traités simultanément à différents stades d’élaboration.

Pendant que l’attention focale est activement engagée dans l’identification terminale de l’élément le plus saillant au centre de la fovéa, le système n’est nullement aveugle au reste du champ visuel. Au contraire, les gradients d’activation sur la carte de priorité continuent d’évoluer en arrière-plan sous l’influence combinée du guidage descendant persistant et de la dynamique inhibitrice locale. Il s’opère ainsi un chevauchement temporel massif : l’anticipation perceptive pré-active déjà le candidat spatial suivant avant même que l’analyse du stimulus courant ne soit formellement close.

Cette conception en cascade élimine le coût théorique prohibitif des réinitialisations attentionnelles successives. L’allocation de l’attention n’est plus envisagée comme une succession saccadée de « prises de vue photographiques », mais comme une trajectoire fluide et continue dans un espace d’états neuronaux de haute dimension. Les représentations visuelles se construisent, se transforment et s’effacent de façon graduelle, permettant à l’observateur d’interagir avec des scènes visuelles dynamiques sans subir les latences paralysantes qu’imposerait une architecture cognitive strictement modulaire et cadencée par étapes discrètes.

3.3 Le continuum d’efficacité dans les tâches de recherche visuelle

Le couronnement empirique de cette vision continuiste s’incarne dans le rejet formel de la dichotomie historique entre recherches « parallèles » et recherches « sérielles ». En analysant des centaines d’expériences de recherche visuelle couvrant des milliers de configurations d’attributs, Jeremy Wolfe a démontré que la distribution des pentes de recherche mesurées en millisecondes par item ne forme en aucun cas une distribution bimodale scindée entre des pentes nulles (0-5 ms/item, dites automatiques) et des pentes raides (>30 ms/item, dites contrôlées).

En réalité, les pentes observées constituent un continuum d’efficience absolu, s’étendant sans rupture de 0 à plus de 100 ms par item. On observe des conjonctions faciles générant des pentes de 8 ms/item, d’autres à 15 ms/item, 22 ms/item, ou 45 ms/item, chaque valeur traduisant simplement le degré de guidage offert par la combinaison des attributs physiques et des filtres descendants disponibles. Plus la séparation entre la signature de la cible et celle des distracteurs est nette sur la carte de priorité spatiale, plus le guidage est efficient et plus la pente se rapproche de zéro.

Cette réinterprétation transforme radicalement la signification de la pente des temps de réaction. Celle-ci ne mesure pas la vitesse mécanique d’un projecteur attentionnel sautant d’un objet à l’autre à une cadence métronomique, mais reflète l’efficacité statistique du guidage préattentionnel :

  • Guidage parfait : L’attention est orientée immédiatement vers la cible sans jamais sélectionner de distracteur (pente nulle, recherche dite efficiente).
  • Guidage intermédiaire : L’attention sélectionne en moyenne un nombre réduit de distracteurs saillants avant d’atteindre la cible (pente modérée).
  • Absence totale de guidage : L’attention erre au hasard parmi les éléments de la scène visuelle (pente maximale, recherche inefficiente).

Enfin, ce modèle continu intègre des mécanismes d’arrêt précoce de la recherche (*stopping rules*) fondés sur des critères d’accumulation bayésienne ou des seuils d’évidence temporels dynamiques : l’observateur cesse d’explorer la scène non pas lorsqu’il a comptabilisé un nombre discret d’items inspectés, mais dès que l’intégration du signal d’absence de cible atteint un seuil de confiance statistique prédéfini.

4. Les investigations expérimentales de Nancy Kanwisher sur l’attention et la reconnaissance

4.1 Les protocoles expérimentaux d’accès aux représentations visuelles

Tandis que Jeremy Wolfe échafaudait la théorie d’un guidage spatial probabiliste et continu, Nancy Kanwisher abordait la cognition visuelle par une porte d’entrée radicalement différente : l’architecture fonctionnelle de la reconnaissance d’objets et les contraintes temporelles strictes régissant l’accès à la conscience perceptive. Pour sonder ces limites avec une précision chronométrique inaccessible aux tâches de recherche spatiale classiques, Kanwisher a perfectionné le paradigme de présentation visuelle séquentielle rapide (RSVP, *Rapid Serial Visual Presentation*).

Dans ces protocoles exigeants, des flux de mots, de symboles ou d’images complexes sont présentés à un rythme foudroyant au même emplacement spatial, typiquement à des cadences de 8 à 12 stimuli par seconde (soit une durée d’affichage de 80 à 120 ms par item). C’est dans ce contexte méthodologique que Kanwisher a découvert et caractérisé en 1987 un déficit mnésique et perceptif fondamental : la cécité à la répétition (*Repetition Blindness*, RB). Lorsqu’un stimulus cible apparaît deux fois au sein d’une séquence RSVP rapide séparé par un intervalle temporel bref (moins de 500 ms), les observateurs échouent massivement à rapporter la seconde occurrence du stimulus, affirmant souvent ne l’avoir vu qu’une seule fois.

Pour expliquer cette faille spectaculaire du traitement conscient, Kanwisher a développé une formalisation théorique d’une portée majeure : la dissociation fonctionnelle entre l’activation des « types » (*types*) et l’instanciation des « jetons » spatio-temporels (*tokens*). Le *type* représente la trace mnésique abstraite, conceptuelle ou sémantique de l’objet (par exemple, la représentation lexicale du mot « chat » ou le modèle visuel d’une tasse). Le traitement préconscient et hautement parallèle du système visuel active aisément les types, même sous des durées de présentation infimes. En revanche, pour qu’un objet soit perçu consciemment comme un événement unique dans le temps et l’espace (« j’ai vu ce chat ici et à cet instant précis »), le cerveau doit forger un jeton spatio-temporel (*object token* ou *event token*).

Or, la création de ce jeton nécessite une opération attentionnelle coûteuse, discrète et soumise à une période réfractaire structurelle. Face à une répétition rapide, le système visuel reconnaît que le *type* est déjà activé, mais le mécanisme de génération de *token* est indisponible ou saturé par la première instanciation, entraînant l’omission pure et simple du second item. Cette découverte a apporté la preuve empirique indiscutable que l’accès conscient ne se réduit pas à une accumulation d’activation continue, mais dépend d’opérations d’individuation discrètes et structurellement bornées.

4.2 L’évaluation critique des étapes de liaison (‘feature binding’)

Forte de cette dissociation entre types et tokens, Nancy Kanwisher a soumis à un crible expérimental impitoyable l’un des postulats centraux des modèles d’intégration des traits et de recherche guidée : la dynamique temporelle de la liaison des traits élémentaires (*feature binding*). Si le guidage de Wolfe postulait une interaction élégante où des informations dimensionnelles distinctes coopèrent pour orienter l’attention, Kanwisher a cherché à isoler le coût cognitif absolu de l’assemblage de ces traits avant toute sélection spatiale volontaire.

Dans une série d’études rigoureuses (notamment Kanwisher et Driver, 1992), elle a mesuré avec précision la capacité des observateurs à extraire des conjonctions de traits sous des contraintes temporelles limites, en recourant au masquage rétroactif et à des affichages transitoires. Ses résultats ont systématiquement mis en lumière une asymétrie violente entre la disponibilité quasi immédiate des traits isolés et l’extrême vulnérabilité temporelle de leur liaison. Tandis qu’un sujet peut rapporter avec une excellente précision si un affichage contenait du rouge ou une forme en « X » même si le stimulus est masqué après 30 ms, la capacité à affirmer avec certitude que c’était précisément le « X » qui était rouge s’effondre de manière catastrophique.

Cette vulnérabilité a conduit Kanwisher à contester l’optimisme computationnel de Wolfe. Pour elle, les représentations préattentionnelles ne sont pas simplement des cartes de contrastes prêtes à être fusionnées de manière continue et linéaire pour diriger l’attention. Elles constituent des fragments sensoriels épars, non structurés en entités cohérentes. La liaison des traits n’est pas un sous-produit émergent d’un guidage continu ; elle exige une fixation spatio-temporelle rigide, un investissement attentionnel discret qui s’apparente précisément à l’ancrage d’un jeton d’objet. Cette divergence a dressé le décor d’une confrontation frontale entre l’école du traitement continu et celle des étapes architecturales discrètes.

5. Confrontation méthodologique : les expériences critiques de Kanwisher face à la Recherche Guidée

5.1 Protocoles de dissociation temporelle et masquage visuel

La confrontation méthodologique directe entre les paradigmes de Kanwisher et l’édifice théorique de Guided Search s’est cristallisée autour de l’utilisation du masquage rétroactif combiné à des présentations temporelles ultra-courtes. L’objectif critique formulé par Kanwisher était d’interrompre artificiellement le traitement visuel afin de tester la persistance et la viabilité réelle de la carte de priorité continue postulée par Wolfe.

Selon l’architecture de Guided Search, même lorsque l’affichage est extrêmement bref, le traitement parallèle ascendant devrait alimenter de manière continue la carte d’activation spatiale, permettant ainsi au faisceau attentionnel d’être correctement guidé vers la cible sur la base de traces résiduelles persistantes. Kanwisher et ses collaborateurs ont conçu des protocoles où des matrices de recherche de conjonctions étaient affichées pendant des durées variant de 20 à 100 millisecondes, suivies immédiatement par un masque visuel texturé à haute énergie détruisant l’information sensorielle rétinotopique.

Les données obtenues ont mis au jour une contradiction flagrante avec les prédictions du modèle purement continu :

  • Dès que le masque intervenait avant un seuil temporel critique (typiquement autour de 60-80 ms), toute l’efficacité du guidage descendant s’évaporait instantanément, réduisant la performance des sujets à une exploration purement aléatoire.
  • L’information résiduelle non sélectionnée avant l’arrivée du masque ne continuait pas à alimenter un flux asynchrone ; elle était au contraire totalement effacée des registres perceptifs exploitables.
  • La fidélité de la carte de saillance s’est avérée incapable de survivre à la compétition temporelle de stimuli concurrents, démontrant que l’accumulation continue d’évidence n’est opérante que si une stabilité spatio-temporelle minimale autorise l’initialisation d’un processus discret d’individuation.

Pour Kanwisher, ces résultats apportaient la démonstration que la carte de priorité de Wolfe ne fonctionne pas comme un médium analogique à transmission continue, mais dépend d’une fenêtre temporelle d’intégration discrète sans laquelle aucun signal de guidage ne peut franchir le seuil d’accès attentionnel.

5.2 L’analyse des conjonctions illusoires et des erreurs de localisation

Une autre ligne de front expérimentale a concerné la morphologie et la genèse des conjonctions illusoires (*illusory conjunctions*). Dans les protocoles fondateurs de Treisman et Schmidt (1982), lorsque l’attention est détournée par une tâche centrale prioritaire, les sujets perçoivent fréquemment des combinaisons erronées d’attributs (par exemple, fusionner la couleur d’un objet avec la forme d’un autre). Wolfe avait réinterprété ces phénomènes non pas comme la preuve d’un échec de sérialité, mais comme le résultat stochastique du bruit distribué sur sa carte de priorité : l’attention, guidée de manière imparfaite, sélectionnerait un distracteur présentant un trait partagé.

Nancy Kanwisher a méthodologiquement complexifié ce paradigme en concevant des tâches d’évaluation conjointe de localisation spatiale et d’identité dimensionnelle. En forçant les observateurs à rapporter simultanément *ce* qu’ils avaient vu et *où* ils l’avaient vu sous des contraintes de charge attentionnelle extrême, elle a isolé des dissociations spectaculaires. Dans une proportion significative d’essais, les sujets étaient rigoureusement incapables de localiser spatialement un trait qu’ils avaient pourtant correctement détecté, ou bien ils attachaient ce trait à des coordonnées occupées par un autre stimulus.

Cette incapacité récurrente à assigner des coordonnées véridiques à des traits pourtant perçus a porté un coup sérieux aux axiomes de GS2 et GS3, qui postulaient que le guidage spatial est inhérent à l’activation des canaux de traits. Kanwisher a démontré l’existence de « traits flottants » (*floating features*), flottant dans le système cognitif sans ancrage topologique. Si un trait peut être encodé sans que sa localisation spatiale soit accessible au système de guidage, l’hypothèse selon laquelle toute activation préattentionnelle alimente automatiquement une carte de priorité spatiale continue devient hautement problématique. Pour Kanwisher, la liaison spatiale n’est pas un calcul automatique gratuit : elle marque le franchissement d’une barrière d’accès discrète.

5.3 Manipulations de la charge perceptive et de la densité spatiale

Le troisième axe de contestation méthodologique a ciblé les postulats d’indépendance dimensionnelle au cœur des premières formalisations de Guided Search. Wolfe posait que chaque dimension (couleur, orientation) était traitée dans des sous-systèmes modulaires parallèles sans interférence mutuelle majeure avant l’étape de sommation sur la carte globale. Nancy Kanwisher a exploité des manipulations systématiques de la proximité spatiale et de la densité de l’affichage pour réfuter cette simplification computationnelle.

Lorsque la densité spatiale augmente et que les stimuli se rapprochent les uns des autres en vision périphérique, le phénomène d’encombrement visuel (*crowding*) entre en jeu de façon dévastatrice. Les expériences de Kanwisher ont révélé que la proximité spatiale induit des interactions non-linéaires destructrices entre les canaux de traits bien avant que l’attention ne puisse être déployée. Deux traits d’orientation similaire spatialement contigus ne renforcent pas simplement leur signal de contraste de manière continue ; ils subissent une mise en commun compressive (*feature pooling*) qui détruit l’information différentielle requise pour le guidage descendant.

Ces données ont forcé une révision substantielle des modèles de recherche guidée. Elles ont démontré que le filtrage préattentionnel n’est pas insensible à la charge perceptive globale de l’environnement (faisant écho aux travaux de Nilli Lavie sur la charge perceptive). Kanwisher a souligné que l’architecture computationnelle de Wolfe sous-estimait les contraintes géométriques et spatiales locales imposées par l’organisation rétinotopique du cortex visuel primaire, prouvant que le traitement descendant ne peut s’exercer de manière fluide et continue lorsque la densité spatiale dépasse les capacités de résolution de l’intégration perceptive élémentaire.

6. Débat théorique : traitement discret en étapes versus flux continu de traitement

6.1 L’argumentation structuraliste du goulet d’étranglement discret

À travers le prisme des découvertes de Nancy Kanwisher se dessine une argumentation structuraliste rigoureuse en faveur d’un goulot d’étranglement discret. Cette perspective épistémologique puise ses racines dans la nécessité pour tout système cognitif de résoudre le conflit entre la nature analogique du monde physique et la nature discrète de l’action intentionnelle. Un agent biologique ne peut pas exécuter une demi-saccade ou interagir avec un « continu » d’objets ; il doit saisir *cette* pomme ou fuir *ce* prédateur. Dès lors, le système visuel a évolué pour convertir le continu rétinien en unités discrètes d’information : les objets.

L’argumentation de Kanwisher repose sur le caractère irréductible de l’individuation d’objet. Même si les aires visuelles précoces déchargent de façon continue en réponse à des longueurs d’onde ou à des contrastes de luminance, cette activité neurophysiologique ne constitue pas en soi une perception consciente. Pour franchir le seuil de la conscience d’accès (*access consciousness*, au sens de Block), l’information visuelle doit être packagée au sein d’un jeton spatio-temporel (*object token*). Cette opération d’individuation agit comme une barrière temporelle infranchissable :

Cette barrière fonctionne selon une dynamique de tout-ou-rien. Tant que le jeton n’est pas constitué, le signal demeure préconscient et hautement vulnérable à l’effacement par rétro-masquage. La cécité à la répétition fournit la preuve ultime de cette discontinuité : le système a parfaitement identifié le concept sous-jacent (le type), mais parce que l’opération discrète de « tokenisation » est indisponible, l’item n’existe tout simplement pas pour le sujet conscient. Kanwisher défend ainsi une frontière étanche, qualitativement différenciée, entre la soupe préattentionnelle continue et la sélection attentive séquentielle, s’opposant à l’idée que la seconde ne soit qu’un prolongement quantitatif et fluide de la première.

6.2 La réplique computationnelle du flux continu par Wolfe

Face à ce réquisitoire structuraliste, Jeremy Wolfe a développé une réplique computationnelle formelle d’une grande puissance explicative, démontrant que l’apparition de discontinuités phénoménologiques n’implique nullement l’existence d’étapes de traitement discrètes au niveau architectural. Dans la modélisation mathématique de Guided Search, Wolfe utilise la théorie de la détection du signal et les dynamiques de diffusion continue pour démontrer que des comportements décisionnels de type « tout-ou-rien » émergent naturellement d’un substrat sous-jacent purement continu et fluide.

Dans un modèle de diffusion ou d’accumulation stochastique, une particule d’évidence dérive de manière fluide au sein d’un espace d’états jusqu’à heurter une frontière de décision (*absorbing boundary*). Le franchissement de ce seuil produit un événement moteur ou un changement d’état perceptif discret (la cible est déclarée « présente » ou l’attention est réorientée). Cependant, l’ensemble du processus menant à cet instant est rigoureusement continu :

$$dX(t) = \mu , dt + \sigma , dW(t)$$

où $dX(t)$ représente le gain incrémental d’évidence perceptive, $\mu$ le taux de dérive gouverné par le guidage attentionnel (combinaison de la saillance et des buts descendants), et $\sigma dW(t)$ un processus de Wiener incarnant le bruit stochastique continu du système nerveux.

Wolfe réinterprète ainsi les effets de latence et les échecs perceptifs décrits par Kanwisher non pas comme la preuve de sas temporels étanches, mais comme la dynamique naturelle de seuils d’évidence adaptatifs. Si un stimulus est masqué rapidement, la dérive s’interrompt simplement avant d’avoir atteint la frontière absorbante ; le signal ne s’est pas « heurté à un goulot fermé », il a simplement manqué d’énergie temporelle pour émerger du bruit de fond. De même, les transferts d’information continuent d’opérer sous le seuil de décision (transferts sub-liminaires), guidant la trajectoire de l’attention même lorsque l’observateur est incapable d’en expliciter consciemment les causes. La continuité wolfeienne résout donc le paradoxe en montrant que l’esprit n’a pas besoin de structures discrètes pour produire des choix discrets.

6.3 Conséquences sur la taxonomie des modèles cognitifs

Ce débat théorique transcende le domaine de la vision et s’inscrit au cœur d’une fracture épistémologique historique traversant l’ensemble de la psychologie cognitive. Il réactualise, en la transposant à l’attention spatiale, la confrontation classique entre les modèles à étapes additives sérielles de Saul Sternberg (1969) et le modèle de traitement distribué en cascade proposé par James McClelland (1979).

Pour l’école sternbergienne et structuraliste dont Kanwisher prolonge l’exigence méthodologique, la cognition est une succession ordonnée de modules étanches dont on peut chronométrer les temps d’insertion respectifs par la méthode des facteurs additifs. Pour l’école continuiste incarnée par Wolfe, l’architecture cérébrale est une machine dynamique massivement récurrente où chaque niveau de traitement commence à décharger et à transmettre des hypothèses probabilistes aux niveaux supérieurs dès les premières millisecondes, sans attendre la convergence définitive des stades antérieurs.

Cette divergence redéfinit fondamentalement le rôle même de l’attention sélective au sein de la taxonomie cognitive :

  • L’attention comme filtre / commutateur (Kanwisher) : Un goulot d’étranglement structurel impératif, agissant comme un douanier qui autorise ou refuse l’individuation et l’entrée dans l’espace de travail global.
  • L’attention comme modulation continue de gain (Wolfe) : Une redistribution souple et graduée des ressources synaptiques, modifiant la pente de l’accumulation d’information à travers une topologie distribuée.

Cette confrontation théorique éclaire d’un jour nouveau les compromis vitesse-précision (*speed-accuracy tradeoffs*) : la décision perceptive n’est pas la validation séquentielle de tiroirs cognitifs successifs, mais un état d’équilibre dynamique émergeant d’un flux continu de contraintes computationnelles concurrentes.

7. L’intégration des traits visuels et le problème du liage (Feature Binding)

7.1 Le statut théorique des conjonctions de traits dans Guided Search

Le problème du liage (*binding problem*) — à savoir comment le cerveau associe correctement la rougeur d’un objet avec sa forme triangulaire lorsque des cercles rouges et des triangles verts coexistent dans l’affichage — trouve dans la théorie de la recherche guidée une solution théorique originale qui court-circuite le paradoxe treismanien. Treisman affirmait que pour rechercher une conjonction, le système visuel n’avait d’autre choix que d’activer son projecteur spatial focal sur chaque objet de façon sérielle afin de lier explicitement ses attributs par l’entremise de la carte spatiale maîtresse (*master map of locations*).

Jeremy Wolfe a démontré mathématiquement et expérimentalement que la recherche guidée n’a aucunement besoin de lier explicitement les traits *avant* de guider l’attention vers les conjonctions. Le liage conscient demeure effectivement une prérogative du traitement attentif focal, mais le guidage vers la conjonction s’opère par une combinatoire algébrique sur la carte de priorité spatiale. Si la cible est un « X rouge », la composante descendante active l’ensemble des coordonnées contenant du rouge sur la sous-carte de couleur, et simultanément l’ensemble des coordonnées contenant des segments croisés sur la sous-carte d’orientation.

À l’intersection spatiale de ces deux canaux, la sommation d’activation atteint un niveau deux fois supérieur à celui des distracteurs ne partageant qu’un seul de ces traits :

$$A_{\text{X rouge}} = w_{\text{couleur}} \cdot C_{\text{rouge}} + w_{\text{forme}} \cdot C_{\text{forme X}} gg A_{\text{O rouge}} \quad \text{ou} \quad A_{\text{X vert}}$$

Le faisceau attentionnel est ainsi mécaniquement aspiré vers l’emplacement de la conjonction de manière probabiliste sans qu’aucune opération complexe de liaison unifiée n’ait eu lieu en amont. Cette résolution computationnelle élégante explique pourquoi de nombreuses recherches de conjonction affichent des pentes d’une remarquable efficacité (inférieures à 10 ms/item), réfutant l’idée que toute absence de liaison préattentionnelle condamne inexorablement le système visuel à une fouille sérielle aveugle et fastidieuse.

7.2 Les objections empiriques issues des paradigmes de Kanwisher

Face à cette construction algorithmique élégante, Nancy Kanwisher a opposé une série d’objections empiriques redoutables, enracinées dans la physique de la reconnaissance des formes complexes. Si la formulation de Guided Search fonctionne de manière convaincante pour des combinaisons orthogonales simples et spectralement dissociables (comme associer une couleur primaire à une orientation cardinale), elle s’effondre dramatiquement dès que la tâche requiert l’intégration d’attributs géométriques complexes ou de relations spatiales structurales.

Kanwisher a démontré expérimentalement que dès lors que la conjonction exige de distinguer des configurations fondées sur des rapports spatiaux internes — par exemple, distinguer la lettre « T » d’une lettre « L », où les deux stimuli sont constitués exactement des deux mêmes segments orthogonaux (un vertical et un horizontal) mais assemblés selon une syntaxe géométrique distincte —, le guidage par sommation linéaire de cartes dimensionnelles de Wolfe devient totalement inopérant. La carte d’orientation active indifféremment les deux lettres, rendant la carte de priorité incapable de générer un pic différentiel en faveur de la cible :

  • Le système ne peut pas guider l’attention vers un « T » parmi des « L » par simple sommation dimensionnelle, car les composantes élémentaires sont physiquement et statistiquement identiques.
  • Les attributs géométriques et configurationnels ne se comportent pas comme des dimensions spectrales indépendantes : ils exigent la reconnaissance préalable d’une enveloppe structurale.
  • Cette limite impose l’intervention préalable d’un index spatial discret, analogue aux index visuels (FINST) théorisés par Zenon Pylyshyn ou aux *object tokens* défendus par Kanwisher.

Pour Kanwisher, ces protocoles prouvent sans équivoque que la combinatoire préattentionnelle de Guided Search est une heuristique de bas niveau limitée aux propriétés texturales superficielles. Dès que la scène visuelle confronte l’observateur à une véritable complexité morphologique, le guidage continu est frappé d’impuissance et doit céder le pas à une individuation séquentielle discrète et coûteuse, démontrant ainsi la non-généralisabilité du principe de guidance universelle à la totalité de la perception visuelle.

8. Mécanismes préattentionnels versus mécanismes attentionnels : analyses granulaires

8.1 Délimitation rigoureuse des opérations préattentionnelles

La polémique entre le modèle continu de Wolfe et l’approche structuraliste de Kanwisher a imposé une clarification conceptuelle et méthodologique sans précédent de ce qui constitue rigoureusement une opération « préattentionnelle ». Au sens strict de la psychophysique expérimentale, un traitement ne peut revendiquer le statut de primitif préattentionnel que s’il satisfait trois critères formels contraignants :

  1. L’automaticité absolue (l’opération se déclenche obligatoirement, indépendamment de la volonté de l’observateur et sans interférence avec une tâche concurrente).
  2. L’indépendance à la charge (*load invariance* : le temps de traitement ne subit aucun allongement statistiquement significatif lors de l’augmentation exponentielle du nombre d’items distracteurs).
  3. L’absence de contrainte de capacité spatiale (l’opération s’exécute en parallèle sur la totalité du champ perceptif visible, sous réserve des limites de l’acuité périphérique).

Sur la base de ces critères drastiques, l’inventaire des véritables primitives visuelles universellement acceptées par la communauté cognitive s’est révélé singulièrement restreint : la couleur (longueur d’onde et chromaticité), l’orientation dans le plan 2D, le contraste de luminance, la courbure simple, la taille/échelle spatiale, le mouvement directionnel, la disparité binoculaire, et certains indices d’illumination tridimensionnelle précoce.

C’est sur les frontières de cet inventaire que Wolfe et Kanwisher se sont vivement affrontés. Wolfe a régulièrement exploré l’hypothèse selon laquelle des traits plus élaborés — tels que la concavité, l’interruption de ligne (*line termination*), ou même des silhouettes de visages schématiques — pourraient bénéficier d’une forme de guidage préattentionnel atténué. Nancy Kanwisher a fermement réfuté cette extension laxiste du concept préattentionnel : pour elle, accorder le statut de trait préattentionnel à des formes géométriques fermées ou à des catégories sémantiques constitue une dérive computationnelle qui masque la véritable discontinuité séparant les filtres sensoriels périphériques des systèmes centraux de reconnaissance d’objets.

8.2 Le déploiement de l’attention sélective : coût temporel et coût spatial

Lorsque le filtrage préattentionnel a accompli son office de réduction de l’incertitude spatiale, l’attention sélective focale doit être engagée. L’analyse chronométrique fine développée par Michael Posner (1980) et prolongée par Kanwisher dissèque ce déploiement selon une métrique temporelle et spatiale rigoureusement quantifiable. Le cycle attentionnel complet se décompose en trois sous-opérations élémentaires :

$$\text{Cycle Attentionnel} = T_{\text{désengagement}} + T_{\text{déplacement}} + T_{\text{engagement}}$$

Chacune de ces composantes engendre un coût physiologique réel, oscillant entre 30 et 50 ms dans les conditions optimales. Kanwisher insiste sur la nature incompressible de ces temps d’engagement : amarrer l’attention sur une région de l’espace pour lier les traits d’un objet consomme une fenêtre temporelle fixe au cours de laquelle le système est réfractaire à de nouveaux signaux.

Sur le versant spatial, la question de l’extension du faisceau attentionnel oppose la métaphore du zoom focal variable (Eriksen et St. James, 1986) aux modèles de fenêtres d’échantillonnage multiples. Pour Wolfe, le faisceau attentionnel s’ajuste dynamiquement et continûment : il peut s’élargir pour englober un groupe d’items présentant des caractéristiques homogènes (sélection basée sur les groupes ou *hierarchical clustering*) ou se contracter sur un détail singulier, sans rupture de fonctionnement.

Kanwisher souligne en revanche que cette plasticité spatiale est asymétrique : si le zoom peut s’élargir, l’individuation précise d’un objet au sein d’un groupe encombré exige une réduction focale drastique qui déclenche d’importantes rétroactions descendantes (*top-down feedback loops*) projetées depuis les aires corticales supérieures (aire intrapariétale, cortex préfrontal) vers les aires rétinotopiques primaires (V1/V2). Ces allers-retours récurrents dans la hiérarchie corticale introduisent des discontinuités temporelles massives, incompatibles avec la vision d’un ajustement spatial purement fluide, passif et instantané.

8.3 Les interactions inter-attributs lors de la sélection

L’exploration fine des mécanismes attentionnels a également révélé que les dimensions visuelles ne coexistent pas dans une étanchéité parfaite lors de l’acte de sélection, créant des interférences asymétriques puissantes qui défient les modélisations linéaires simples. Le paradigme de Garner (séparabilité intégrale versus dimensionnelle) en fournit l’illustration la plus éclatante : il est impossible pour un sujet d’ignorer les variations imprévues d’une dimension prégnante comme la luminance lorsqu’il tente d’ajuster son guidage sur la taille d’un stimulus.

Dans la dynamique de Guided Search, ces interactions inter-attributs se traduisent par une modulation contextuelle permanente des poids attentionnels $w_i$. Wolfe a démontré que la présence d’une variance excessive sur un canal non pertinent dégrade paradoxalement l’efficience du guidage sur le canal cible. Par exemple, si l’on cherche une cible définie par son orientation dans un affichage où les couleurs des distracteurs fluctuent de manière anarchique et discordante, l’attention subit une capture distractive résiduelle, bien que le canal de couleur devrait théoriquement recevoir un poids descendant nul ($w_{\text{couleur}} = 0$).

Pour intégrer ces interactions complexes au-delà de la géométrie de laboratoire, les extensions contemporaines de Guided Search (GS4 à GS6) ont formalisé la notion de « saillance contextuelle » et de « grammaire de scène » (Biederman, 1972 ; Wolfe et al., 2011). Dans une scène du monde réel, la recherche d’une tasse à café ne s’opère pas au hasard sur l’ensemble de la pièce : l’attention est immédiatement canalisée vers des surfaces horizontales planes situées à portée de main (les tables ou les plans de travail). Le contexte sémantique de haut niveau interagit ainsi en temps réel avec les contrastes locaux de bas niveau, prouvant que le guidage attentionnel est une synthèse continue entre contraintes physiques rétiniennes et modèles d’attente sémantique globale emmagasinés en mémoire à long terme.

9. Chronométrie mentale et dynamiques temporelles de la sélection visuelle

9.1 L’analyse fine de la distribution des temps de réaction (RT)

Dans l’évaluation scientifique des modèles de recherche visuelle, l’usage naïf de la moyenne arithmétique des temps de réaction a longtemps constitué un angle mort méthodologique. Une moyenne brute peut masquer des dynamiques sous-jacentes fondamentalement contradictoires : une moyenne de 500 ms peut résulter d’un processus unimodal gaussien compact centré sur 500 ms, ou de la sommation bivariée d’essais ultra-rapides à 200 ms et d’essais dégradés à 800 ms. Pour départager la sérialité discrète et la continuité probabiliste, il est devenu indispensable d’analyser la morphologie intégrale de la distribution des temps de réaction.

Jeremy Wolfe et les psychophysiciens computationnels ont massivement recouru à la décomposition paramétrique des distributions par des lois théoriques, notamment la distribution ex-gaussienne — définie par le produit de convolution d’une gaussienne (paramètres $\mu$ et $\sigma$, reflétant les processus sensoriels et moteurs standards) et d’une exponentielle (paramètre $tau$, capturant la queue de distribution et les mécanismes de décision attentionnelle complexes) — ainsi que la distribution de Wald (modélisant le premier temps de passage d’un mouvement brownien à une frontière absorbante) :

$$f(t; \mu, \lambda) = \left( \frac{\lambda}{2\pi t^3} \right)^{1/2} \exp \left( \frac{-\lambda (t – \mu)^2}{2\mu^2 t} \right)$$

Cette granularité mathématique permet d’isoler avec une rigueur chirurgicale le temps de traitement non-décisionnel ($T_{er}$, comprenant la transduction rétinienne et l’exécution neuromotrice du geste), le taux moyen de sélection guidée, et la variabilité intrinsèque des seuils d’arrêt de recherche.

Les données expérimentales confrontées à ces modèles révèlent que l’augmentation de la taille de l’affichage (*set size*) dans les recherches de conjonction ne déplace pas simplement la distribution de manière rigide vers la droite (ce qu’impliquerait l’addition pure et simple d’étapes discrètes sternbergiennes), mais provoque un étirement asymétrique prononcé du paramètre $tau$. Cette morphologie confirme la prédiction continuiste de Wolfe : l’efficience dégradée de la recherche visuelle résulte de l’augmentation probabiliste du nombre d’échantillonnages erronés au sein d’une marche aléatoire continue, et non d’une cadence mécanique séquentielle immuable.

9.2 L’inhibition de retour spatiale et temporelle

L’exploration d’une scène visuelle complexe soulève une contrainte computationnelle absolue : pour ne pas inspecter indéfiniment les mêmes zones fortement saillantes, le système nerveux doit garder une trace de son parcours d’exploration. Ce mécanisme d’inhibition des coordonnées spatiales explorées, initialement conceptualisé sous le terme d’inhibition de retour (*Inhibition of Return*, IOR) par Posner et Cohen (1984), a été le théâtre d’un affrontement théorique mémorable entre Jeremy Wolfe et l’orthodoxie cognitive.

Dans un article provocateur resté célèbre, Horowitz et Wolfe (1998, *Visual search has no memory*) ont soutenu l’hypothèse radicale selon laquelle la recherche visuelle n’a pas de mémoire spatiale cumulative. En comparant des affichages statiques standards à des affichages dynamiques instables où l’emplacement des distracteurs était réinitialisé de manière aléatoire toutes les 100 millisecondes (interdisant tout étiquetage spatial stable), ils ont constaté avec stupeur que la pente des temps de réaction demeurait strictement identique. Si le système visuel conservait une mémoire séquentielle discrète des items inspectés pour guider ses choix futurs, le réarrangement permanent aurait dû désintégrer la performance et doubler les temps d’exploration. Wolfe a conclu que l’attention visuelle est un système largement amnésique, dont les déplacements sont gouvernés en temps réel par les dynamiques d’activation locales de sa carte de priorité plutôt que par un carnet de bord des localisations passées.

Cette conclusion a suscité une levée de boucliers méthodologique, menée notamment par Nancy Kanwisher, Paul Shore et Raymond Klein. Kanwisher et ses pairs ont répliqué en démontrant que le protocole de Wolfe détruisait artificiellement les conditions requises pour l’instanciation des représentations d’objets stables :

  • Le scintillement permanent induit par un réaffichage à 10 Hz déclenche une avalanche transitoire de signaux de mouvement ascendants (magnocellulaires), saturant les canaux préattentionnels et masquant la contribution de la mémoire spatiale sous-jacente.
  • Dans des conditions écologiques respectant l’intégrité temporelle de la scène, la mémoire de travail visuelle maintient activement des représentations discrètes pour un contingent limité d’objets (typiquement 3 à 4 *object tokens*).
  • Des paradigmes plus fins ont mis en évidence l’existence d’un guidage contextuel implicite (*contextual cueing*, Chun et Jiang, 1998), démontrant que la configuration globale de la scène est encodée de façon durable et guide puissamment les fixations ultérieures.

Ce dialogue a conduit à une vision nuancée contemporaine : si l’attention sélective n’archive pas exhaustivement chaque distracteur éliminé, elle s’appuie sur une mémoire dynamique transitoire à capacité restreinte, qui empêche le bouclage attentionnel immédiat sur les 3 ou 4 derniers sites explorés.

10. Bases neurobiologiques et imagerie fonctionnelle de la recherche guidée

10.1 Substrats cérébraux de la carte de priorité spatiale

L’un des succès les plus remarquables de la théorie de la recherche guidée de Jeremy Wolfe réside dans la validation éclatante de ses concepts algorithmiques par la neurophysiologie moderne de la vision chez le primate. L’hypothèse computationnelle d’une « carte de priorité » — centralisant la convergence des signaux ascendants de contraste et des commandes descendantes de sélection — a trouvé une incarnation anatomique et fonctionnelle directe au sein d’un réseau pariéto-frontal hautement intégré.

Les enregistrements électrophysiologiques par micro-électrodes chez le singe vigile, conduits notamment par James Bisley et Michael Goldberg (2010), ont identifié l’aire intrapariétale latérale (LIP, située dans le sillon intrapariétal du cortex pariétal postérieur) comme le corrélat neural direct le plus fidèle de cette carte de priorité globale. Les neurones de l’aire LIP n’encodent pas les détails physiques fins des stimuli (tels que la longueur d’onde spectrale exacte ou la texture fine) ; ils déchargent en fonction de la valeur de saillance comportementale intégrée présente dans leur champ récepteur :

Si un stimulus singulier surgit (saillance ascendante), les neurones LIP déchargent vigoureusement. Si l’animal est instruit de rechercher une cible spécifique (modulation descendante), l’activité des neurones LIP dont les champs récepteurs contiennent des éléments partageant les traits de cette cible est puissamment augmentée de manière continue et précoce, bien avant le déclenchement de la saccade motrice.

Cette carte de priorité pariétale est étroitement connectée à deux autres structures motrices clés :

  • Les champs oculomoteurs frontaux (FEF, *Frontal Eye Fields*) : Situés dans le cortex préfrontal prémoteur, ils réalisent une cartographie spatiale analogue et pilotent l’engagement du faisceau attentionnel endogène ainsi que la décision saccadique finale.
  • Le colliculus supérieur (SC) : Structure sous-corticale recevant des projections directes de LIP et FEF, assurant l’arbitrage moteur stochastique en déclenchant l’orientation oculaire dès qu’un sommet d’activation dépasse un seuil absolu.
  • Le pulvinar (noyau latéral postérieur du thalamus) : Agit comme un synchronisateur oscillatoire, régulant les communications réciproques entre V1, LIP et FEF pour amplifier les signaux prioritaires.

Ces substrats neurobiologiques confirment magistralement l’intuition de Jeremy Wolfe : le cerveau visuel implémente physiquement une topologie d’activation continue où la saillance et l’intentionnalité s’agrègent pour guider l’action sélective de manière fluide et graduée.

10.2 Les apports de l’IRM fonctionnelle et les découvertes de Nancy Kanwisher

Sur le versant des structures de reconnaissance d’objets, la contribution scientifique de Nancy Kanwisher a pris une dimension planétaire à la fin des années 1990 avec l’avènement de l’imagerie par résonance magnétique fonctionnelle (IRMf). Ses découvertes fondamentales ont fourni l’ancrage anatomique irréfutable de sa thèse structuraliste : le traitement visuel supérieur n’est pas un continuum statistique uniforme, mais un système hautement modulaire, compartimenté en sous-systèmes spécialisés dédiés à des catégories écologiques vitales.

La découverte par Kanwisher, McDermott et Chun (1997) de l’aire fusiforme des visages (FFA, *Fusiform Face Area*), localisée dans le gyrus fusiforme latéral, a démontré l’existence d’un module cortical dédié de manière ultra-spécifique au traitement holistique des visages humains. Cette découverte a été rapidement complétée par l’identification de l’aire parahippocampique des lieux (PPA, *Parahippocampal Place Area*, Epstein et Kanwisher, 1998), dévolue à l’analyse spatiale des scènes environnementales et des bâtiments, et du complexe occipital latéral (LOC, *Lateral Occipital Complex*), spécialisé dans la perception de la forme géométrique des objets invariante aux attributs de surface.

Cette modularité cérébrale radicale éclaire d’une lumière nouvelle la dialectique Kanwisher-Wolfe :

L’accès aux modules de haut niveau découverts par Kanwisher (FFA, PPA, LOC) impose une transition fonctionnelle qualitative. Pour qu’une stimulation lumineuse active la FFA de façon sélective et robuste, elle ne peut se contenter d’un guidage spatial lâche : elle exige l’intégration intégrale de la structure configurationnelle du stimulus, franchissant ainsi le goulet de l’individuation d’objet (*tokenization*). La dissociation neurale est nette : tandis que le réseau pariéto-frontal (LIP/FEF) opère le calcul continu de la priorité spatiale décrit par Wolfe, le flux ventral (LOC/FFA) impose des seuils d’activation discrets pour l’identification sémantique consciente.

Cette dichotomie temporelle trouve son reflet électrophysiologique dans l’analyse des potentiels évoqués (ERP). Le déploiement spatial de l’attention sélective est marqué par l’onde N2pc (une déflexion négative controlatérale apparaissant 180 à 250 ms après l’apparition du stimulus sur les sites pariéto-occipitaux). Kanwisher a souligné que l’onde N2pc agit comme un marqueur temporel discret : son déclenchement signe l’instant précis où le faisceau attentionnel s’arrête sur une coordonnée pour procéder à l’individuation du stimulus, matérialisant la frontière électrophysiologique exacte entre la préparation spatiale continue et l’accès cognitif discret.

11.1 De GS4 à GS6 : intégration de la recherche de cibles multiples et d’objets hybrides

Face à la complexification des données empiriques et aux critiques structuralistes, Jeremy Wolfe a profondément renouvelé le modèle Guided Search au cours des deux dernières décennies, culminant dans les architectures contemporaines GS5 et GS6. Ces versions récentes s’émancipent des affichages synthétiques simplifiés pour affronter des défis cognitifs hautement réalistes, au premier rang desquels figurent la recherche de cibles multiples (*foraging*) et la recherche hybride (*Hybrid Search*).

Dans la recherche hybride (Wolfe, 2012), l’observateur doit rechercher simultanément dans une scène visuelle encombrée n’importe quelle cible appartenant à un ensemble mémorisé pouvant comporter de 1 à plus de 100 objets distincts emmagasinés en mémoire à long terme (par exemple, un voyageur cherchant ses clés, son passeport, son téléphone ou son billet sur un bureau encombré). Wolfe a modélisé cette dynamique sous la forme d’un double processus continu : un balayage spatial guidé couplé à une recherche logarithmique en mémoire de travail et mémoire épisodique, où les temps de réaction croissent en fonction du logarithme de la taille de l’ensemble mnésique, confirmant une transmission de signal hautement optimisée en cascade.

De surcroît, GS5 et GS6 ont intégré des avancées théoriques cruciales sur le phénomène de faible prévalence des cibles (*low-prevalence effect*). Dans des contextes opérationnels critiques — tels que le dépistage radiologique de tumeurs en mammographie ou le contrôle de bagages par les agents de sécurité aéroportuaire —, la cible est extrêmement rare (présente dans moins de 1 à 2 % des cas). Wolfe a formalisé comment la rareté de la cible altère continûment le seuil de décision interne (*quitting threshold*) de l’observateur : face à l’accumulation continue de signaux négatifs, le seuil d’arrêt s’abaisse de manière prématurée, induisant un taux alarmant d’erreurs par omission (*misses*).

Enfin, GS6 incorpore désormais de façon explicite la grammaire structurelle et la physique des scènes visuelles réelles (Wolfe, 2021). Une scène n’est pas un agrégat aléatoire de traits : elle possède une syntaxe (les casseroles reposent sur les cuisinières, les oiseaux volent dans le ciel). En intégrant ces dépendances structurales descendantes dans le calcul de la carte de priorité, Guided Search 6 est parvenu à un niveau de fidélité prédictive remarquable, comblant en partie le fossé avec les objections géométriques soulevées jadis par Nancy Kanwisher.

11.2 Comparaison avec les modèles d’apprentissage profond et de vision artificielle

L’essor fulgurant de l’intelligence artificielle, de l’apprentissage profond (*Deep Learning*) et des architectures de vision par ordinateur a inauguré un nouveau champ de confrontation épistémologique pour les théories de l’attention visuelle. Comment les principes algorithmiques de Guided Search et les contraintes structurales de Kanwisher se positionnent-ils face aux performances surhumaines des réseaux de neurones convolutifs (CNN) et des transformeurs visuels (*Vision Transformers*, ViT) ?

Les modèles traditionnels de saillance en vision artificielle — issus des travaux pionniers de Laurent Itti, Christof Koch et Ernst Niebur (1998) — constituaient une implémentation computationnelle purement ascendante de Guided Search, calculant des pyramides multi-échelles de contrastes de couleur, d’intensité et d’orientation. Les réseaux de neurones profonds contemporains (tels que DeepGaze ou les modèles d’attention multi-têtes des transformeurs) dépassent cette heuristique en apprenant de manière supervisée des représentations sémantiques distribuées extrêmement riches :

  • Transformeurs et Attention Multi-Têtes : Ces architectures effectuent un calcul matriciel d’auto-attention (*self-attention*) global qui calcule en parallèle les interactions contextuelles entre tous les fragments de l’image, sans aucun recours à un faisceau sériel physique ni à une carte de priorité explicite.
  • Réseaux Convolutifs (CNN) : Ils répliquent fidèlement la hiérarchie ascendante du cortex visuel ventral (des filtres de Gabor de V1 jusqu’à l’invariance catégorielle de type IT/LOC), mais manquent souvent des boucles de rétroaction descendantes dynamiques et de l’inhibition de retour qui caractérisent Guided Search.

Cependant, cette puissance d’ajustement brute des modèles d’IA met en lumière, par contraste, la supériorité biologique de l’architecture Guided Search. Alors qu’un transformeur nécessite des millions d’exemples annotés pour optimiser ses matrices d’attention et consomme une énergie computationnelle gigantesque, le système visuel humain, guidé par les principes de Wolfe et bridé par les seuils d’individuation de Kanwisher, parvient à une efficience énergétique et adaptative incomparable : il est capable de rechercher instantanément une cible inédite sur la base d’une seule consigne verbale ou d’un prototype mental vague. L’incorporation des contraintes psychophysiques de Guided Search et de la modularité fonctionnelle de Kanwisher au sein des réseaux de neurones profonds constitue aujourd’hui la voie royale pour développer une intelligence artificielle visuelle explicable, robuste aux attaques adversariales et énergétiquement sobre.

12. Synthèse épistémologique et perspectives futures de la psychologie de l’attention

12.1 Bilan critique du dialogue scientifique Kanwisher-Wolfe

Au terme de cette traversée théorique et expérimentale, il apparaît manifeste que la confrontation intellectuelle entre Nancy Kanwisher et Jeremy Wolfe n’a pas débouché sur la défaite de l’un au profit de l’autre, mais a engendré une synthèse dialectique enrichissante qui a profondément transformé l’échiquier des sciences cognitives contemporaines. Cette dialectique a permis d’extirper la psychologie de l’attention de ses simplifications originelles pour forger un modèle intégratif à deux étages fonctionnels fondamentalement complémentaires.

Le dialogue scientifique Kanwisher-Wolfe a clarifié la distribution des compétences architecturales au sein du système visuel :

La théorie de la recherche guidée de Wolfe décrit avec une exactitude mathématique souveraine la dynamique de la *sélection spatiale potentielle* : comment le système nerveux trie, hiérarchise et filtre en continu l’immensité de l’espace optique pour optimiser le déploiement des ressources biologiques. En revanche, les travaux expérimentaux et les découvertes en neuro-imagerie de Nancy Kanwisher décrivent la mécanique impérative de la *consommation cognitive réelle* : ce qui se produit une fois que l’attention s’ancre sur une coordonnée spatiale pour lier les traits, individuer un objet (*object token*) et autoriser son entrée dans la mémoire de travail et dans l’espace conscient par l’intermédiaire de modules corticaux hautement spécialisés.

Cette convergence impose de distinguer rigoureusement la détection statistique continue d’un signal sensoriel et la prise de conscience perceptive discrète d’une entité unifiée. L’attention visuelle apparaît ainsi comme une interface hybride : une infrastructure de calcul probabiliste et continue en amont, pilotant l’accès à un dispositif d’individuation et de décision discret et séquentiel en aval. Sur le plan épistémologique, cette longue querelle démontre la fécondité irremplaçable d’une psychophysique computationnelle sans concession, où la modélisation mathématique formelle se confronte sans cesse aux anomalies expérimentales et à la réalité des contraintes neurobiologiques.

12.2 Horizons théoriques et défis expérimentaux ouverts

Si le dialogue fondateur entre l’école du continu et celle du discret a jeté les bases conceptuelles de l’attention visuelle moderne, le XXIe siècle ouvre des territoires d’investigation nouveaux qui bousculent les paradigmes classiques de laboratoire. Le premier défi théorique majeur réside dans l’affranchissement définitif des écrans d’ordinateur bidimensionnels statiques. L’étude de l’attention dans des environnements tridimensionnels dynamiques, immersifs, utilisant la réalité virtuelle et le suivi oculaire mobile (*mobile eye-tracking*) en situation écologique, révèle que le comportement visuel humain est profondément incarné (*embodied vision*). La sélection visuelle n’est plus simplement une extraction de cibles sur une surface plane, mais un système d’échantillonnage prédictif permanent guidé par les contingences sensorimotrices de la locomotion et de la manipulation physique.

Le second horizon concerne l’exploration fine des variations interindividuelles et des phénotypes attentionnels cliniques. Les modèles moyens développés par Wolfe et Kanwisher s’enrichissent aujourd’hui de la prise en compte de la neurodiversité : comment la dynamique de la carte de priorité et les seuils d’individuation des tokens sont-ils altérés dans des conditions neurodéveloppementales telles que le trouble du déficit de l’attention avec ou sans hyperactivité (TDAH), les troubles du spectre de l’autisme (TSA), ou lors de lésions focales induisant une héminégligence spatiale unilatérale ? L’élucidation des polymorphismes génétiques et des altérations neuromodulatrices (notamment dopaminergiques et cholinergiques) régissant le gain attentionnel promet une personnalisation thérapeutique des modèles computationnels.

Enfin, le défi ultime réside dans l’élaboration d’une théorie unifiée unifiant le traitement continu du flux sensoriel, la liaison des traits et la conscience d’accès au sein des neurosciences théoriques contemporaines, notamment à travers le prisme du principe de l’énergie libre et du codage prédictif (Friston, 2010). Dans ce cadre émergent, la recherche guidée n’est plus seulement une cascade de filtres de saillance, mais un processus actif d’inférence bayésienne où le cerveau minimise en permanence l’erreur de prédiction entre ses hypothèses descendantes et le flux continu d’afférences rétiniennes, instanciant des modèles discrets de l’environnement dès que l’incertitude locale est résolue. La controverse historique entre Nancy Kanwisher et Jeremy Wolfe continuera ainsi d’inspirer durablement notre compréhension de cette fascinante énigme : la manière dont un assemblage de neurones parvient à découper l’océan de lumière du monde pour y faire surgir la clarté intelligible d’une pensée consciente.

Références

Citer cet article

memjavad (2026, septembre 6). Kanwisher Les Expériences de la Théorie de la Recherche Guidée – Jeremy Wolfe Le Continu. Base de données de psychologie en français. https://fr.arabpsychology.com/experiments/kanwisher-experiences-recherche-guidee-jeremy-wolfe-continu/
memjavad. “Kanwisher Les Expériences de la Théorie de la Recherche Guidée – Jeremy Wolfe Le Continu.” Base de données de psychologie en français, 6 septembre 2026, https://fr.arabpsychology.com/experiments/kanwisher-experiences-recherche-guidee-jeremy-wolfe-continu/.
memjavad. “Kanwisher Les Expériences de la Théorie de la Recherche Guidée – Jeremy Wolfe Le Continu.” Base de données de psychologie en français. septembre 6, 2026. https://fr.arabpsychology.com/experiments/kanwisher-experiences-recherche-guidee-jeremy-wolfe-continu/.