Hypothèse du cerveau bayésien / Codage prédictif – Karl Friston, Kenji Doya, Rajesh P. N. Rao, & Dana H. Ballard

La compréhension contemporaine de l’architecture cognitive et neurobiologique traverse une révolution paradigmatique sans précédent depuis l’avènement du cybernétisme et des sciences cognitives de première génération. Longtemps dominées par une conception passive et strictement ascendante (bottom-up) du traitement de l’information — où l’organe cérébral était assimilé à un récepteur sériel transformant des stimuli environnementaux bruts en percepts conscients —, les neurosciences théoriques convergent aujourd’hui vers une modélisation radicalement inverse : celle du cerveau bayésien et du codage prédictif (predictive coding). Dans cette perspective, le système nerveux central n’est plus un spectateur passif analysant le monde à la dérobée, mais une machine générative et inférentielle proactive, dédiée à la prédiction continue de ses propres flux sensoriels.

Cette vision cybernétique moderne s’articule autour de l’application formelle du calcul des probabilités conditionnelles formulé par le révérend Thomas Bayes et perfectionné par Pierre-Simon de Laplace. Elle postule que le cerveau opère selon un principe d’inférence statistique permanente, combinant des représentations probabilistes préalables (priors) avec la vraisemblance des signaux afférents pour engendrer des estimations a posteriori (posteriors) de l’état du monde extérieur et intérieur. L’appareil cérébral se structure dès lors comme un dispositif hiérarchique dont le mandat fondamental réside dans l’extinction systématique de la surprise informationnelle, c’est-à-dire la minimisation de l’erreur de prédiction.

Le déploiement de ce cadre théorique unifié constitue l’une des aventures intellectuelles les plus fécondes des trente dernières années. Elle est le fruit d’une convergence remarquable entre la modélisation computationnelle du cortex visuel initiée par Rajesh P. N. Rao et Dana H. Ballard, la théorisation des systèmes d’apprentissage et de neuromodulation articulée par Kenji Doya, et la formalisation thermodynamique et informationnelle généralisée portée par Karl Friston à travers le principe de l’énergie libre (Free Energy Principle). L’analyse exhaustive de ce corpus révèle comment l’intégration bayésienne reconfigure notre compréhension de la perception, de l’action, de l’homéostasie, des pathologies psychiatriques et, en dernière instance, de la conscience phénoménale.

1. Introduction épistémologique au cerveau bayésien et au paradigme du codage prédictif

1.1 De la perception passive à la machine d’inférence active de Helmholtz

L’ancrage conceptuel du cerveau bayésien trouve son origine historique dans les travaux visionnaires du polymathe allemand Hermann von Helmholtz au XIXe siècle. Confronté à la nature intrinsèquement ambiguë et dégradée des projections lumineuses sur la rétine, Helmholtz comprend que l’information sensorielle brute est radicalement insuffisante pour reconstruire de manière univoque les propriétés des objets environnementaux. C’est le problème fondamental de l’inverse en optique et en physique : une infinité de configurations tri-dimensionnelles du monde peut engendrer une projection bi-dimensionnelle strictement identique sur la surface réceptrice des photorécepteurs.

Pour résoudre cette sous-détermination fondamentale des données sensorielles, Helmholtz introduit le concept fondateur d’inférence inconsciente (unbewusster Schluss). Selon cette conception, la perception n’est pas l’enregistrement passif de stimuli, mais un processus inductif quasi-syllogistique par lequel le cerveau déduit automatiquement et sans intervention de la volonté réflexive les causes physiques les plus probables ayant produit la stimulation observée. Ce mécanisme repose sur une connaissance préalablement acquise des régularités statistiques du milieu, forgée par l’apprentissage individuel et l’évolution phylogénétique.

Cette intuition helmholtzienne a constitué une rupture épistémologique majeure avec les architectures cognitives associationnistes et comportementalistes du XXe siècle, qui privilégiaient une logique sérielle purement ascendante (bottom-up ou data-driven). Dans les modèles classiques, tels que les premières architectures de réseaux neuronaux perceptifs, l’information s’écoulait de la périphérie vers les centres supérieurs à travers une cascade de détecteurs de traits de plus en plus complexes. Le paradigme bayésien inverse cette hiérarchie : le cerveau devient un système génératif qui projette activement des hypothèses descendantes (top-down) vers les aires sensorielles primaires, reléguant le flux ascendant au simple rôle de vérificateur d’hypothèses.

La transition conceptuelle vers la neurobiologie computationnelle contemporaine s’est opérée lorsque ces notions intuitives ont été formalisées dans le langage rigoureux du calcul des probabilités, de la cybernétique et de la théorie de l’information. Le cerveau n’est plus assimilé à une chambre noire enregistreuse, mais à un simulateur de réalité qui teste sans relâche ses modèles internes contre la réalité physique, préfigurant ce que la philosophie de l’esprit nomme aujourd’hui une vision « contrôlée » de l’hallucination perceptuelle.

1.2 Les concepts fondamentaux : a priori, vraisemblance et distribution a posteriori

Le formalisme mathématique qui opérationnalise l’inférence inconsciente helmholtzienne repose sur le théorème de Bayes. Dans le cadre de l’intégration neurosensorielle, ce théorème stipule que la probabilité conditionnelle qu’un ensemble particulier d’états cachés du monde ($\vartheta$) soit présent, sachant les observations sensorielles afférentes ($y$), est directement proportionnelle au produit de la vraisemblance de ces observations par la probabilité a priori de cet état.

La structure formelle de cette dynamique s’articule autour de trois composantes probabilistes fondamentales :

• La distribution a priori (prior) $P(\vartheta)$ : Elle représente l’état des croyances ou des attentes probabilistes encodées par le système nerveux avant la prise en compte des nouvelles données sensorielles. Ces priors sont incarnés dans la connectivité structurelle, la force synaptique et les états dynamiques des réseaux corticaux supérieurs. Ils modélisent la structure statistique de l’environnement (par exemple, l’hypothèse selon laquelle la lumière provient majoritairement du haut ou que les objets conservent leur forme dans l’espace).
• La fonction de vraisemblance (likelihood) $P(y|\vartheta)$ : Elle quantifie la probabilité statistique que le système récepteur enregistre le vecteur de signaux sensoriels $y$ si l’état réel du monde était effectivement $\vartheta$. Elle dépend directement de la fidélité des organes périphériques, du niveau de bruit biophysique et de la matrice de transduction des récepteurs.
• La distribution a posteriori (posterior) $P(vartheta|y)$ : Elle incarne la synthèse optimale issue de la mise à jour bayésienne. Elle représente la nouvelle croyance computationnelle du cerveau quant à l’état du monde, après pondération du prior par la vraisemblance du signal. C’est cette distribution a posteriori qui dicte ultimement le contenu de la perception consciente et pilote les boucles décisionnelles motrices.

L’intégration continue de flux de données afférentes transforme cette mécanique en une boucle récursive fermée : la distribution a posteriori calculée à l’instant $t$ devient la distribution a priori pour l’instant $t + \Delta t$. Cette actualisation bayésienne récurrente permet au système biologique de naviguer dans un monde hautement dynamique et non-stationnaire en maintenant une représentation statistique optimale, caractérisée par une réduction continue de l’entropie informationnelle relative.

1.3 Convergence interdisciplinaire des neurosciences computationnelles

L’émergence du paradigme du codage prédictif ne s’est pas effectuée de manière isolée au sein de la seule neurophysiologie. Elle représente l’aboutissement d’une convergence historique entre plusieurs disciplines formelles : la cybernétique de Norbert Wiener et W. Ross Ashby, la thermodynamique statistique de Ludwig Boltzmann, la théorie mathématique de la communication de Claude Shannon et l’intelligence artificielle statistique.

Dès les années 1950, la théorie cybernétique du régulateur interne (formulée notamment par Conant et Ashby dans leur théorème canonique selon lequel « tout bon régulateur d’un système doit être un modèle de ce système ») a posé les bases théoriques selon lesquelles l’adaptabilité du vivant requiert une reproduction isomorphe des régularités causales de son écosystème. Cette idée a trouvé un écho direct dans la thermodynamique statistique hors d’équilibre, où les structures vivantes sont conceptualisées comme des systèmes dissipatifs ouverts qui doivent impérativement résister à la dispersion entropique naturelle dictée par le second principe de la thermodynamique.

Sur le plan neuro-informatique, la transition s’est cristallisée avec les travaux pionniers sur les modèles de vision par ordinateur à la fin du XXe siècle. Les ingénieurs et théoriciens ont réalisé que pour filtrer le bruit massif inhérent aux capteurs physiques, le système devait intégrer des contraintes génératives fortes. La théorie du codage neuronal efficace (efficient coding hypothesis) proposée par Horace Barlow a fourni le liant théorique : les neurones ne cherchent pas à retransmettre l’intégralité du signal brut, mais à maximiser l’efficacité informationnelle en éliminant les redondances statistiques spatiales et temporelles du flux d’entrée.

Cette convergence a permis de structurer une architecture théorique unifiée au sein de laquelle la perception sensorielle, la motricité volontaire, la régulation végétative et les processus cognitifs supérieurs ne sont plus conçus comme des modules autonomes et juxtaposés, mais comme des manifestations opérationnelles d’un unique impératif computationnel : l’optimisation statistique d’un modèle génératif interne via la suppression systématique des résidus d’erreur.

2. Fondements mathématiques et statistiques du traitement bayésien

2.1 Le théorème de Bayes appliqué aux dynamiques neurobiologiques

L’application du formalisme bayésien aux systèmes neuronaux continus nécessite une reformulation analytique capable de traiter des espaces d’états à haute dimensionnalité temporelle et spatiale. Dans le domaine continu, la règle de Bayes s’exprime sous la forme différentielle suivante :

$$P(vartheta|y) = \frac{P(y|\vartheta) P(\vartheta)}{P(y)} = \frac{P(y|\vartheta) P(\vartheta)}{\int P(y|vartheta’) P(vartheta’) dvartheta’}$$

Dans cette équation, le dénominateur $P(y)$, nommé évidence marginale (marginal likelihood), joue un rôle fondamental. Il représente l’intégrale de normalisation sur l’ensemble de l’espace des états latents possibles. En neurobiologie théorique, le calcul analytique exact de cette intégrale est la plupart du temps intraitable computationnellement (NP-hard), car le cerveau ne saurait parcourir l’infinité combinatoire des causes environnementales possibles en temps réel.

Les réseaux neuronaux biologiques doivent par conséquent recourir à des approximations computationnelles hautement efficientes. L’une des plus élégantes repose sur l’hypothèse gaussienne (ou approximation de Laplace), où les densités de probabilité sont paramétrées uniquement par leur moyenne ($\mu$) et leur variance ($\sigma^2$), ou plus rigoureusement par leur matrice de covariance et leur précision ($\Pi = \Sigma^{-1}$), la précision étant l’inverse mathématique de la variance.

Dans ce contexte gaussien, la mise à jour bayésienne d’un état continu se réduit à une opération arithmétique linéaire où l’estimation a posteriori optimale $\mu_{post}$ est une moyenne pondérée par la précision :

$$\mu_{post} = \frac{\Pi_{prior} \mu_{prior} + \Pi_{lik} \mu_{lik}}{\Pi_{prior} + \Pi_{lik}}$$

Cette formulation démontre mathématiquement comment le système nerveux arbitre l’incertitude : plus la précision sensorielle ($\Pi_{lik}$) est élevée (rapport signal sur bruit optimal, environnement clair), plus l’estimation finale est tirée vers les données afférentes. Inversement, en présence d’un signal corrompu, bruité ou ambigu (faible $\Pi_{lik}$), la perception finale sera presque exclusivement déterminée par la croyance préalable $\mu_{prior}$.

2.2 Inférence variationnelle et minimisation de la divergence de Kullback-Leibler

Pour contourner l’intraitabilité de l’évidence marginale $P(y)$, la neurobiologie théorique computationnelle postule que le cerveau exploite les principes de l’inférence bayésienne variationnelle. Ce cadre transforme un problème insoluble d’intégration en un problème soluble d’optimisation mathématique continue.

Le système neuronal introduit une densité de probabilité arbitraire mais traçable, notée $q(\vartheta)$, désignée sous le terme de densité de reconnaissance (ou croyance interne du cerveau sur les causes de ses sensations). L’objectif computationnel consiste à faire converger cette distribution $q(\vartheta)$ vers la véritable distribution a posteriori conditionnelle $P(vartheta|y)$. La distance statistique entre ces deux distributions est formellement quantifiée par la divergence de Kullback-Leibler (KL) :

$$D_{KL}[q(\vartheta) parallel P(vartheta|y)] = \int q(\vartheta) \ln \left( \frac{q(\vartheta)}{P(vartheta|y)} \right) d\vartheta$$

Par définition axiomatique, la divergence de KL est une quantité non-négative ($D_{KL} ge 0$), et ne s’annule ($D_{KL} = 0$) que si et seulement si les deux distributions de probabilité sont rigoureusement identiques presque partout.

Toutefois, le cerveau ne pouvant évaluer directement $P(vartheta|y)$ (qui requiert la connaissance du terme intraitant $P(y)$), il calcule une fonctionnelle intermédiaire nommée Énergie Libre Variationnelle ($F$), dérivée directement de la mécanique statistique et formalisée pour le traitement du signal par Richard Feynman :

$$F[q(\vartheta), y] = D_{KL}[q(\vartheta) parallel P(\vartheta)] – \int q(\vartheta) \ln P(y|\vartheta) d\vartheta$$

En réarrangeant algébriquement cette formulation, on démontre la relation cardinale du codage prédictif variationnel :

$$F[q(\vartheta), y] = D_{KL}[q(\vartheta) parallel P(vartheta|y)] – \ln P(y)$$

Puisque la divergence de KL est strictement supérieure ou égale à zéro, il s’ensuit immédiatement que :

$$F[q(\vartheta), y] ge -\ln P(y)$$

L’énergie libre variationnelle $F$ constitue ainsi une borne supérieure (upper bound) sur la « surprise » informationnelle log-négative ($-ln P(y)$), couramment appelée l’évidence marginale inverse. En minimisant l’énergie libre variationnelle par des dynamiques de gradient synaptique, le cerveau minimise simultanément la divergence entre ses états internes et la réalité physique objective, maximisant ainsi l’évidence de son propre modèle génératif du monde.

2.3 Modèles génératifs et représentations hiérarchiques de Markov

L’implémentation biologique de l’inférence variationnelle s’organise sous la forme d’un modèle génératif hiérarchique. Un modèle génératif est une spécification formelle de la distribution conjointe $P(y, \vartheta)$ qui explicite comment des causes non-observables (états cachés) interagissent dynamiquement pour engendrer les signaux observables à la frontière sensorielle.

Dans l’architecture du système nerveux central, ce modèle est structuré selon une hiérarchie en cascade, souvent représentée sous la forme de réseaux de Markov dynamiques à échelles temporelles imbriquées. Considérons une hiérarchie corticale à $L$ niveaux, où chaque niveau $i in {1, dots, L}$ est décrit par des vecteurs d’états d’inférence $x^{(i)}$ et des paramètres causaux $v^{(i)}$ :

$$y = g^{(1)}(x^{(1)}, v^{(1)}) + z^{(1)}$$

$$\dot{x}^{(1)} = f^{(1)}(x^{(1)}, v^{(1)}) + w^{(1)}$$

$$v^{(i-1)} = g^{(i)}(x^{(i)}, v^{(i)}) + z^{(i)}$$

$$\dot{x}^{(i)} = f^{(i)}(x^{(i)}, v^{(i)}) + w^{(i)}$$

Dans ce système d’équations différentielles stochastiques :

• Les fonctions $g^{(i)}(\cdot)$ représentent les fonctions d’observation statiques (non-linéaires) qui génèrent les prédictions descendantes vers le niveau inférieur.
• Les fonctions $f^{(i)}(\cdot)$ décrivent les dynamiques d’évolution temporelle interne propres à chaque strate hiérarchique.
• Les termes $z^{(i)}$ et $w^{(i)}$ représentent les bruits de mesure et d’état gaussiens, dont les matrices de covariance inversées dictent la précision synaptique à chaque palier.

Cette organisation mathématique impose une séparation stricte des échelles temporelles le long de l’axe hiérarchique : les couches les plus basses (proches de la périphérie sensorielle) modélisent des dynamiques ultra-rapides et spatialement localisées (e.g., contrastes de luminance, fréquences acoustiques instantanées), tandis que les strates supérieures intègrent des régularités statistiques à large échelle spatiale et à constante de temps étendue (e.g., invariants sémantiques, concepts abstraits, trajectoires intentionnelles globales).

3. Les travaux séminaux de Rajesh P. N. Rao et Dana H. Ballard (1999)

3.1 Le modèle computationnel du cortex visuel primaire et hiérarchique

En 1999, Rajesh P. N. Rao et Dana H. Ballard ont publié dans la revue Nature Neuroscience un article fondateur intitulé « Predictive coding in the visual cortex: a functional interpretation of some extra-classical receptive-field effects ». Cette publication a marqué l’acte de naissance formel de l’application du codage prédictif aux microcircuits neurophysiologiques corticaux, apportant une réponse théorique élégante à des énigmes expérimentales non résolues par les modèles classiques de traitement visuel.

Le modèle computationnel développé par Rao et Ballard implémente une architecture bidirectionnelle hiérarchique composée de couches interconnectées simulant les interactions entre la rétine, le corps genouillé latéral (CGL), l’aire visuelle primaire (V1) et les aires visuelles d’ordre supérieur (telles que V2, V4 ou le cortex inférotemporal). Contrairement aux réseaux de neurones conventionnels strictement progressifs (feedforward), le réseau de Rao et Ballard attribue des fonctions distinctes et complémentaires aux voies anatomiques descendantes et ascendantes :

• Les voies descendantes (feedback / top-down) : Elles projettent continuellement des estimations spatiales générées par les couches supérieures vers les couches inférieures, tentant de reconstruire ou de « prédire » les patterns d’activité neuronale des aires sous-jacentes.
• Les voies ascendantes (feedforward / bottom-up) : Elles ne transmettent plus l’image brute ou la luminance filtrée, mais exclusivement le différentiel algébrique entre l’entrée sensorielle réelle et la prédiction descendante. Ce résidu non prédit constitue formellement le vecteur d’erreur de prédiction.

Entraîné sur des flux d’images naturelles non segmentées, le modèle a démontré une capacité d’auto-organisation spectaculaire : les unités de représentation neuronale ont développé de manière autonome des champs récepteurs calqués sur des ondelettes de Gabor orientées, reproduisant fidèlement les propriétés des cellules simples et complexes découvertes expérimentalement dans l’aire V1 par David Hubel et Torsten Wiesel.

3.2 Mécanique du signal d’erreur de prédiction dans l’arbre visuel

Le cœur algorithmique de la théorie de Rao et Ballard réside dans le mécanisme d’annulation locale réciproque au sein de chaque microcircuit cortical. Pour un niveau hiérarchique $i$ recevant une entrée $r^{(i-1)}$ provenant de la couche inférieure, les neurones de représentation génèrent une prédiction descendante $\hat{r}^{(i-1)} = U^{(i)} r^{(i)}$, où $U^{(i)}$ représente la matrice de connectivité synaptique générative.

Le signal d’erreur de prédiction $e^{(i-1)}$ généré localement s’exprime alors par la soustraction vectorielle directe :

$$e^{(i-1)} = r^{(i-1)} – U^{(i)} r^{(i)}$$

Cette soustraction est implémentée neurobiologiquement par l’action d’interneurones inhibiteurs GABAergiques locaux. L’activité de ces unités d’erreur est ensuite transmise via des projections axonales excitatrices aux couches supérieures pour actualiser les représentations neuronales selon une dynamique de descente de gradient :

$$\frac{\partial r^{(i)}}{\partial t} = \kappa \left( (U^{(i)})^T e^{(i-1)} – e^{(i)} \right)$$

Dans cette dynamique d’actualisation, le terme $(U^{(i)})^T e^{(i-1)}$ utilise la transposée de la matrice synaptique pour ajuster l’activité des neurones d’état dans le sens d’une réduction de l’erreur du niveau inférieur, tandis que le terme $- e^{(i)}$ assure la cohérence avec les contraintes imposées par le niveau supérieur. Dès lors qu’un stimulus visuel devient parfaitement prédictible par le modèle interne, le signal d’erreur $e^{(i-1)}$ s’annule mathématiquement ($e to 0$).

Ce principe assure une optimisation drastique de la bande passante et une efficience métabolique exceptionnelle. Le cortex ne dépense de l’énergie de transmission synaptique que pour encoder ce qui est imprévu, nouveau ou statistiquement surprenant. La dynamique temporelle démontre ainsi une phase transitoire initiale de forte décharge neuronale (propagation de l’erreur initiale), suivie d’une atténuation rapide de l’activité à mesure que les boucles de rétroaction stabilisent le percept.

3.3 Impact historique et refondation de la vision computationnelle

L’apport le plus déterminant du modèle de Rao et Ballard a été d’offrir une explication mathématique et neurobiologique cohérente aux phénomènes dits extra-champs récepteurs non linéaires (extra-classical receptive field effects). Les enregistrements électrophysiologiques unitaires avaient en effet révélé que la réponse d’un neurone de V1 à un stimulus optimal situé au centre de son champ récepteur classique est drastiquement modulée — et souvent supprimée — si un stimulus contextuel identique est présenté simultanément dans la région périphérique environnante (phénomène de surround suppression ou inhibition par le contour).

Alors que la neurobiologie classique peinait à expliquer ces effets sans invoquer des circuits horizontaux ad hoc infiniment complexes, le codage prédictif les prédit naturellement comme une conséquence directe de l’annulation de l’erreur. Si une ligne orientée continue s’étend bien au-delà du champ récepteur unitaire d’un neurone de V1, les niveaux supérieurs du cortex visuel (disposant de champs récepteurs beaucoup plus larges) modélisent immédiatement cette continuité géométrique et projettent une prédiction descendante précise. Cette prédiction inhibe les neurones d’erreur de V1, éteignant leur réponse puisque le signal local est devenu entièrement redondant avec le contexte global.

De même, le phénomène d’arrêt d’extrémité (end-stopping), où un neurone cesse de décharger si une barre lumineuse dépasse une certaine longueur critique, découle directement de cette soustraction contextuelle. Le modèle de Rao et Ballard a ainsi mis fin au dogme sériel de la vision comme simple filtre passif d’extraction de contours, démontrant que même les stades les plus primaires de la vision corticale sont saturés d’influences contextuelles et descendantes hautement dynamiques.

4. L’apport de Kenji Doya : Apprentissage bayésien, neuromodulation et contrôle moteur

4.1 Tripartition computationnelle des fonctions cérébrales selon Doya

Tandis que Rao et Ballard formalisaient le codage prédictif au sein du cortex sensoriel, le neuroscientifique japonais Kenji Doya a formulé une synthèse théorique majeure liant l’architecture macroscopique du système nerveux aux trois grands paradigmes de l’apprentissage machine : l’apprentissage supervisé, l’apprentissage par renforcement et l’apprentissage non supervisé / bayésien.

Dans ses articles séminaux (notamment Doya, 1999, 2000), Doya propose une assignation computationnelle rigoureuse adossée à la neuroanatomie macroscopique :

• Le Cervelet et l’apprentissage supervisé : Le cortex cérébelleux est spécialisé dans l’apprentissage par minimisation directe de l’erreur sensorimotrice. Guidé par les signaux d’erreur précis acheminés par les fibres grimpantes issues de l’olive inférieure, le cervelet apprend des modèles directs et inverses via la plasticité synaptique des cellules de Purkinje, optimisant la fluidité temporelle du contrôle moteur.
• Les Ganglions de la base et l’apprentissage par renforcement : Le striatum et ses circuits associés sont dédiés à la maximisation des récompenses cumulées différées dans le temps. Ce système utilise des algorithmes de type Temporal Difference (TD Learning) pour sélectionner les actions optimales en fonction de signaux de valeurs scalaires.
• Le Cortex cérébral et l’apprentissage non supervisé / bayésien : L’architecture laminaire récurrente du néocortex est optimisée pour extraire la structure statistique intrinsèque de l’environnement sans nécessiter d’étiquetage externe ni de récompense immédiate. C’est le siège du modèle génératif probabiliste hiérarchique.

Cette tripartition fonctionnelle ne décrit pas des entités isolées, mais une symphonie computationnelle intégrée. Le cortex cérébral fournit aux ganglions de la base des représentations d’états compressées et probabilistes, permettant une sélection d’actions robuste sous incertitude. Les ganglions de la base sélectionnent les macro-objectifs comportementaux, tandis que le cervelet exécute le déploiement balistique et la correction prédictive ultra-rapide en boucle fermée.

4.2 Neuromodulation de l’incertitude et méta-paramètres bayésiens

L’une des contributions les plus profondes de Kenji Doya réside dans sa théorie computationnelle de la neuromodulation ascendante. Doya a démontré que les grands systèmes de neurotransmetteurs diffus projetant depuis le tronc cérébral et le mésencéphale ne véhiculent pas de simples messages ponctuels, mais régulent dynamiquement les méta-paramètres fondamentaux des algorithmes d’apprentissage et de l’inférence bayésienne.

Cette taxonomie computationnelle de la neuromodulation s’articule autour de quatre axes majeurs :

• L’Acétylcholine (ACh) et l’incertitude attendue (expected uncertainty) : Modélisée en synergie avec les travaux d’Angela Yu et Peter Dayan, l’acétylcholine signale le degré d’ambiguïté ou de bruit intrinsèque connu dans un contexte donné. En augmentant la transmission synaptique afférente tout en supprimant les connexions récurrentes intracorticales, l’ACh calibre la perméabilité du cortex aux données sensorielles lorsque le modèle interne sait qu’il fait face à des données statistiquement bruitées mais stables.
• La Noradrénaline (NA) et l’incertitude inattendue (unexpected uncertainty) : Libérée par le locus coeruleus, la noradrénaline s’active massivement en cas de rupture contextuelle brutale (environmental volatility ou change-point). Elle agit comme un signal de réinitialisation cognitive (network reset), augmentant brutalement le taux d’apprentissage (learning rate) cortical pour restructurer d’urgence les modèles génératifs obsolètes face à un monde ayant changé de règles.
• La Dopamine (DA) et l’erreur de prédiction : En sus de son rôle d’erreur de prédiction de récompense (Reward Prediction Error – RPE) dans le striatum, la dopamine module le gain synaptique et encode la précision statistique des contingences d’action, dictant la confiance que l’organisme doit accorder à ses propres modèles prédictifs.
• La Sérotonine (5-HT) et l’horizon temporel d’évaluation : Les projections du raphé ajustent le facteur d’actualisation temporelle ($\gamma$). Une forte concentration sérotoninergique favorise les politiques d’inférence et d’action orientées vers des récompenses lointaines et une intégration temporelle profonde, tandis qu’un effondrement sérotoninergique induit une myopie temporelle et une impulsivité décisionnelle.

4.3 Modèles internes et contrôle moteur adaptatif

Kenji Doya, en collaboration étroite avec Daniel Wolpert et Mitsuo Kawato, a joué un rôle moteur dans l’application des statistiques bayésiennes au contrôle moteur via le concept de modèles internes duaux : les modèles inverses et les modèles directs (forward models).

La boucle de rétroaction sensorielle pure est structurellement inopérante pour le contrôle des mouvements rapides : la transduction sensorielle, la propagation axonale et le traitement cortical imposent des délais temporels incompressibles variant de 50 à 250 millisecondes. Si le système moteur attendait le retour visuel ou proprioceptif pour corriger la trajectoire d’une main lors d’une préhension, le mouvement serait perpétuellement instable et oscillatoire. Pour pallier cette latence, le cervelet héberge un ensemble de modèles directs prédictifs :

Lorsqu’une commande motrice (efférence) est envoyée aux muscles squelettiques, une copie collatérale — la copie d’efférence (efference copy) — est instantanément transmise au cervelet. Le modèle direct simule immédiatement la mécanique biomécanique du membre et prédit les conséquences sensorielles futures de l’action avant même que le membre n’ait bougé. Cette prédiction sensorielle interne permet une correction en ligne sans latence et une atténuation sensorielle des stimuli auto-générés (expliquant pourquoi nous ne pouvons pas nous auto-chatouiller, le signal résultant étant intégralement annulé par la copie d’efférence prédictive).

L’apprentissage de ces modèles internes chez Doya s’exécute selon une logique de fusion bayésienne optimale : l’état biomécanique estimé du corps résulte d’une synthèse probabiliste en temps réel entre la proprioception retardée et la prédiction directe ultra-rapide du modèle cérébelleux, pondérées chacune par leur précision respective via un filtre de Kalman neuronal.

5. Karl Friston et le principe de l’énergie libre (Free Energy Principle)

5.1 Énonciation thermodynamique et informationnelle du principe

Le professeur Karl Friston, neurobiologiste et mathématicien à l’University College London (UCL), a élevé le paradigme du cerveau bayésien à un niveau de généralité théorique universel en formulant le Principe de l’Énergie Libre (Free Energy Principle – FEP). Loin de se limiter à une théorie de la vision ou du mouvement, le FEP constitue un cadre ontologique formalisant ce que signifie, pour tout système physique auto-organisé, le fait d’exister et de perdurer dans le temps.

Le point de départ de Friston est strictement thermodynamique : en vertu de la deuxième loi de la thermodynamique, tout système physique isolé voit son entropie (son désordre structurel) croître inexorablement jusqu’à l’équilibre thermique et la dispersion de sa matière. Or, les systèmes vivants maintiennent leur organisation structurelle et fonctionnelle complexe en occupant un ensemble restreint et hautement non-aléatoire d’états physiques viables (leur homéostasie et allostasie). Pour un être humain, la température corporelle doit osciller entre 36,5 °C et 37,5 °C sous peine de mort rapide : la distribution de probabilité sur ses états thermiques possède une entropie extrêmement faible.

Friston démontre mathématiquement que la moyenne à long terme de la « surprise » informationnelle $-ln P(y)$ est formellement équivalente à l’entropie des états sensoriels :

$$H(y) = \lim_{T to \infty} \frac{1}{T} \int_0^T -\ln P(y(t)) dt$$

Par conséquent, pour résister à la dispersion entropique et préserver leur homéostasie, les organismes vivants doivent impérativement minimiser leur surprise informationnelle moyenne. Or, la surprise étant impossible à évaluer directement de manière exhaustive, les systèmes vivants minimisent en permanence sa borne supérieure variationnelle : l’énergie libre.

L’énergie libre variationnelle s’écrit formellement sous deux déclinaisons analytiques équivalentes mais conceptuellement distinctes :

$$F = \underbrace{D_{KL}[q(\vartheta) parallel P(vartheta|y)]}_{\text{Divergence (Inexactitude)}} – \underbrace{\ln P(y)}_{\text{Évidence log-marginale}}$$

$$F = \underbrace{D_{KL}[q(\vartheta) parallel P(\vartheta)]}_{\text{Complexité computationnelle}} – \underbrace{\mathbb{E}_{q(\vartheta)}[\ln P(y|\vartheta)]}_{\text{Précision / Ajustement (Accuracy)}}$$

La seconde équation illustre le principe d’économie de l’esprit (Rasoir d’Ockham bayésien) : pour minimiser son énergie libre, le cerveau doit maximiser la précision de ses prédictions sensorielles tout en minimisant la complexité de son modèle interne (c’est-à-dire en évitant le surapprentissage ou le déplacement excessif de ses croyances par rapport à ses priors fondamentaux).

5.2 La couverture de Markov (Markov Blanket) et l’autonomie biologique

Pour formaliser la séparation physique et computationnelle entre un organisme vivant et son environnement, Friston importe et généralise le concept mathématique de couverture de Markov (Markov Blanket), initialement formulé par Judea Pearl dans la théorie des réseaux bayésiens.

Considérons l’univers total comme un vaste ensemble de variables dynamiques interconnectées. Friston partitionne cet univers en quatre ensembles fondamentaux d’états :

• Les états externes ($eta$) : Les causes physiques objectives opérant dans le monde extérieur (température de l’air, prédateurs, photons), inaccessibles directement à l’organisme.
• Les états internes ($\mu$) : La machinerie biophysique interne du système vivant (activités neuronales, potentiels membranaires, taux hormonaux).
• Les états sensoriels ($s$) : Les récepteurs périphériques transduisant les perturbations du monde (rétine, cochlée, nocicepteurs).
• Les états actifs ($a$) : Les effecteurs biomécaniques modifiant l’environnement physique (motoneurones, muscles squelettiques, sécrétions glandulaires).

La couverture de Markov est formellement définie comme l’union des états sensoriels et des états actifs : $\mathcal{M} = {s, a}$.

La propriété statistique cardinale de la couverture de Markov est d’induire une indépendance conditionnelle : conditionnellement à la connaissance des états de la couverture $\mathcal{M}$, les états internes $\mu$ sont statistiquement indépendants des états externes $eta$. En termes formels :

$$P(\mu, \eta | \mathcal{M}) = P(\mu | \mathcal{M}) P(\eta | \mathcal{M})$$

Cette formulation donne une assise mathématique rigoureuse à la frontière biologique et à l’autonomie du vivant :

Les états externes n’influencent les états internes qu’à travers les états sensoriels ($s$). Réciproquement, les états internes n’agissent sur les états externes qu’à travers les états actifs ($a$). Le cerveau est ainsi un système enfermé dans la boîte crânienne, séparé du monde par sa couverture de Markov, contraint d’inférer perpétuellement la nature des causes externes $eta$ à travers le seul prisme de ses états sensoriels $s$, tout en guidant ses états actifs $a$ pour modifier ces flux.

Ce formalisme s’applique à toutes les échelles du vivant de manière emboîtée (nested Markov blankets) : du canal ionique isolé au sein de la membrane lipidique, de la cellule dans un tissu, de l’organe dans le corps, jusqu’à l’organisme individuel au sein de sa niche écologique et sociétale.

5.3 L’énergie libre comme théorie unifiée du cerveau

L’ambition du Principe de l’Énergie Libre réside dans sa capacité à subsumer sous un formalisme unique l’intégralité des grands processus neurobiologiques et cognitifs. Karl Friston propose une synthèse théorique où les différentes dimensions du fonctionnement cérébral correspondent à des modalités spécifiques de minimisation de l’énergie libre sur des échelles spatiales et temporelles graduées :

• La Perception : C’est la minimisation ultra-rapide (de l’ordre de la milliseconde à la seconde) de l’énergie libre par l’ajustement dynamique des états neuronaux internes ($\mu$), optimisant l’inférence bayésienne pour expliquer les entrées sensorielles courantes.
• L’Action (Inférence Active) : C’est la minimisation de l’énergie libre par le déploiement d’états actifs ($a$), modifiant le monde extérieur pour contraindre les sensations à s’aligner sur les prédictions générées par le modèle interne.
• L’Apprentissage et la Neuroplasticité : C’est la minimisation à moyen et long terme (secondes, heures, jours) de l’énergie libre par l’ajustement des poids synaptiques, révisant les paramètres structurels du modèle génératif.
• Le Neurodéveloppement et la Sélection Naturelle : C’est la minimisation à l’échelle ontogénétique et phylogénétique de l’énergie libre par la sélection structurelle des architectures cérébrales et génétiques les plus efficientes (sélection bayésienne de modèle ou Bayesian model selection).

Par cette architecture conceptuelle holistique, le cerveau apparaît comme un moteur d’inférence universel optimisé par l’évolution pour pérenniser l’existence de sa couverture de Markov à travers l’annihilation continue de la surprise.

6. L’architecture laminaire et neuroanatomique du codage prédictif

6.1 Microcircuits corticaux canoniques et ségrégation laminaire

Pour que le codage prédictif ne reste pas une pure abstraction mathématique, il doit être incarné au sein de la cytoarchitecture du néocortex. La neuroanatomie computationnelle moderne a identifié une correspondance rigoureuse entre les équations du codage prédictif et l’organisation en six couches du cortex cérébral, formalisée notamment dans les travaux d’André Bastos, Shipp, Friston et leurs collaborateurs (2012) sur les microcircuits corticaux canoniques.

L’architecture laminaire ségrège rigoureusement les neurones transmettant les représentations des neurones encodant l’erreur de prédiction :

• Les couches supragranulaires (Couches II/III) : Elles hébergent principalement les neurones d’erreur de prédiction (pe). Ces neurones pyramidaux de petite taille comparent localement les projections descendantes avec les entrées afférentes. Leurs axones constituent les faisceaux de projection ascendants (feedforward) qui traversent la hiérarchie corticale pour projeter massivement vers la couche IV des aires supérieures.
• La couche granulaire (Couche IV) : Elle agit comme l’interface thalamocorticale et la porte d’entrée synaptique principale des signaux ascendants porteurs d’erreur issus des aires inférieures ou des noyaux relais du thalamus. Ses neurones étoilés distribuent ces résidus d’erreur vers les couches supragranulaires.
• Les couches infragranulaires (Couches V/VI) : Elles constituent le siège des neurones d’état et de représentation générative ($\mu$). Les grands neurones pyramidaux de la couche V et VI intègrent les signaux contextuels et émettent les puissantes projections axonales descendantes (feedback). Ces projections s’étendent de manière divergente vers les couches I et II/III des aires inférieures pour délivrer les prédictions et inhiber les unités d’erreur sous-jacentes.

L’inhibition de soustraction d’erreur au sein de chaque microcircuit est médiée par des populations d’interneurones inhibiteurs GABAergiques (notamment les cellules à parvalbumine $PV^+$ et les cellules à somatostatine $SST^+$). Ces interneurones reçoivent les collatérales excitatrices des projections descendantes et délivrent une inhibition ciblée sur les corps cellulaires et les dendrites apicaux des neurones d’erreur des couches II/III, réalisant matériellement l’opération différentielle $(y – \hat{y})$.

6.2 Oscillations neurales et fréquences spectrales distinctes

La ségrégation spatiale laminaire du codage prédictif s’accompagne d’une ségrégation spectrale remarquable dans le domaine des oscillations électrophysiologiques. Les flux ascendants et descendants n’empruntent pas les mêmes bandes de fréquences pour acheminer leurs messages respectifs à travers le cerveau.

Les données empiriques recueillies par magnétoencéphalographie (MEG), électroencéphalographie intracrânienne (iEEG) et enregistrements par microélectrodes laminaires révèlent une dissociation hautement reproductible :

• Les rythmes Gamma (> 30-90 Hz) et hautes fréquences : Associés aux signaux d’erreur de prédiction ascendants. Générés de manière prédominante dans les couches supragranulaires (II/III) via des interactions denses entre cellules pyramidales et interneurones à parvalbumine (mécanisme PING – Pyramidal-Interneuron Network Gamma), les rythmes gamma transmettent les résidus d’erreur non résolus avec une haute précision temporelle vers les étages supérieurs.
• Les rythmes Bêta (13-30 Hz) et Alpha (8-12 Hz) : Porteurs des prédictions descendantes et des modulations de précision contextuelle. Émis principalement par les circuits profonds des couches infragranulaires (V/VI), ces rythmes à basse fréquence propagent les contraintes a priori du modèle génératif sur de vastes distances anatomiques et exercent une régulation inhibitrice descendante (gating) sur l’activité oscillatoire locale.

L’interaction dynamique entre ces deux flux s’opère via un mécanisme sophistiqué de couplage phase-amplitude (phase-amplitude coupling) : la phase des oscillations lentes (alpha/bêta) module l’amplitude des décharges rapides (gamma). Ce couplage permet aux représentations descendantes de cadencer temporellement les fenêtres d’excitabilité synaptique au sein desquelles les erreurs ascendantes sont autorisées ou non à être transmises vers les centres supérieurs.

6.3 Connectivité mésoscopique et hiérarchie macroscopique

À l’échelle macroscopique du cerveau entier, le codage prédictif s’incarne le long d’un gradient continu d’organisation neurofonctionnelle, s’étendant des aires sensorielles unimodales primaires jusqu’aux réseaux transmodaux hautement intégrés.

Ce gradient architectural s’organise selon une hiérarchie structurelle rigoureuse :

Au bas de l’échelle se situent les cortex sensoriels primaires (visuel, auditif, somatosensoriel), caractérisés par une lamination granulaire dense, des champs récepteurs étroits, une réactivité temporelle ultra-rapide (millisecondes) et un encodage précis des détails physiques immédiats. À l’autre extrémité du spectre neuroanatomique, au sommet de la hiérarchie corticale, se déploient les structures hétéromodales et limbiques, au premier rang desquelles le Réseau du Mode par Défaut (Default Mode Network – DMN), incluant le cortex préfrontal ventromédian, le cortex cingulaire postérieur et le précunéus.

Dans le paradigme bayésien, le DMN n’est plus un simple « réseau de repos », mais le générateur suprême des méta-priors de haut niveau : il modélise le soi dans le temps, l’encadrement narratif de long terme, la mémoire autobiographique et les contextes sémantiques stables. Entre ces deux extrêmes, les réseaux attentionnels dorsaux et ventraux (Dorsal and Ventral Attention Networks) ainsi que le réseau de saillance (Salience Network) agissent comme des médiateurs dynamiques, réallouant les ressources synaptiques et modulant le gain de précision le long de l’axe hiérarchique en fonction des exigences contextuelles immédiates.

7. L’erreur de prédiction et la pondération par la précision synaptique

7.1 Définition formelle de la précision statistique (Precision Weighting)

L’erreur de prédiction brute n’est jamais transmise de manière brute et indifférenciée à travers les strates hiérarchiques du cortex. Dans tout environnement réel, le flux sensoriel est intrinsèquement bruité, variable et contextuel. Traiter toutes les erreurs avec la même intensité conduirait le cerveau à une instabilité permanente, modifiant constamment ses croyances fondamentales pour des fluctuations thermiques ou du bruit statistique non informatif.

Pour résoudre ce dilemme, le codage prédictif introduit l’opération mathématique de pondération par la précision (precision weighting). En termes probabilistes, la précision $Pi$ est l’inverse scalaire ou matriciel de la variance ($\Pi = 1/\sigma^2$). L’erreur de prédiction pondérée $xi$ s’exprime donc sous la forme du produit de l’erreur brute par sa précision estimée :

$$\xi = \Pi \cdot (y – \hat{y}) = \frac{y – \hat{y}}{\sigma^2}$$

L’implémentation neurobiologique de la précision statistique repose sur la modulation du gain synaptique des neurones d’erreur des couches supragranulaires. Si un neurone d’erreur possède un gain synaptique élevé (forte précision $Pi$), un faible écart entre le stimulus et la prédiction engendrera une décharge massive et un impact profond sur les aires corticales supérieures. À l’inverse, si le gain synaptique est abaissé (faible précision $Pi$), même une erreur brute volumineuse sera atténuée localement et échouera à propager son influence dans la hiérarchie.

Cette pondération par la précision constitue le thermostat computationnel de l’esprit : elle régule dynamiquement le niveau de confiance accordé aux données du monde extérieur par rapport à la solidité des modèles internes préalables.

7.2 L’attention comme optimisation de la précision attendue

L’un des triomphes théoriques les plus retentissants du modèle de Karl Friston (formulé notamment avec Harriet Feldman dans Feldman & Friston, 2010) réside dans la redéfinition computationnelle complète de l’attention sélective.

Dans la psychologie cognitive traditionnelle, l’attention était souvent métaphorisée comme un « projecteur » (spotlight) ou un filtre d’étranglement mystérieux sélectionnant les informations prioritaires. Le codage prédictif démontre que l’attention n’est rien d’autre qu’un processus d’inférence de second ordre portant sur la précision statistique (inference on precision).

Porter son attention sur un objet ou une zone de l’espace (e.g., fixer un point dans le brouillard ou écouter une voix spécifique au milieu d’un cocktail bruyant) consiste neurobiologiquement à augmenter le gain synaptique post-synaptique des neurones d’erreur situés dans les zones rétinotopiques ou tonotopiques correspondantes. Cette amplification ciblée du gain permet de :

• Booster la saillance des résidus d’erreur porteurs d’information valide, forçant le modèle génératif à s’actualiser en temps réel.
• Atténuer drastiquement les canaux sensoriels périphériques non pertinents en écrasant leur précision, immunisant le système contre les distracteurs environnementaux.

Cette théorie résout le paradoxe des illusions perceptuelles : les illusions d’optique (comme la chambre d’Ames ou le masque creux) surviennent précisément lorsque des priors structurels surpuissants reçoivent une confiance absolue face à des signaux sensoriels ambigus dont la précision relative est insuffisante pour forcer une révision du modèle interne.

7.3 Plasticité synaptique et apprentissage Hebbien prédictif

Tandis que l’activité électrique des potentiels d’action résout l’inférence en temps réel (minimisation de l’erreur sur les états), la modification durable de l’efficacité de transmission synaptique réalise l’apprentissage (minimisation de l’erreur sur les paramètres du modèle). Ce processus s’incarne dans une reformulation prédictive des lois de la plasticité hebbienne classique.

Dans le formalisme du codage prédictif, la règle de mise à jour du poids synaptique $W_{ij}$ reliant le neurone de représentation pré-synaptique $r_j$ au neurone d’erreur post-synaptique $e_i$ s’exprime selon une loi différentielle de descente de gradient :

$$\Delta W_{ij} propto \gamma_W \cdot e_i \cdot r_j – \alpha W_{ij}$$

Où $\gamma_W$ représente la constante de plasticité synaptique et $\alpha$ un terme de décroissance homéostatique. Cette équation stipule que la force d’une connexion synaptique n’augmente pas simplement parce que deux neurones déchargent simultanément (dogme hebbien classique « cells that fire together, wire together »), mais uniquement si cette co-activation permet de réduire durablement l’amplitude du signal d’erreur de prédiction résiduelle.

Cette dynamique computationnelle s’articule parfaitement avec les mécanismes biophysiques de la plasticité dépendant du temps d’occurrence des potentiels d’action (Spike-Timing-Dependent Plasticity – STDP) et l’activation des récepteurs glutamatergiques NMDA. Les récepteurs NMDA agissent comme des détecteurs de coïncidence moléculaire dont l’ouverture dépend du voltage, régulant l’influx calcique intracellulaire nécessaire pour déclencher la potentialisation à long terme (LTP) ou la dépression à long terme (LTD) en fonction exacte de l’alignement temporel entre prédiction et erreur.

8. L’inférence active : Résolution de l’erreur par l’action sur le monde

8.1 Le double mécanisme de minimisation de l’énergie libre

Le cerveau ne peut pas se contenter d’adapter passivement ses représentations internes pour s’ajuster à un monde potentiellement hostile : un organisme qui se bornerait à ajuster son modèle interne face à la sensation d’une chute de glycémie ou d’une déshydratation mortelle finirait par mourir en prédisant parfaitement son propre trépas. C’est ici qu’intervient la dimension révolutionnaire de l’inférence active (active inference).

Karl Friston démontre qu’il existe rigoureusement deux voies mathématiques symétriques pour annuler une erreur de prédiction et minimiser l’énergie libre variationnelle :

1. La voie perceptive : Modifier les états internes ($\mu$) pour aligner les prédictions génératives sur les données sensorielles observables réelles. C’est l’ajustement passif de la croyance au monde.
2. La voie motrice (Inférence Active) : Déclencher des états actifs ($a$) pour modifier physiquement l’environnement, de sorte que les nouvelles sensations afférentes viennent se conformer de force aux prédictions préalables du cerveau. C’est l’ajustement du monde à la croyance.

Cette dualité dissout la dichotomie classique entre système sensoriel et système moteur. Le système moteur n’est plus un système de commande qui calcule des trajectoires cinématiques complexes à partir de zéro : le cortex moteur se contente de générer des prédictions proprioceptives descendantes de la posture désirée.

Lorsque le cortex projette vers la moelle épinière une prédiction selon laquelle le bras est étendu vers une tasse de café, cela engendre immédiatement une erreur de prédiction proprioceptive massive au niveau des motoneurones spinaux (puisque le bras est encore au repos). Les arcs réflexes spinaux monosynaptiques et polysynaptiques classiques (interneurones Ia/Ib et motoneurones $\alpha$) se contractent automatiquement pour annuler cette erreur proprioceptive locale. Le mouvement physique est ainsi accompli par l’arc réflexe spinal cherchant à accomplir la prophétie motrice descendante.

8.2 Échantillonnage actif et exploration épistémique

L’inférence active transforme notre regard sur le comportement exploratoire et la quête sensorielle. Les organismes vivants ne subissent pas les stimuli : ils pratiquent un échantillonnage actif (active sampling) de leur environnement par le biais de micromouvements constants, dont l’exemple paradigmatique est constitué par les mouvements oculaires saccadiques.

Dans la théorie formelle de l’inférence active, le choix d’une politique d’action $\pi$ est gouverné par la minimisation de l’énergie libre attendue (Expected Free Energy – $G(\pi)$) dans le futur :

$$G(\pi) = – \underbrace{\mathbb{E}_{Q(y, vartheta|\pi)} [\ln P(y)]}_{\text{Valeur Pragmatique (Utilité Extrinsèque)}} – \underbrace{\mathbb{E}_{Q(y, vartheta|\pi)} [D_{KL}[Q(vartheta|y, \pi) parallel Q(vartheta|\pi)]]}_{\text{Valeur Épistémique (Gain d’Information / Curiosité)}}$$

Cette équation démontre que toute action humaine ou animale est guidée par une synthèse optimale entre deux impératifs fondamentaux :

• La valeur pragmatique (instrumentale) : L’action vise à atteindre des états préférés indispensables à la survie biologique (nourriture, sécurité, confort thermique), maximisant l’utilité a priori de l’organisme.
• La valeur épistémique (intrinsèque) : L’action cherche à échantillonner des zones de l’environnement où l’incertitude du modèle interne est maximale afin d’obtenir un gain informationnel. C’est la formalisation mathématique de la curiosité intrinsèque, de l’attention dirigée et de la saillance épistémique.

Cette formulation résout de manière analytique le classique dilemme exploration-exploitation en intelligence artificielle et en neurosciences computationnelles. Lorsqu’un agent est plongé dans l’incertitude, le terme épistémique domine naturellement, poussant l’organisme à explorer activement les sources de données clarificatrices. Une fois l’incertitude résolue, le terme pragmatique prend le relais pour exploiter l’environnement au service des besoins homéostatiques.

8.3 Intéroception, allostasie et régulation corporelle

Sous l’impulsion de chercheurs tels qu’Anil Seth (2013), Hugo Critchley et Lisa Feldman Barrett, le codage prédictif et l’inférence active ont été étendus au-delà des sens extéroceptifs pour englober l’ensemble des signaux viscéraux internes : c’est le paradigme de l’intéroception prédictive.

Le cerveau ne régule pas le corps par simple réaction réactive à des perturbations internes (homéostasie réactive), mais pratique l’allostasie : une régulation physiologique anticipatoire basée sur un modèle génératif interne des besoins métaboliques futurs. Le cortex insulaire antérieur, agissant comme le cortex intéroceptif primaire, génère des prédictions descendantes continues à destination des centres autonomes du tronc cérébral (noyau du tractus solitaire, hypothalamus) concernant :

• La fréquence et la variabilité cardiaque
• La pression artérielle et le tonus vasculaire
• L’équilibre hydrique, glycémique et électrolytique
• L’activité immunitaire et inflammatoire médiée par l’axe neuro-viscéral

Dans ce cadre théorique, les émotions et les sentiments conscients sont réinterprétés comme des inférences perceptuelles de haut niveau sur les causes sous-jacentes des variations des flux intéroceptifs. Ressentir de la peur, de la tristesse ou de la joie constitue l’explication probabiliste la plus parcimonieuse trouvée par le modèle génératif pour donner un sens unifié à une constellation simultanée de tachycardie, de vasoconstriction périphérique et de libération de cortisol face à un contexte écologique particulier.

9. Psychiatrie computationnelle : Dysfonctionnements du codage prédictif

9.1 Troubles du spectre de l’autisme (TSA) et hyper-précision sensorielle

La psychiatrie computationnelle contemporaine conceptualise les troubles neurodéveloppementaux et psychiatriques non plus comme des lésions localisées ou de simples déséquilibres chimiques bruts, mais comme des altérations pathologiques spécifiques dans le calcul et la pondération de l’inférence bayésienne.

L’une des théories les plus solides concernant les troubles du spectre de l’autisme est l’hypothèse HIPPEA (High Inflexible Precision of Prediction Errors in Autism), formulée initialement par des chercheurs comme Pellicano, Burr et Lawson. Selon ce modèle :

Les personnes autistes présentent une surpondération constante et inflexible du gain de précision accordé aux erreurs de prédiction sensorielles de bas niveau. Leurs unités d’erreur supragranulaires déchargent avec un gain synaptique maximal en permanence, interdisant aux prédictions descendantes de contextualiser ou d’atténuer le flux entrant.

Cette altération computationnelle génère des conséquences cliniques directes :

• Hypersensibilité sensorielle et surcharge cognitive : Le cerveau étant incapable de filtrer le bruit environnemental mineur (qui est traité comme une anomalie hautement significative et urgente), le sujet se trouve submergé par une cascade perpétuelle de signaux sensoriels bruts et non atténués.
• Difficulté à former des méta-priors flexibles : L’environnement apparaissant comme chaotique et perpétuellement imprévisible, le cerveau peine à construire des représentations abstraites stables et contextuelles.
• Comportements stéréotypés et quête de régularité (stimming) : Dans une démarche d’inférence active, la personne autiste recourt à des actions motrices répétitives hautement stéréotypées ou à des environnements ultra-structurés afin de générer artificiellement des flux sensoriels dont la prévisibilité est totale ($e to 0$), apaisant localement la souffrance computationnelle induite par l’hyper-précision.

9.2 Schizophrénie, hallucinations et altération du contrôle prédictif

À l’opposé du spectre bayésien, la schizophrénie et les états psychotiques se caractérisent par un effondrement de la précision sensorielle afférente compensé par une hyper-confiance aberrante accordée aux croyances a priori (over-weighted priors).

Ce dysfonctionnement s’exprime à travers deux anomalies sémiologiques majeures :

• Les Hallucinations perceptuelles : Lorsque la précision des unités d’erreur sensorielles réelles s’effondre (notamment suite à une hypofonction des récepteurs glutamatergiques NMDA), les prédictions descendantes issues des couches profondes ne sont plus contraintes ni rectifiées par la réalité physique. Le modèle interne s’auto-valide en boucle fermée : l’hypothèse descendante devient une hallucination visuelle ou auditive pleinement vécue, la projection remplaçant la perception.
• Les Délires de persécution et de contrôle (vol de pensée, influence) : Ces symptômes découlent d’un échec de l’atténuation sensorielle des actes auto-générés. Normalement, la copie d’efférence motrice annule l’erreur de nos propres mouvements et pensées internes. Chez le patient schizophrène, cette précision d’atténuation est défaillante : ses propres actions, ses gestes et sa voix intérieure sont perçus avec une intensité sensorielle inattendue et brute. Pour résoudre cette anomalie phénoménale inexplicable, le système inférentiel n’a d’autre choix que d’inventer un prior délirant : « ces mouvements et ces voix ne venant pas de mes prédictions, ils doivent être téléguidés par une entité extérieure ».

Ce tableau clinique est sous-tendu au niveau neurochimique par un déséquilibre entre l’activité dopaminergique mésocorticale (effondrée, induisant une perte de précision contextuelle) et mésolimbique (hyperactive, assignant une saillance aberrante à des stimuli aléatoires).

9.3 Troubles affectifs, anxiété et dépression clinique

Les pathologies de l’humeur trouvent également une modélisation computationnelle élégante au sein du paradigme de l’intéroception prédictive et de l’énergie libre :

L’Anxiété généralisée : Elle est formalisée comme une hyper-estimation chronique de la volatilité et de l’incertitude environnementale. Le cerveau anxieux encode un méta-prior pathologique selon lequel ses modèles génératifs sont perpétuellement inadéquats pour prédire le futur. Il en résulte un état d’alerte noradrénergique permanent, un épuisement attentionnel et une quête convulsive de réassurance (sur-échantillonnage actif sans apaisement possible).

La Dépression clinique majeure : Elle représente l’effondrement de l’inférence active motrice et intéroceptive. Le modèle génératif s’est verrouillé sur un prior rigide d’impuissance apprise (learned helplessness) : le cerveau a inféré que la précision de ses propres actions motrices ($a$) pour restaurer l’équilibre allostatique ou obtenir des récompenses est proche de zéro. Devant cette inefficacité prédite de l’action, l’organisme éteint ses efférences motrices (aboulie, ralentissement psychomoteur, anhedonie) pour minimiser les coûts métaboliques d’actions jugées mathématiquement inutiles.

Ces modélisations ouvrent la voie à des approches thérapeutiques novatrices basées sur la recalibration ciblée des précisions bayésiennes par psychothérapie computationnelle, neurofeedback et thérapies pharmacologiques de réinitialisation synaptique (comme la kétamine ou les psychédéliques agissant sur les récepteurs 5-HT2A pour assouplir les priors rigides selon le modèle REBUS de Carhart-Harris et Friston).

10. Neurobiologie fonctionnelle et substrats de neurotransmission

10.1 Dopamine, prédiction et modèle de Friston-Doya

La compréhension du rôle de la dopamine a constitué l’un des ponts les plus cruciaux entre la théorie de l’apprentissage par renforcement et l’inférence bayésienne variationnelle. Dans les travaux séminaux de Wolfram Schultz, la dopamine était caractérisée comme un signal d’erreur de prédiction de récompense (Reward Prediction Error – RPE). Les modèles de Friston et Doya ont élargi cette vision pour l’intégrer au codage prédictif unifié.

Dans le modèle de Friston-Doya, la dopamine n’encode pas simplement un signal de plaisir ou de récompense au sens béhavioriste, mais représente la précision statistique attendue ($Pi$) des politiques d’inférence active :

• La décharge phasique de dopamine : Elle signale une opportunité immédiate de réduction d’incertitude ou d’accès à un état préféré, augmentant brusquement la confiance dans la politique motrice sélectionnée.
• Le tonus dopaminergique continu : Il calibre le sentiment général d’auto-efficacité (agency) et régule la volonté de dépenser un effort cognitif ou métabolique. Un tonus dopaminergique élevé signale que l’environnement est maîtrisable par l’action, favorisant l’engagement comportemental.

Dans les ganglions de la base, la dynamique de transition entre la voie directe (pro-motrice, facilitée par les récepteurs D1) et la voie indirecte (anti-motrice, modulée par les récepteurs D2) matérialise l’arbitrage computationnel entre l’exécution d’une trajectoire prédite et son inhibition sous le contrôle de la précision dopaminergique.

10.2 Systèmes cholinergiques et noradrénergiques dans l’ajustement du bruit

La régulation conjointe du rapport signal/bruit et de la plasticité synaptique dans le cortex cérébral repose sur l’action combinatoire des systèmes acétylcholinergique et noradrénergique :

Le système cholinergique (issu principalement du noyau basal de Meynert) cible spécifiquement les récepteurs nicotiniques présynaptiques situés sur les terminaisons thalamocorticales des couches IV et les récepteurs muscariniques M1 sur les cellules pyramidales. Son activation amplifie sélectivement le gain des afférences sensorielles tout en réduisant la force des collatérales récurrentes intracorticales. Ce mécanisme empêche le modèle interne de tourner à vide en l’obligeant à s’ancrer dans les signaux sensoriels vérifiables lorsque le contexte présente une variabilité statistique connue.

Le système noradrénergique (issu du locus coeruleus) orchestre la dynamique d’exploration face à des ruptures de contingence environnementale. Selon la théorie de l’adaptation gain/optimisation de Gary Aston-Jones et Jonathan Cohen, le mode d’activité phasique du locus coeruleus optimise les performances lors de tâches stables en accentuant le contraste des unités neuronales pertinentes. Lorsque la précision moyenne s’effondre massivement à l’échelle globale (signal d’une volatilité imprévue du milieu), le locus coeruleus bascule en mode tonique hyperactif, inondant le cortex de noradrénaline. Cette vague neuromodulatrice déstabilise les représentations en cours et libère le comportement, stimulant la recherche de nouvelles stratégies adaptatives.

10.3 Preuves électrophysiologiques, imagerie fMRI et potentiels évoqués

Le paradigme du codage prédictif bénéficie aujourd’hui d’un corpus probant de validations expérimentales obtenues par les méthodologies les plus avancées des neurosciences cognitives.

L’un des marqueurs électrophysiologiques les plus emblématiques est la Mismatch Negativity (MMN) (ou négativité de discordance), enregistrée en électro- et magnétoencéphalographie lors de protocoles d’oddball auditif :

Lorsqu’une séquence de sons identiques et réguliers est soudainement interrompue par un son déviant (différant par sa fréquence, sa durée ou son intensité), le cortex auditif génère une onde négative précoce culminant entre 100 et 200 ms après le stimulus. L’analyse par modélisation dynamique causale (Dynamic Causal Modeling – DCM) a prouvé que la MMN ne reflète pas une simple fatigue synaptique passive des neurones récepteurs, mais bien l’émission active d’un signal d’erreur de prédiction ascendant issu du gyrus de Heschl, suivi d’une tentative de mise à jour du modèle prédictif dans le cortex frontal inférieur.

Les avancées récentes en imagerie par résonance magnétique fonctionnelle à ultra-haut champ (IRMf 7 Tesla) ont permis d’atteindre une résolution spatiale submillimétrique, ouvrant la voie à l’imagerie laminaire chez l’humain éveillé. Ces études ont démontré de manière éclatante la ségrégation des couches : lors de la présentation de stimuli visuels attendus, l’activité BOLD prédomine dans les couches profondes (V/VI, prédiction descendante) tout en s’atténuant dans les couches moyennes, tandis que la survenue d’un stimulus inattendu provoque un embrasement sélectif des couches supragranulaires (II/III, erreur de prédiction ascendante).

De surcroît, les études pharmacologiques utilisant des antagonistes des récepteurs NMDA (comme la kétamine) démontrent une abolition spécifique de la MMN et une perturbation ciblée des rythmes gamma supragranulaires, confirmant l’identité des substrats moléculaires indispensables au calcul de l’erreur.

11. Débats conceptuels, critiques méthodologiques et limites épistémiques

11.1 Le problème de la réfutabilité et la critique du pan-bayésianisme

Malgré sa puissance explicative et son élégance mathématique, le paradigme du cerveau bayésien et le Principe de l’Énergie Libre font l’objet de vifs débats épistémologiques au sein de la communauté scientifique. La critique la plus récurrente concerne le statut de réfutabilité au sens de Karl Popper.

Certains théoriciens et philosophes des sciences (tels que Colin Klein ou J. Brendan Ritchie) pointent le risque d’un pan-bayésianisme infalsifiable : en ajustant arbitrairement les fonctions de coût, les priors sous-jacents et les matrices de précision d’un modèle computationnel, il devient théoriquement possible d’expliquer a posteriori n’importe quel comportement expérimental, même le plus irrationnel ou aberrant. Si tout comportement est par définition optimal sous des croyances bayésiennes adéquates, la théorie risque de glisser du statut d’hypothèse empirique testable à celui de truisme mathématique ou de métaphore universelle.

Karl Friston répond à cette objection en distinguant le Principe de l’Énergie Libre en tant que cadre régulateur formel (semblable au principe de moindre action de Hamilton en physique classique, qui n’est pas une théorie empirique directe mais un principe variationnel universel permettant de dériver les lois du mouvement) des modèles de processus spécifiques (comme le codage prédictif laminaire), qui sont, eux, parfaitement testables et réfutables par l’expérimentation électrophysiologique et pharmacologique.

11.2 Défis de l’implémentation biologique exacte

Un deuxième front de contestation concerne les coûts et les contraintes biophysiques réelles imposées par une machinerie probabiliste intégrale. Plusieurs neurobiologistes s’interrogent : le tissu cérébral dispose-t-il véritablement des ressources énergétiques et de la bande passante nécessaires pour maintenir, normaliser et actualiser des distributions de probabilité continues hautement multidimensionnelles ?

Les réserves portent notamment sur :

• Le coût métabolique : Le calcul continu de distributions de probabilités complètes et leur échantillonnage permanent (par méthodes de type Monte-Carlo par chaînes de Markov – MCMC) représenteraient un fardeau en ATP intenable pour un organe contraint par une enveloppe énergétique de 20 watts.
• La localisation des unités de calcul : Malgré les succès de l’architecture laminaire, la recherche électrophysiologique unitaire directe de « neurones d’erreur » purs (ne répondant à rien d’autre qu’à l’erreur soustraite) s’est parfois heurtée à une complexité biologique bien plus hétérogène que ne le prédisent les modèles théoriques idéalisés.
• Les limites de l’approximation de Laplace : L’hypothèse simplificatrice selon laquelle toutes les densités sont unimodales et gaussiennes échoue à capturer les phénomènes de décision bistable ou les distributions hautement multimodales complexes observées dans les états cognitifs supérieurs sans déployer une complexité mathématique vertigineuse.

11.3 Cognition incarnée, située et énactive face au computationalisme bayésien

Le statut philosophique du codage prédictif suscite également d’intenses controverses au carrefour des sciences cognitives 4E (Embodied, Embedded, Enacted, Extended) et du computationalisme classique.

D’un côté, les partisans d’un représentationnalisme strict (comme Jakob Hohwy) interprètent le cerveau bayésien comme un système cartésien radicalement isolé derrière sa couverture de Markov, enfermé dans un univers de représentations internes indirectes et d’inférences indirectes sur un monde extérieur qu’il ne « touche » jamais directement (un réalisme indirect ou neuro-scepticisme méthodologique).

À l’opposé, des philosophes de la cognition énactive et incarnée (tels qu’Andy Clark, Evan Thompson ou Shaun Gallagher) collaborent avec Friston pour forger une synthèse nommée l’Énaction Bayésienne Radicalement Incarnée :

Dans cette perspective, l’inférence active ne crée pas une barrière isolante, mais constitue le tissu même du couplage structurel direct entre le corps et sa niche écologique. Les prédictions ne sont pas des symboles abstraits désincarnés dans une tour d’ivoire neuronale, mais des boucles d’action-perception incarnées dans la biomécanique musculaire, les affordances de l’environnement matériel et les institutions socioculturelles partagées. Le monde extérieur agit comme un support computationnel distribué, allégeant la charge inférentielle du modèle interne par l’action structurée sur l’environnement physique.

12. Perspectives d’avenir : De l’intelligence artificielle aux neurosciences fondamentales

12.1 Intelligence artificielle bio-inspirée et architectures génératives

L’impact du cerveau bayésien et du codage prédictif sur l’intelligence artificielle contemporaine constitue l’un des territoires les plus prolifiques de l’ingénierie moderne. L’apprentissage profond conventionnel (Deep Learning standard basé sur la rétropropagation du gradient ou backpropagation) souffre d’inefficiences majeures : une consommation énergétique colossale, une vulnérabilité aux attaques contradictoires (adversarial attacks) et une exigence de millions de données étiquetées.

L’inspiration puisée dans les travaux de Friston, Rao, Ballard et Doya a catalysé le développement d’architectures alternatives révolutionnaires :

• Les Auto-encodeurs Variationnels (VAE) et modèles de diffusion : Ces architectures génératives reposent directement sur la minimisation de la divergence de Kullback-Leibler et de l’énergie libre variationnelle pour apprendre des espaces latents continus compressés et générer des données complexes de manière ultra-réaliste.
• Les réseaux de codage prédictif non supervisés : Conçus pour remplacer la rétropropagation du gradient non biologique par des calculs locaux et bidirectionnels au sein de puces neuromorphiques, ces réseaux atteignent des vitesses de convergence remarquables tout en divisant la consommation énergétique par plusieurs ordres de grandeur.
• La robotique fondée sur l’inférence active : Les agents robotiques pilotés par inférence active adaptent leurs politiques motrices en temps réel face à des pannes matérielles imprévues ou des terrains inconnus sans nécessiter de ré-entraînement massif, apprenant avec très peu d’échantillons (few-shot learning) grâce à l’échantillonnage épistémique intrinsèque.

12.2 Neurotechnologies, interfaces cerveau-machine (ICM) et psychiatrie de précision

Dans le domaine biomédical et clinique, le formalisme bayésien fournit le socle théorique pour la conception d’interfaces cerveau-machine (ICM) bidirectionnelles de nouvelle génération.

Plutôt que de tenter de décoder les signaux neuronaux comme un simple flux de commandes motrices linéaires, les ICM modernes intègrent des décodeurs bayésiens qui modélisent les intentions de l’utilisateur sous la forme d’un modèle direct prédictif. Le dispositif prothétique et les circuits corticaux de l’utilisateur s’engagent alors dans une boucle de co-adaptation mutuelle : le cerveau apprend à prédire les retours de la prothèse tandis que l’algorithme met à jour son inférence sur les croyances motrices du sujet, restaurant la mobilité ou la communication avec une fluidité sans précédent.

En psychiatrie de précision, le développement de biomarqueurs computationnels individualisés permet désormais d’extraire la signature mathématique unique des altérations de précision synaptique d’un patient à partir de simples enregistrements EEG/MEG couplés à des tâches d’inférence. Ces paramètres formels guident le ciblage ultra-précis des protocoles de neuromodulation non invasive par Stimulation Magnétique Transcrânienne (TMS) ou de Stimulation Cérébrale Profonde (DBS), calibrant les fréquences de stimulation pour réharmoniser les couplages spectraux bêta/gamma défaillants.

12.3 Vers une théorie globale de la conscience et de l’agentivité

Au faîte de cette construction théorique se dresse l’énigme de la conscience phénoménale et du sentiment d’agentivité. Le paradigme bayésien offre aujourd’hui l’un des cadres les plus prometteurs pour aborder le problème difficile de la conscience (Hard Problem of Consciousness) sans recourir au dualisme des substances.

Dans les modèles contemporains d’inférence hiérarchique de second ordre (développés notamment par Anil Seth sous le concept de Beast Machine et par Karl Friston) :

La conscience d’accès et la conscience phénoménale émergent de l’auto-modélisation prédictive récursive. Le système cérébral ne se borne pas à modéliser le monde : il génère des prédictions descendantes sur la précision de ses propres capacités inférentielles (méta-représentations de second niveau). Le sentiment unifié d’être un sujet incarné doté d’une agentivité autonome (le « Soi ») constitue la prédiction la plus stable, la plus parcimonieuse et la plus constante générée par le modèle génératif pour maintenir la cohérence de l’ensemble de ses couvertures de Markov au fil du temps.

L’héritage intellectuel conjoint de Hermann von Helmholtz, Rajesh Rao, Dana Ballard, Kenji Doya et Karl Friston aura ainsi transformé notre vision de la condition humaine. De la simple cellule cherchant à maintenir son intégrité thermodynamique jusqu’aux abstractions vertigineuses de la pensée réflexive, l’esprit se révèle être une seule et même symphonie : une flamme auto-organisée d’inférence statistique active, luttant inlassablement contre l’entropie pour donner un sens prédictible à l’infinie complexité du cosmos.

Références

• Aston-Jones, G., & Cohen, J. D. (2005). An integrative theory of locus coeruleus-norepinephrine function: adaptive gain and optimal performance. Annual Review of Neuroscience, 28, 403-450. https://doi.org/10.1146/annurev.neuro.28.061604.135709
• Barlow, H. (1961). Possible principles underlying the transformation of sensory messages. In W. A. Rosenblith (Ed.), Sensory Communication (pp. 217-234). MIT Press.
• Bastos, A. M., Usrey, W. M., Adams, R. A., Mangun, G. R., Fries, P., & Friston, K. J. (2012). Canonical microcircuits for predictive coding. Neuron, 76(4), 695-711. https://doi.org/10.1016/j.neuron.2012.10.038
• Carhart-Harris, R. L., & Friston, K. J. (2019). REBUS and the anarchic brain: toward a unified model of the brain action of psychedelics. Pharmacological Reviews, 71(3), 316-344. https://doi.org/10.1124/pr.118.017160
• Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181-204. https://doi.org/10.1017/S0140525X12000477
• Clark, A. (2016). Surfing uncertainty: Prediction, action, and the embodied mind. Oxford University Press.
• Conant, R. C., & Ashby, W. R. (1970). Every good regulator of a system must be a model of that system. International Journal of Systems Science, 1(2), 89-97. https://doi.org/10.1080/00207727008920220
• Doya, K. (1999). What are the computations of the cerebellum, the basal ganglia and the cerebral cortex? Neural Networks, 12(7-8), 961-974. https://doi.org/10.1016/S0893-6080(99)00046-5
• Doya, K. (2000). Complementary roles of basal ganglia and cerebellum in learning and motor control. Current Opinion in Neurobiology, 10(6), 732-739. https://doi.org/10.1016/S0959-4388(00)00153-7
• Doya, K. (2002). Metalearning and neuromodulation. Neural Networks, 15(4-6), 495-506. https://doi.org/10.1016/S0893-6080(02)00044-8
• Doya, K. (2008). Modulators of decision making. Cognitive, Affective, & Behavioral Neuroscience, 8(4), 418-428. https://doi.org/10.3758/CABN.8.4.418
• Feldman, H., & Friston, K. J. (2010). Attention, uncertainty, and free-energy. Frontiers in Human Neuroscience, 4, 215. https://doi.org/10.3389/fnhum.2010.00215
• Friston, K. (2005). A theory of cortical responses. Philosophical Transactions of the Royal Society B: Biological Sciences, 360(1456), 815-836. https://doi.org/10.1098/rstb.2005.1622
• Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127-138. https://doi.org/10.1038/nrn2787
• Friston, K., FitzGerald, T., Rigoli, F., Schwartenbeck, P., & Pezzulo, G. (2017). Active inference: a process theory. Neural Computation, 29(1), 1-49. https://doi.org/10.1162/NECO_a_00912
• Helmholtz, H. von (1867). Handbuch der physiologischen Optik (Vol. 3). Voss.
• Hohwy, J. (2013). The predictive mind. Oxford University Press.
• Lawson, R. P., Rees, G., & Friston, K. J. (2014). An aberrant precision account of autism. Frontiers in Human Neuroscience, 8, 302. https://doi.org/10.3389/fnhum.2014.00302
• Pellicano, E., & Burr, D. (2012). When the world becomes ‘too real’: a Bayesian explanation of autistic perception. Trends in Cognitive Sciences, 16(10), 504-510. https://doi.org/10.1016/j.tics.2012.08.009
• Rao, R. P., & Ballard, D. H. (1999). Predictive coding in the visual cortex: a functional interpretation of some extra-classical receptive-field effects. Nature Neuroscience, 2(1), 79-87. https://doi.org/10.1038/4580
• 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
• Seth, A. K. (2013). Interoceptive inference, emotion, and the embodied self. Trends in Cognitive Sciences, 17(11), 565-573. https://doi.org/10.1016/j.tics.2013.09.007
• Seth, A. K., & Friston, K. J. (2016). Active interoceptive inference and the emotional brain. Philosophical Transactions of the Royal Society B: Biological Sciences, 371(1708), 20160007. https://doi.org/10.1098/rstb.2016.0007
• Sterling, P. (2012). Allostasis: a predictive regulation that provides stability through change. Physiology & Behavior, 106(1), 5-15. https://doi.org/10.1016/j.physbeh.2011.06.004
• Wolpert, D. M., & Kawato, M. (1998). Multiple paired forward and inverse models for motor control. Neural Networks, 11(7-8), 1317-1329. https://doi.org/10.1016/S0893-6080(98)00066-5
• Yu, A. J., & Dayan, P. (2005). Uncertainty, neuromodulation, and attention. Neuron, 46(4), 681-692. https://doi.org/10.1016/j.neuron.2005.04.026