Principe d’énergie libre et traitement prédictif – Karl Friston

Au croisement de la physique statistique, de la biologie théorique et des neurosciences cognitives contemporaines se dresse l’une des entreprises intellectuelles les plus audacieuses de notre époque : le principe d’énergie libre (Free Energy Principle ou FEP), formulé et continuellement affiné par le neuroscientifique et biophysicien britannique Karl Friston. Cette proposition théorique monumentale ne prétend à rien de moins qu’offrir une grammaire unifiée capable d’expliquer comment les systèmes vivants — depuis la cellule bactérienne la plus rudimentaire jusqu’aux architectures néocorticales complexes soutenant la conscience humaine — parviennent à résister à la dégradation entropique inhérente au second principe de la thermodynamique. L’organisme n’y est plus conçu comme un récepteur passif subissant les assauts de l’environnement, mais comme un moteur d’inférence permanent engagé dans une lutte vitale pour préserver son intégrité structurelle et phénotypique face aux aléas d’un univers fondamentalement stochastique.

Au cœur de cette dynamique se trouve le paradigme du traitement prédictif (predictive processing) et de l’inférence active (active inference). Dans ce cadre épistémologique, le cerveau humain se transmute en une extraordinaire machine d’anticipation bayésienne hiérarchique. Loin de traiter l’information sensorielle par empilement analytique ascendant, le néocortex génère en continu un modèle virtuel du monde extérieur, projetant vers le bas des hypothèses descendantes quant aux causes sous-jacentes des signaux captés par nos organes récepteurs. La perception cesse d’être une lecture directe de la réalité pour devenir un acte de modélisation constructif, où seules les divergences entre ce qui est attendu et ce qui est éprouvé — les erreurs de prédiction — sont propagées vers les niveaux supérieurs pour réajuster le modèle génératif ou éliminées par l’action motrice modifiant l’environnement.

L’exploration rigoureuse du formalisme fristonien exige d’arpenter un territoire conceptuel vaste et exigeant, reliant l’optique physiologique du XIXe siècle aux mathématiques de la géométrie de l’information et à la théorie des systèmes dynamiques hors équilibre. Des fondations thermodynamiques et cybernétiques jusqu’aux applications révolutionnaires en psychiatrie computationnelle, en passant par les débats contemporains sur la conscience incarnée et l’intelligence artificielle neuromorphique, cette synthèse intégrale se propose de disséquer, avec une minutie tant formelle que philosophique, l’architecture d’un modèle qui redéfinit en profondeur notre compréhension de la sentience, du vivant et de la nature même de l’esprit.

1. Fondements épistémologiques et genèse historique du modèle fristonien

1.1 L’héritage helmholtzien de l’inférence inconsciente

L’acte inaugural de la pensée prédictive moderne trouve sa source dans les travaux pionniers du médecin et physicien prussien Hermann von Helmholtz. Dans son monumental traité d’optique physiologique publié au milieu du XIXe siècle, Helmholtz opère une rupture épistémologique radicale avec le sensualisme naïf qui prévalait alors. Constatant la pauvreté structurelle, le bruit intrinsèque et l’ambiguïté fondamentale des flux photoniques frappant la rétine, il postule que la perception visuelle ne saurait consister en une réception passive et directe de l’environnement physique. Au contraire, le système nerveux central doit accomplir un travail de déduction probabiliste indirecte, qualifié par le savant allemand d’« inférence inconsciente » (unbewusster Schluss), afin de reconstituer les causes externes les plus probables à l’origine de l’excitation sensorielle périphérique.

Cette intuition déplace immédiatement le barycentre de la cognition : la perception devient un processus actif d’interprétation et d’hypothèse. Ce que nous voyons, entendons ou ressentons n’est point l’écho transparent de l’état du monde, mais la conclusion d’un syllogisme inductif implicite exécuté par la machinerie cérébrale à une vitesse fulgurante et hors du champ de l’introspection phénoménologique consciente. L’organe récepteur ne constitue pas une plaque photographique enregistrant des données objectives, mais un canal hautement perturbé contraignant la sélection d’une hypothèse perceptuelle parmi un répertoire d’états internes possibles. L’illusion visuelle n’est plus, dans cette optique, une défaillance accidentelle de l’organe des sens, mais la signature mathématique rigoureuse d’une inférence optimale fonctionnant selon des présomptions statistiquement valables dans un milieu naturel standard, bien que trompées par un arrangement expérimental singulier.

Le génie de Karl Friston consiste à transposer l’intuition helmholtzienne dans le creuset formel du bayésianisme contemporain. Sous la lentille computationnelle moderne, l’inférence inconsciente se traduit mathématiquement par la mise en œuvre continue du théorème de Bayes. Les entrées sensorielles jouent le rôle de données d’observation permettant d’actualiser une distribution de probabilité a priori quant aux causes environnementales en une distribution a posteriori. Cette fusion conceptuelle scelle la transition d’un modèle de traitement de l’information ascendant (bottom-up), où la perception s’élaborait par complexification progressive de traits élémentaires, vers un paradigme résolument descendant (top-down), où la prédiction domine, façonne et filtre l’enregistrement même des stimuli du monde extérieur.

1.2 Cybernétique, autopoïèse et préservation de l’homéostasie

Au-delà de la théorie perceptive, le principe d’énergie libre plonge ses racines théoriques dans l’âge d’or de la cybernétique et des sciences des systèmes adaptatifs complexes. L’un des piliers conceptuels majeurs du cadre fristonien réside dans les travaux de W. Ross Ashby, notamment son célèbre théorème du bon régulateur énoncé en collaboration avec Roger Conant. Ce principe formalise une règle d’airain : « tout bon régulateur d’un système doit être un modèle de ce système ». Pour qu’un organisme biologique puisse maintenir ses paramètres internes dans des limites viables au milieu d’un environnement turbulent et imprévisible, son architecture computationnelle doit internaliser, sous forme structurelle ou dynamique, les régularités causales de son écosystème d’interaction.

Cette exigence régulatrice s’articule de manière intime avec la notion d’autopoïèse forgée par les neurobiologistes chiliens Humberto Maturana et Francisco Varela. Selon cette perspective, un être vivant se distingue fondamentalement d’un mécanisme inerte par sa capacité intrinsèque à régénérer et maintenir en permanence ses propres frontières matérielles et organisationnelles à travers un réseau d’opérations métaboliques closes. Le vivant est une organisation qui se produit continuellement elle-même. La survie n’est rien d’autre que la défense incessante de cette clôture opérationnelle face aux forces corrosives du milieu extérieur. L’homéostasie, initialement conceptualisée par Claude Bernard sous le terme de « fixité du milieu intérieur » puis formalisée par Walter Cannon, est donc redéfinie non point comme un état de repos passif, mais comme une activité cybernétique incessante visant à maintenir le système biologique dans un sous-espace d’états physiques compatibles avec sa survie.

Friston observe que ce maintien homéostatique requiert impérativement une résistance farouche à la deuxième loi de la thermodynamique. Selon cette dernière, tout système physique isolé voit son entropie — mesure universelle du désordre et de la dispersion énergétique — croître de manière irréversible jusqu’à l’atteinte d’un équilibre thermique synonyme de mort thermodynamique pour un organisme vivant. Pour survivre, le système biologique, en tant que structure dissipative ouverte au sens d’Ilya Prigogine, doit continuellement échanger de la matière et de l’énergie avec son environnement afin de maintenir son entropie interne à un niveau bas et stable. Friston formalise cette lutte non seulement sur le plan thermodynamique matériel, mais sur le plan informationnel : l’organisme doit impérativement restreindre le nombre d’états physiques dans lesquels il peut se trouver, évitant ainsi la dispersion mortelle dans l’espace des phases environnemental.

1.3 De la thermodynamique statistique à la théorie de l’information

L’échafaudage théorique du principe d’énergie libre repose sur une isomorphie mathématique profonde unissant la thermodynamique statistique de Ludwig Boltzmann et la théorie mathématique de la communication élaborée par Claude Shannon. Dans le paradigme boltzmannien, l’entropie statistique mesure le volume de micro-états physiques compatibles avec un macro-état thermodynamique observé. Transposée à l’univers informationnel par Shannon, l’entropie quantifie l’incertitude moyenne inhérente à une distribution de probabilité, ou de manière équivalente, la quantité d’information moyenne requise pour identifier l’état exact d’une variable aléatoire.

À partir de ce socle, Karl Friston introduit la notion cardinale de surprise informationnelle, désignée sous le terme formel de surprisal ou de self-information. Soit un ensemble d’observations sensorielles reçues par un organisme ; la surprise attachée à une configuration sensorielle particulière correspond rigoureusement à l’opposé du logarithme de sa probabilité d’occurrence au sein du phénotype considéré. Un état hautement improbable pour un être humain — telle une température corporelle interne chutant à quinze degrés Celsius, ou une privation d’oxygène durant une vingtaine de minutes — présente une surprise informationnelle vertigineuse. Si un organisme traversait fréquemment de tels états probabilistes extrêmes, son entropie moyenne exploserait, signifiant la dissolution de son organisation physiologique et son trépas immédiat. Survivre revient donc formellement à minimiser sur le long terme l’espérance mathématique de la surprise sensorielle.

Néanmoins, le calcul analytique direct de cette surprise informationnelle se heurte à une barrière computationnelle insurmontable. Pour déterminer la probabilité brute d’une entrée sensorielle donnée, un organisme devrait intégrer et sommer les probabilités conjointes sur l’infinité absolue de toutes les configurations causales possibles du cosmos ayant pu engendrer cette sensation — une opération désignée sous le nom d’intégration marginale, notoirement intraitable du point de vue calculatoire. C’est ici qu’intervient le coup de force théorique de Friston : l’importation de l’énergie libre variationnelle, initialement développée par le physicien Richard Feynman pour la mécanique quantique statistique, puis adaptée par Geoffrey Hinton pour l’apprentissage machine. L’énergie libre variationnelle fournit une borne supérieure calculable à la surprise informationnelle. En minimisant continuellement cette grandeur mathématique interne, le système biologique garantit par construction la minimisation de sa surprise sensorielle et assure sa pérennité thermodynamique.

2. Le principe d’énergie libre variationnelle : armature physico-mathématique

2.1 Formalisme variationnel et divergence de Kullback-Leibler

L’armature physico-mathématique du principe d’énergie libre repose sur une modélisation variationnelle rigoureuse de l’inférence statistique. Soit $y$ le vecteur des états sensoriels observés par l’organisme et $\vartheta$ l’ensemble des causes cachées ou variables environnementales inobservables ayant produit ces observations. La surprise informationnelle, formalisée par l’évidence négative du modèle génératif, est définie par :

$$-\ln p(y)$$

Pour contourner l’impossibilité d’évaluer directement cette intégrale marginale, le système introduit une distribution de probabilité auxiliaire, dite « distribution de reconnaissance » ou densité variationnelle, notée $q(\vartheta)$. Cette distribution représente les croyances internes ou les estimations probabilistes que l’organisme formule quant aux causes cachées de son milieu sensoriel.

L’énergie libre variationnelle, notée $F$, est alors formellement définie comme une fonctionnelle de ces croyances internes $q(\vartheta)$ et des entrées sensorielles $y$ :

$$F(q, y) = \int q(\vartheta) \ln \frac{q(\vartheta)}{p(y, \vartheta)} d\vartheta$$

Par un développement algébrique élégant, cette équation fondamentale peut se décomposer en deux représentations conceptuellement puissantes. La première décomposition s’énonce comme la somme de la surprise informationnelle et de la divergence de Kullback-Leibler (notée $D_{KL}$) entre la distribution variationnelle et la distribution a posteriori réelle :

$$F(q, y) = -\ln p(y) + D_{KL}[q(\vartheta) parallel p(\vartheta mid y)]$$

Puisque la divergence de Kullback-Leibler est une quantité mathématique non symétrique rigoureusement positive ou nulle (propriété fondamentale de l’inégalité de Gibbs), l’énergie libre variationnelle $F$ est mathématiquement contrainte d’être toujours supérieure ou égale à la surprise informationnelle $-ln p(y)$. Elle constitue dès lors une véritable borne supérieure sur la surprise. Lorsque le système ajuste ses états internes de sorte que la distribution variationnelle $q(\vartheta)$ converge parfaitement vers la véritable distribution a posteriori $p(\vartheta mid y)$, la divergence de Kullback-Leibler s’annule, et l’énergie libre variationnelle devient la mesure exacte de la surprise. En apprentissage statistique, cette grandeur est l’exacte contrepartie négative de la borne inférieure de l’évidence (Evidence Lower Bound ou ELBO).

La seconde décomposition met en lumière l’arbitrage épistémique structurel auquel tout système apprenant est astreint. Elle reformule l’énergie libre variationnelle en un terme de précision (ou exactitude négative attendue) et un terme de complexité :

$$F(q, y) = \underbrace{D_{KL}[q(\vartheta) parallel p(\vartheta)]}_{\text{Complexité}} – \underbrace{\mathbb{E}_{q}[\ln p(y mid \vartheta)]}_{\text{Exactitude}}$$

La complexité mesure l’écart entre les croyances a posteriori et les distributions a priori de l’organisme, pénalisant tout ajustement théorique démesuré ou surajustement (overfitting). L’exactitude, quant à elle, évalue la capacité des causes inférées à prédire de manière adéquate les observations sensorielles immédiates. Minimiser l’énergie libre variationnelle force donc l’organisme à trouver le modèle du monde le plus simple et le plus parcimonieux possible capable de rendre compte le plus fidèlement possible des flux de données reçus, incarnant ainsi une traduction mathématique automatique et implacable du rasoir d’Ockham.

2.2 La couverture de Markov comme frontière computationnelle

Pour qu’un système physique puisse accomplir ce calcul variationnel, encore faut-il définir précisément ce qui sépare l’organisme de son environnement sans rompre la continuité matérielle du cosmos. C’est ici que Karl Friston intègre le concept probabiliste de couverture de Markov (Markov blanket), issu des travaux de Judea Pearl sur les réseaux bayésiens. Dans la topologie d’un réseau causal statistique, la couverture de Markov d’un nœud donné est composée de ses parents, de ses enfants et des autres parents de ses enfants. La propriété fondamentale d’une telle couverture réside dans l’indépendance conditionnelle : conditionnellement aux nœuds constituant sa couverture de Markov, l’état du nœud interne est statistiquement indépendant de tous les autres nœuds du système mondial extérieur.

Friston applique ce formalisme aux systèmes dynamiques vivants en partitionnant l’ensemble des variables d’état de l’univers en quatre sous-ensembles distincts :

• Les états externes ($eta$) : configurations dynamiques du monde extérieur, inaccessibles directement à l’organisme et situées au-delà de sa frontière.
• Les états sensoriels ($s$) : variables de frontière qui sont affectées causale­ment par les états externes et transmettent ces perturbations aux états internes, sans être directement influencées par ces derniers.
• Les états actifs ($a$) : variables de frontière qui sont influencées causale­ment par les états internes et agissent rétroactivement sur les états externes, sans être directement causées par le monde extérieur.
• Les états internes ($\mu$) : variables intérieures du système biologique qui sous-tendent ses représentations, ses calculs neuronaux et son homéostasie interne.

Dans cette architecture, la couverture de Markov est rigoureusement constituée de l’union des états sensoriels et des états actifs. Cette couverture sépare physiquement et mathématiquement les états internes des états externes. Un neurone cérébral, un organisme pluricellulaire ou un individu au sein d’une société ne perçoivent jamais le monde externe en lui-même ; ils n’interagissent causalement qu’avec leur propre couverture de Markov. Les états internes infèrent l’état du monde extérieur exclusivement à travers les flux de données enregistrés sur leurs capteurs sensoriels, et ne modifient ce monde qu’à travers l’impulsion motrice de leurs effecteurs actifs.

L’immense puissance conceptuelle de la couverture de Markov réside dans sa nature invariante d’échelle (scale-free). On peut identifier une couverture de Markov au niveau de la membrane lipidique d’un globule blanc régissant ses échanges ioniques avec le plasma sanguin, au niveau de la barrière hémato-encéphalique protégeant l’homéostasie cérébrale, au niveau d’une colonne corticale au sein du néocortex recevant des axones thalamiques et projetant vers le striatum, ou encore au niveau de la peau humaine délimitant le corps propre. Le principe d’énergie libre devient ainsi une ontologie multi-échelle où des systèmes emboîtés de couvertures de Markov minimisent simultanément leur énergie libre locale, tissant les étages verticaux de l’organisation biologique.

2.3 La dynamique des états non équilibrés en régime permanent

L’existence matérielle continue d’un être vivant implique qu’il ne se désagrège pas dans l’environnement. Sur le plan de la physique théorique, cela se traduit par le fait que l’organisme habite un état stationnaire de non-équilibre (Non-Equilibrium Steady State ou NESS). Contrairement à l’équilibre thermodynamique fermé, qui est caractérisé par un flux net d’énergie nul et une entropie maximale, un NESS se caractérise par des flux thermodynamiques soutenus permettant le maintien d’une structure spatio-temporelle hautement organisée aux dépens d’une dissipation d’énergie dans le réservoir externe.

Friston modélise l’évolution temporelle de l’ensemble des états du système (états externes, sensoriels, actifs et internes) via des équations différentielles stochastiques de type Langevin-Itô. Dans l’espace des phases, ces trajectoires stochastiques convergent vers un attracteur de non-équilibre, au sein duquel le système biologique passe la quasi-totalité de son existence. La densité de probabilité associée à cet attracteur représente la distribution stationnaire de l’organisme, traduisant son phénotype morphologique et physiologique :

$$p(x) \quad \text{où} \quad x = {\eta, s, a, \mu}$$

Pour comprendre comment un organisme maintient cette distribution stationnaire sans dégénérer, Friston recourt à la décomposition de Helmholtz des flux vectoriels dans l’espace des états. Selon ce théorème d’analyse vectorielle, le flux probabiliste moyen $\mathbf{f}(x)$ guidant la trajectoire du système se décompose de manière unique en deux composantes orthogonales fondamentales :

$$\mathbf{f}(x) = \underbrace{\mathbf{Q} \nabla \ln p(x)}_{\text{Composante solénoïdale}} – \underbrace{\mathbf{\Gamma} \nabla \ln p(x)}_{\text{Composante dissipative}}$$

La composante dissipative est directement proportionnelle au gradient de la distribution de probabilité stationnaire (pondéré par la matrice de diffusion $\mathbf{\Gamma}$) ; elle agit comme une force de rappel gravitationnelle, poussant continuellement le système depuis des états improbables et délétères (à haute surprise) vers les états de haute probabilité qui définissent son phénotype viable. À l’inverse, la composante solénoïdale (guidée par la matrice antisymétrique $\mathbf{Q}$) correspond à des flux circulaires sans divergence le long des lignes d’isoprobabilité de l’attracteur. Elle soutient les dynamiques oscillatoires périodiques de la vie, telles que le cycle cardiaque, les rythmes respiratoires ou les oscillations corticales.

Ainsi, le maintien homéostatique n’est autre que la manifestation biophysique de ce confinement dynamique dans le NESS. En s’assurant que les flux dissipatifs contrecarrent en permanence les forces stochastiques de dispersion thermique, l’organisme préserve son invariance morphologique. La minimisation de l’énergie libre variationnelle apparaît alors comme l’algorithme interne par lequel les états internes et actifs réalisent concrètement cette convergence vers l’attracteur phénotypique pérenne.

3. L’architecture fonctionnelle du traitement prédictif hiérarchique

3.1 Modèles génératifs profonds et rétroaction descendante

Pour mettre en œuvre concrètement la minimisation de l’énergie libre variationnelle, le système nerveux central a développé au cours de la phylogenèse une architecture computationnelle hautement hiérarchisée : le traitement prédictif (predictive processing). Dans ce modèle computationnel, le cerveau fonctionne comme un modèle génératif profond hiérarchisé. Au lieu d’attendre passivement que les influx nerveux sensoriels soient décodés étape par étape, depuis les récepteurs périphériques vers les aires associatives supérieures, le système projette en continu des cascades de prédictions descendantes le long du néocortex.

Cette structure s’apparente à une pyramide inversée où chaque niveau hiérarchique tente de prédire l’activité computationnelle du niveau immédiatement inférieur. Les niveaux situés au sommet de la hiérarchie — principalement le cortex préfrontal et les réseaux associatifs transmodaux — génèrent des représentations causales d’une grande abstraction, caractérisées par des échelles spatio-temporelles très lentes. Ces représentations capturent des contextes environnementaux complexes, des régularités invariantes et des buts comportementaux à long terme. En descendant le long de l’arborescence anatomique vers les aires primaires motrices et sensorielles, ces hypothèses abstraites sont traduites en prédictions de plus en plus concrètes, granulaires et à dynamique temporelle rapide, jusqu’à stipuler la configuration exacte de décharge lumineuse attendue sur les cônes de la fovéa ou l’étirement instantané des fuseaux neuromusculaires.

La fonction première du néocortex est donc de simuler le monde avant de le subir. La connectivité cérébrale massivement rétroactive (les projections descendantes ou feedback étant souvent numériquement supérieures aux projections ascendantes ou feedforward) trouve ici sa justification computationnelle ultime. Loin d’être de simples signaux de modulation attentionnelle périphérique, ces faisceaux descendants constituent le canal fondamental de transmission de l’information sémantique : ils transportent la meilleure hypothèse du cerveau sur la source des signaux en cours de réception.

3.2 Calcul, propagation et suppression de l’erreur de prédiction

Si les représentations descendantes véhiculent les prédictions du système génératif, quel rôle échoit alors aux voies ascendantes ? Dans le cadre du codage prédictif formalisé par Rao et Ballard puis étendu par Friston, les connexions ascendantes ne transmettent jamais le signal sensoriel brut lui-même. Transporter l’intégralité d’un signal prévisible constituerait une hérésie en termes d’efficience thermodynamique et métabolique. Les axones ascendants ont pour tâche exclusive de propager le signal résiduel qui a échappé aux prédictions descendantes : l’erreur de prédiction (prediction error).

À chaque étage de la hiérarchie corticale, des unités spécialisées comparent en permanence l’état prédit par le niveau supérieur avec l’état effectif calculé au niveau local. L’erreur de prédiction représente la différence arithmétique ou statistique entre ces deux grandeurs. Deux destins computationnels sont possibles pour ce signal différentiel :

• Si la prédiction descendante est parfaite, l’erreur de prédiction est nulle. Le signal sensoriel est littéralement « expliqué » (explained away) et annulé localement ; aucun signal ascendant n’est propagé vers les étages supérieurs. Le cerveau consomme un minimum d’énergie biochimique pour traiter une situation entièrement conforme à ses attentes.
• Si une divergence émerge entre l’attente et l’entrée observée, un flux d’erreur de prédiction positif ou négatif jaillit. Ce signal est alors projeté vers le niveau hiérarchique supérieur le long des voies cortico-corticales ascendantes.

À la réception de ce message d’erreur, le niveau supérieur ajuste ses états d’inférence probabiliste via une mise à jour bayésienne instantanée afin de réduire l’erreur transmise. Si l’ajustement local s’avère insuffisant, l’erreur monte encore d’un cran le long de la hiérarchie corticale, contraignant des représentations de plus en plus profondes et abstraites à se restructurer pour intégrer cette anomalie. La dynamique cognitive globale du cerveau se résume donc à une dialectique continue : projection descendante d’hypothèses génératives pour supprimer l’erreur sensorielle, et ascension des erreurs résiduelles pour forcer la mise à jour plastique des modèles internes.

3.3 Pondération par la précision et attention bayésienne

Dans un univers intrinsèquement bruité, toutes les erreurs de prédiction ne possèdent pas la même valeur épistémique. Une variation soudaine du flux optique captée au milieu d’un brouillard opaque ou dans une clairière baignée de soleil ne doit pas susciter le même degré de révision des croyances préalables. Le modèle prédictif doit impérativement disposer d’un mécanisme de métacontrôle capable d’estimer la fiabilité et la qualité statistique de ses propres signaux d’erreur. Ce mécanisme capital est l’estimation de la précision (precision weighting).

Mathématiquement, la précision est définie comme l’inverse de la variance ($\Pi = \sigma^{-2}$) de la distribution d’erreur. Lorsque le système nerveux estime que le contexte actuel est hautement fiable et stable, il assigne une précision élevée aux unités codant l’erreur de prédiction sensorielle. L’erreur de prédiction est alors multipliée par ce coefficient de précision, augmentant artificiellement son amplitude effective lors de sa transmission synaptique vers les niveaux supérieurs. L’erreur « crie plus fort », forçant une révision immédiate et radicale du modèle interne. À l’inverse, si l’environnement est reconnu comme incertain, instable ou particulièrement bruité, la précision est revue à la baisse ; le gain synaptique des erreurs de prédiction est amoindri, ce qui permet au système d’ignorer ces fluctuations aléatoires sans déstabiliser inutilement ses représentations profondes préalables.

Ce calcul dynamique du gain synaptique constitue la définition formelle de l’attention sélective dans le paradigme du traitement prédictif. Faire attention à un objet, une fréquence acoustique ou une région du champ visuel ne consiste pas à amplifier le signal perceptif brut, mais à augmenter sélectivement le volume computationnel (le gain de précision) des canaux d’erreur de prédiction associés à cette modalité. Ce réglage fin de la précision orchestre un arbitrage bayésien dynamique et constant : une foi inébranlable en des prédictions descendantes rigides lorsque le signal d’entrée est estimé trop imprécis, ou une malléabilité perceptive totale accordée aux sensations périphériques lorsque celles-ci sont créditées d’une précision maximale.

4. L’inférence active : unification de la perception et de l’action

4.1 La dualité opérationnelle de la minimisation de l’erreur

Le principe d’énergie libre franchit un seuil théorique décisif lorsqu’il dépasse le statut de modèle purement perceptif pour englober la motricité. Dans un cadre passif, la minimisation de l’erreur de prédiction ne s’effectue que d’une seule manière : en modifiant les états internes ($\mu$) pour conformer les hypothèses cérébrales à la réalité brute qui s’impose aux sens. Cette stratégie correspond à la perception au sens traditionnel. Pourtant, l’équation variationnelle de Friston révèle une seconde voie, strictement équivalente sur le plan formel, pour éliminer l’erreur : agir sur le monde via les états actifs ($a$) pour altérer l’environnement extérieur et forcer les sensations physiques à s’aligner sur les prédictions internes.

Cette réunification de la perception et de l’action sous une même bannière algorithmique constitue le cœur battant de l’inférence active (active inference). L’organisme vivant dispose de deux leviers d’action mathématiques pour réduire son énergie libre :

• La mise à jour perceptive : changer d’avis pour accepter la réalité telle qu’elle est observée, en modifiant la configuration des états internes afin d’épouser au mieux la forme des distributions sensorielles enregistrées.
• L’action motrice : changer le monde matériel pour matérialiser ses prédictions, en manipulant les effecteurs moteurs afin de contraindre les entrées sensorielles à devenir rigoureusement conformes aux croyances internes.

Loin d’être deux facultés cognitives étanches connectées séquentiellement (dans un cycle classique de perception-délibération-action), la perception et le mouvement ne sont que deux facettes géométriques du même impératif variationnel. L’action ne découle pas d’une décision calculée après que la perception a été achevée ; elle est déclenchée précisément par l’incongruence entre un modèle idéal du monde et les flux sensoriels actuels, servant d’instrument d’asservissement physique pour résorber l’écart entre la prédiction et l’expérience sensible.

4.2 L’arc réflexe classique réinterprété par l’inférence motrice

L’une des percées les plus déroutantes de l’inférence active concerne la neurobiologie du contrôle moteur. Dans les théories cybernétiques et neuroscientifiques dominantes du siècle dernier, l’exécution d’un mouvement volontaire requérait la résolution d’un « problème inverse ». Le cortex moteur était supposé calculer des commandes motrices complexes codant explicitement les tensions musculaires et les forces articulaires nécessaires pour mouvoir un membre le long d’une trajectoire géométrique déterminée, tout en intégrant des modèles prédictifs dits « modèles directs » pour anticiper les conséquences sensorielles du geste.

Karl Friston et ses collaborateurs balaient radicalement cet appareillage lourd et computationnellement coûteux en proposant une réinterprétation magistrale de l’arc réflexe spinal. Selon l’inférence motrice active, le cortex moteur n’envoie aucune commande de force aux muscles. Il se contente d’émettre une prédiction proprioceptive descendante stipulant que le bras est déjà dans la position cible désirée. À l’instant initial, cette prédiction entre en collision brutale avec l’état réel du membre, générant une gigantesque erreur de prédiction proprioceptive au niveau des motoneurones et des interneurones de la moelle épinière.

Face à cette divergence proprioceptive, le système nerveux fait le choix de ne pas actualiser son modèle cérébral pour admettre que le bras n’a pas bougé. Au contraire, il bloque la révision perceptive par un mécanisme d’atténuation sensorielle transitoire et délègue la suppression de l’erreur aux boucles réflexes spinaux archaïques (les arcs réflexes myotatiques). Pour annuler l’erreur d’étirement détectée par les fuseaux neuromusculaires, les motoneurones spinaux n’ont d’autre choix que de décharger massivement, contractant les fibres musculaires jusqu’à ce que la posture physique du corps vienne épouser la géométrie prophétisée par le cortex moteur. Le mouvement n’est rien d’autre qu’une prophétie proprioceptive autoréalisatrice orchestrée par la machinerie spinale.

4.3 Arbitrage entre exploration épistémique et exploitation pragmatique

Lorsqu’un agent vivant envisage l’avenir, il doit sélectionner des séquences d’actions — désignées sous le nom de politiques ($\pi$) — qui minimiseront son énergie libre variationnelle non seulement dans l’instant immédiat, mais sur l’ensemble de sa trajectoire temporelle future. Ce défi convoque le concept d’énergie libre attendue (Expected Free Energy ou EFE), notée $\mathbf{G}(\pi)$. La minimisation de l’énergie libre attendue régissant la sélection d’une politique d’action se décompose mathématiquement en deux composantes fondamentales :

$$\mathbf{G}(\pi) \approx \underbrace{-\mathbb{E}_{q}[\ln p(y_{\tau} mid \text{phénotype})]}_{\text{Valeur pragmatique (Exploitation)}} – \underbrace{\mathbb{E}_{q}[\mathcal{D}_{KL}[q(\vartheta_{\tau} mid y_{\tau}, \pi) parallel q(\vartheta_{\tau} mid \pi)]]}_{\text{Valeur épistémique (Exploration)}}$$

Cette formule réconcilie de façon magistrale l’éternel dilemme entre exploration et exploitation qui tourmente la recherche opérationnelle et l’intelligence artificielle :

• La valeur pragmatique (ou utilité instrumentale) évalue dans quelle mesure les observations futures générées par une politique d’action correspondent aux états préférentiels essentiels du phénotype (par exemple, éviter l’hypoglycémie, rester à l’abri des prédateurs, s’hydrater). C’est le pôle d’exploitation classique tourné vers la satisfaction des exigences homéostatiques vitales.
• La valeur épistémique (ou gain d’information, saillance intrinsèque) mesure la capacité de l’action à dissiper l’incertitude quant à l’état caché du monde. Elle pousse l’agent à s’exposer à des observations hautement informatives afin de calibrer son modèle génératif. C’est le fondement physique de la curiosité intrinsèque, de la recherche d’information et des mouvements oculaires saccadiques.

Dans l’inférence active, l’exploration et l’exploitation ne constituent pas deux algorithmes distincts arbitrairement pondérés par un paramètre empirique. Elles découlent analytiquement de la même fonctionnelle mathématique. Face à une incertitude substantielle, la valeur épistémique domine naturellement le calcul de l’énergie libre attendue, forçant l’organisme à explorer son environnement pour acquérir des informations stabilisatrices ; dès lors que l’incertitude sur l’environnement est levée, la valeur pragmatique prend le dessus, dictant des actions ciblées destinées à maintenir l’agent dans ses zones de sécurité homéostatiques.

5. Neuroanatomie computationnelle et bases neurobiologiques

5.1 Organisation laminaire du néocortex et flux d’information

La théorie du codage prédictif ne flotterait qu’au rang d’élégante abstraction mathématique sans son enracinement scrupuleux dans la cytoarchitectonie laminaire du néocortex des mammifères, formalisé de manière éclatante par Karl Friston et ses collègues de l’University College London. Le cortex cérébral présente une organisation universelle en six couches cellulaires distinctes, dont les motifs de connectivité canoniques s’accordent point par point avec les exigences structurelles de l’algorithme d’inférence variationnelle hiérarchique.

La neuroanatomie computationnelle fristonienne distribue les populations neuronales clés au sein de cette architecture laminaire :

• Les neurones de prédiction (unités de représentation des états d’inférence) sont préférentiellement situés au sein des couches infragranulaires (couches V et VI). Ces volumineux neurones pyramidaux projettent leurs axones myélinisés de façon descendante vers les étages corticaux inférieurs et vers les structures sous-corticales motrices.
• Les neurones d’erreur de prédiction résident principalement dans les couches supragranulaires (couches II et III). Ces cellules reçoivent la prédiction issue des couches profondes de leur propre niveau cortical ainsi que l’entrée ascendante, soustraient l’une de l’autre et émettent le reliquat d’erreur le long de faisceaux ascendants.
• La couche granulaire IV joue un rôle charnière d’interface et d’aiguillage des signaux afférents ascendants, en particulier pour les efférences thalamocorticales primaires, assurant le relais et la synchronisation temporelle fine de ces messages avant leur distribution aux couches II/III.

Ce circuit micro-colonnaire canonique se réplique avec une régularité frappante à travers l’ensemble des aires cérébrales, depuis le cortex visuel primaire (V1) jusqu’au cortex orbitofrontal. Le flux d’information respecte une stricte ségrégation géométrique : les voies ascendantes supragranulaires transportent exclusivement de l’erreur de prédiction non résolue, tandis que les voies descendantes infragranulaires transmettent des signaux régulateurs et anticipateurs véhiculant des distributions de probabilité a priori.

5.2 Neuromodulation et encodage biophysique de la précision

L’estimation dynamique de la précision ne peut reposer uniquement sur les connexions synaptiques rapides médiées par le glutamate et le GABA. Elle requiert des mécanismes biophysiques capables de moduler globalement ou localement l’excitabilité membranaire et la sensibilité des populations neuronales codant l’erreur. Cette fonction métacognitive est assurée avec une précision chirurgicale par les grands systèmes neuromodulateurs ascendants sous-corticaux.

L’acétylcholine, issue notamment des noyaux de Meynert du télencéphale basal, intervient de manière critique dans l’ajustement du gain synaptique au niveau du cortex sensoriel. Une libération accrue d’acétylcholine amplifie l’excitabilité des neurones d’erreur supragranulaires, augmentant mathématiquement le poids accordé aux entrées sensorielles face aux prédictions descendantes ; c’est la matérialisation biophysique de l’attention sélective exogène ou endogène dirigée sur des flux informatifs perçus comme hautement fiables.

La dopamine, quant à elle, émise par la substance noire et l’aire tegmentale ventrale, a longtemps été cantonnée au rôle exclusif d’encodage de l’« erreur de prédiction de récompense » (Reward Prediction Error ou RPE) dans le cadre de l’apprentissage par renforcement. Friston propose une reformulation beaucoup plus fondamentale : la dopamine n’encode pas une récompense scalaire, mais la précision des politiques d’action sélectionnées dans le striatum et le cortex préfrontal. Une bouffée dopaminergique signale au cortex moteur que la trajectoire comportementale anticipée est dotée d’une certitude maximale, autorisant le déclenchement immédiat de l’inférence motrice par la mise sous silence des afférences proprioceptives concurrentes. La déplétion dopaminergique observée dans la maladie de Parkinson s’explique alors limpide­ment : incapable d’attribuer une précision suffisante à ses prédictions motrices, le patient s’enfonce dans l’akinésie.

Enfin, la noradrénaline issue du locus coeruleus réagit vivement aux fluctuations statistiques d’ordre supérieur, signalant les ruptures contextuelles majeures et la volatilité environnementale. Dès lors que l’organisme constate que son modèle génératif échoue globalement à anticiper la structure statistique du monde, une décharge noradrénergique massive réinitialise le gain de précision à travers l’ensemble du manteau cortical, favorisant une réorganisation plastique rapide des connexions synaptiques.

5.3 Dynamiques oscillatoires et synchronisation temporelle

La transmission coordonnée de prédictions descendantes et d’erreurs de prédiction ascendantes au sein d’un même réseau anatomique réciproque soulève une énigme computationnelle cruciale : comment le néocortex prévient-il l’interférence destructive de ces deux flux opposés circulant sur les mêmes bandes passantes neuronales ? La réponse biophysique réside dans la ségrégation spectrale et la synchronisation des dynamiques oscillatoires cérébrales.

De très nombreux travaux en électrophysiologie et magnétoencéphalographie soutiennent l’hypothèse d’une division des fréquences oscillatoires au service du codage prédictif :

• Les oscillations rapides dans la bande gamma (au-delà de 30-40 Hz) sont étroitement corrélées à l’activité des interneurones inhibiteurs parvalbumine-positifs des couches superficielles. Elles constituent le support temporel de la transmission ascendante à haute résolution des signaux d’erreur de prédiction vers les aires supérieures.
• Les oscillations lentes dans les bandes alpha et bêta (entre 8 et 30 Hz), issues de la résonance des circuits infragranulaires et thalamo-corticaux, véhiculent les contraintes contextuelles et les prédictions descendantes, inhibant de manière cyclique les fenêtres temporelles où l’erreur sensorielle peut s’exprimer.

Ce partitionnement spectral s’articule de manière encore plus intime via le phénomène de couplage phase-amplitude (phase-amplitude coupling). Dans cette mécanique temporelle, la phase d’une onde lente (thêta ou alpha) module périodiquement l’amplitude des décharges gamma rapides. Ce couplage temporel assure que l’erreur de prédiction n’est échantillonnée et propagée qu’à des instants précis du cycle oscillatoire, exactement au moment où les neurones cibles du niveau supérieur se trouvent dans un état d’excitabilité membranaire optimal pour intégrer la mise à jour bayésienne. L’activité oscillatoire cérébrale n’est point un épiphénomène métabolique, mais le métronome computationnel indispensable à l’ordonnancement de l’inférence active dans le temps.

6. Inférence interoceptive, émotions et émergence du soi incarné

6.1 L’homéostasie viscérale comme matrice de l’intéroception

Si le traitement prédictif a d’abord fait ses preuves dans l’explication des flux extéroceptifs visuels et auditifs, ses implications les plus intimes émergent lorsqu’il se tourne vers le milieu intérieur de l’organisme. Le système nerveux central ne se limite point à prédire les photons et les ondes de pression acoustique de l’environnement extérieur ; il est engagé, de façon phylogénétiquement plus archaïque encore, dans la régulation et la prédiction de ses propres paramètres physiologiques internes : rythme cardiaque, glycémie, pression artérielle, saturation en dioxygène, température viscérale et profil cytokinique.

Ce domaine constitue l’inférence interoceptive, théorisée notamment par Anil Seth et Hugo Critchley. Dans ce prolongement direct du cadre fristonien, l’organisme maintient des modèles génératifs hiérarchiques profonds dont les prédictions fondamentales portent sur la constance du milieu viscéral. Les cibles homéostatiques d’un individu ne sont point des valeurs de consigne rigides fixées dans un thermostat mécanique ; elles s’incarnent sous forme de croyances préalables (priors) d’une hyper-précision inflexible selon lesquelles le corps doit impérativement évoluer dans une fenêtre physiologique étroite (par exemple, un pH sanguin stabilisé autour de 7,40).

Cette perspective transfigure la compréhension de l’allostasie. L’allostasie ne se borne pas à corriger passivement un déséquilibre viscéral une fois celui-ci survenu ; elle consiste en une adaptation physiologique prédictive anticipant les ruptures homéostatiques futures. Le cortex insulaire antérieur et le cortex cingulaire antérieur émergent comme les centres névralgiques de cette intégration interoceptive hiérarchique. Dès lors qu’une dépense énergétique est anticipée face à un danger environnemental, le modèle génératif interoceptif projette instantanément des prédictions descendantes autonomes via l’hypothalamus et le tronc cérébral, accélérant la fréquence cardiaque et élevant la pression artérielle avant même que l’effort musculaire n’ait épuisé les réserves d’oxygène.

6.2 Les émotions comme estimations de l’énergie libre intéroceptive

Dans la perspective computationnelle fristonienne, qu’est-ce qu’une émotion ? Loin d’être des réactions irrationnelles perturbant le calcul logique, les émotions sont reconfigurées comme des inférences de second ordre formulées sur les flux d’erreurs de prédiction interoceptifs et sur l’efficacité des politiques allostatiques.

Une émotion représente la catégorisation conceptuelle par le système nerveux d’un ensemble de fluctuations physiologiques internes perçues à travers le prisme de leur valeur pour la survie. Mais plus fondamentalement encore, la dynamique affective intègre la vitesse de changement de l’énergie libre. Lorsque nous engageons une action qui réussit à réduire l’erreur de prédiction plus rapidement qu’anticipé par notre métamodèle génératif, cette accélération computationnelle se traduit phénoménologiquement par un affect positif (joie, soulagement, triomphe). Inversement, si malgré le déploiement d’efforts moteurs massifs, l’erreur de prédiction stagne ou s’accroît, la stagnation ou la dégradation de la minimisation de l’énergie libre est ressentie comme une souffrance psychologique, de la frustration ou de la détresse viscérale.

L’humeur (mood) se conçoit dès lors comme un estimateur bayésien hyper-résumé de la volatilité attendue et de l’aptitude de l’agent à naviguer dans son environnement. Une humeur optimiste correspond à une attribution de haute confiance (précision) à la capacité future du système à réduire l’énergie libre dans son milieu d’action, tandis qu’une humeur dépressive traduit une baisse catastrophique de cette métaprécision, anticipant l’échec inévitable de toute régulation homéostatique ou interactionnelle.

6.3 La phénoménologie de la corporéité et l’agentivité

L’une des conquêtes majeures de l’inférence active réside dans sa capacité à dissoudre le dualisme cartésien en éclairant la genèse même du sentiment subjectif d’habiter un corps physique — ce que la phénoménologie nomme la corporéité (embodiment) — et le sens de l’agentivité (sense of agency).

Le corps propre n’est pas une donnée brute et immédiate de la conscience, mais une construction inférentielle complexe et dynamique. Mon bras m’appartient phénoménologiquement parce que mon cerveau a appris que les afférences visuelles montrant cette main bouger, les afférences proprioceptives signalant sa translation spatiale et les prédictions motrices initiant son déplacement sont unies par une covariance statistique rigoureusement optimale. Des expériences paradigmatiques telles que l’illusion de la main en caoutchouc (Rubber Hand Illusion) illustrent ce mécanisme : lorsqu’une stimulation tactile synchrone est appliquée sur la main réelle dissimulée et sur une main factice en silicone, le cerveau résout le conflit multisensoriel en minimisant son énergie libre par l’adoption d’une nouvelle hypothèse topologique : la main en caoutchouc est désormais intégrée dans le schéma corporel du soi.

L’agentivité repose quant à elle sur le principe fondamental de l’atténuation sensorielle. Lorsque j’initie volontairement un mouvement, mon système nerveux doit impérativement abaisser le gain de précision des afférences proprioceptives et tactiles immédiates ; s’il ne le faisait point, l’énorme erreur de prédiction sensorielle induite par la contradiction entre le membre immobile et le membre prédit en mouvement détruirait l’hypothèse motrice descendante et figerait le corps dans l’inhibition. C’est précisément parce que les sensations auto-générées sont prévues et atténuées au niveau de leur précision sensorielle que nous ne pouvons pas nous chatouiller nous-mêmes. Ce différentiel de précision entre les sensations que j’engendre (atténuées) et les stimulations issues du monde extérieur (non atténuées) constitue la ligne de démarcation computationnelle donnant naissance au sentiment d’être l’auteur de ses propres gestes.

7. Psychopathologie computationnelle : modélisation des dysfonctionnements psychiques

7.1 Spectre de la schizophrénie et défaillance de l’atténuation sensorielle

L’application du principe d’énergie libre et du traitement prédictif aux pathologies mentales constitue l’une des révolutions scientifiques les plus prometteuses de ces deux dernières décennies, donnant naissance à la psychiatrie computationnelle. Plutôt que de cataloguer les troubles psychiatriques sous forme de syndromes symptomatiques descriptifs, cette discipline traque la rupture spécifique des paramètres formels de l’inférence bayésienne au sein des circuits neuronaux.

Dans le spectre de la schizophrénie, les modélisations computationnelles identifient un dérèglement profond de l’attribution de la précision synaptique, causé principalement par une hypofonction des récepteurs NMDA couplée à une dérégulation des systèmes dopaminergiques mésolimbiques. Le mécanisme central s’articule autour d’une défaillance sévère de l’atténuation sensorielle :

• Le patient schizophrène échoue à réduire le gain de précision de ses propres sensations auto-générées lors du passage à l’acte moteur. Par conséquent, les mouvements volontaires génèrent un flux d’erreur proprioceptive et acoustique qui n’est pas étouffé comme chez le sujet sain. Cet échec computationnel détruit le sentiment d’agentivité : le patient interprète ses propres gestes ou sa propre voix intérieure non point comme émanant de lui-même, mais comme imposés de l’extérieur, donnant naissance aux délires d’influence et aux hallucinations acoustico-verbales.
• Simultanément, la sous-pondération de la précision des croyances a priori de haut niveau prive le cerveau de ses hypothèses régulatrices descendantes protectrices. Le monde sensoriel se peuple alors d’une nuée d’erreurs de prédiction inexplicables, qui « crient » de façon disproportionnée dans les réseaux associatifs supragranulaires. Ce phénomène d’hyper-saillance aberrante force le cortex préfrontal à forger des croyances extravagantes et des systèmes délirants rigides. Le délire n’est pas le cœur premier de la maladie, mais une tentative d’inférence active héroïque et désespérée du cerveau pour ré-expliquer et annuler des flots d’erreurs de prédiction sensorielles incohérentes et intolérables.

7.2 Troubles du spectre autistique et surpondération sensorielle

Une configuration computationnelle diamétralement opposée caractérise les troubles du spectre autistique (TSA), selon l’hypothèse formalisée sous le terme de HIPPEA (High Inflexible Precision of Prediction Errors in Autism). Dans cette pathologie neurodéveloppementale, le cerveau attribue une précision anormalement élevée et rigide aux erreurs de prédiction issues des couches sensorielles primaires, couplée à une incapacité à moduler contextuellement ce gain computationnel.

Les conséquences d’une telle surpondération de la précision sensorielle sont massives :

• Chaque infime fluctuation environnementale (un changement d’éclairage, une modulation vocale imperceptible, un pli sur un tissu) est interprétée par la machinerie bayésienne comme un signal d’une importance capitale et non comme un bruit statistique négligeable. Le système nerveux est submergé par une cascade ininterrompue d’erreurs de prédiction à haute priorité, engendrant une surcharge sensorielle dévastatrice et une anxiété intolérable face à la moindre nouveauté spatiale ou relationnelle.
• Cette rigidité interdit la construction d’abstractions conceptuelles souples et tolérantes au bruit. Pour le sujet autiste, un visage humain souriant sous une lumière d’aube et ce même visage vu sous un néon violent constituent deux réalités visuelles radicalement distinctes et non réductibles à une même catégorie prototypique descendante.
• Dans ce tableau clinique, les comportements répétitifs, les stéréotypies motrices et l’adhésion obsessionnelle à des rituels immuables trouvent une explication computationnelle lumineuse : ils représentent des stratégies d’inférence active directes et efficientes destinées à créer des micro-environnements sensoriels hyper-déterministes. En se balançant de façon cyclique ou en alignant des objets selon une géométrie stricte, l’individu génère des flux de sensations dont l’erreur de prédiction est strictement égale à zéro, restaurant temporairement un sanctuaire de prévisibilité au milieu du chaos informatif environnant.

7.3 Dépression majeure et anxiété clinique

La dépression majeure et les troubles anxieux chroniques constituent quant à eux les manifestations pathologiques les plus pures d’une distorsion de l’inférence active interoceptive et de l’évaluation prospective de l’énergie libre attendue.

L’anxiété clinique est gouvernée par une hyper-précision rigide attribuée à des croyances a priori de menace environnementale et d’incertitude future. L’individu anxieux surestime de manière chronique la probabilité d’occurrence d’états aversifs déstabilisateurs tout en sous-estimant la fiabilité de ses capacités régulatrices. Cette dynamique force un comportement d’échantillonnage sensoriel hyper-vigilant et défensif : l’attention est perpétuellement braquée sur les moindres signaux corporels et contextuels susceptibles d’annoncer une catastrophe, nourrissant en boucle un cycle allostatique épuisant où le système anticipe l’effondrement permanent de ses fonctions vitales.

La dépression majeure, quant à elle, s’apparente à une faillite de la méta-précision motrice et allostatique. L’agent dépressif a intériorisé une croyance a priori selon laquelle aucune politique d’action ($\pi$) n’est capable de réduire son énergie libre attendue. L’environnement est modélisé comme fondamentalement incontrôlable, scellant l’installation de l’impuissance apprise (learned helplessness). Dès lors que la valeur épistémique et la valeur pragmatique de toute action motrice future s’effondrent à zéro, l’algorithme d’inférence active commande l’arrêt de la motricité pour économiser les ressources métaboliques : c’est l’inertie psychomotrice, l’anhédonie et le repli social dépressif. Le cerveau s’enferme dans une prophétie auto-réalisatrice de faillite computationnelle, préférant la souffrance prévisible de l’immobilité à l’exploration d’un monde perçu comme un puits infini de surprises négatives inévitables.

8. Cognition sociale, intersubjectivité et synchronisation collective

8.1 Inférence active dyadique et couplage herméneutique

L’une des extensions les plus séduisantes du paradigme fristonien concerne le passage de l’esprit solipsiste à l’intersubjectivité vivante. Comment deux agents bayésiens, enfermés chacun derrière leur propre couverture de Markov, parviennent-ils à se comprendre, à coopérer et à coordonner leurs existences ? Dans le cadre de l’inférence active dyadique, l’autre est modélisé comme une entité générative dissimulée dans les états externes du monde, dotée d’une architecture computationnelle similaire à la nôtre.

Lors d’une interaction sociale — qu’il s’agisse d’un dialogue verbal, d’un échange de regards ou d’un duo de danseurs —, les états actifs de l’un constituent les états sensoriels de l’autre, et réciproquement. Ce bouclage causal établit ce que Friston nomme un couplage herméneutique ou une inférence active conjointe. Pour minimiser conjointement leur énergie libre variationnelle, les deux cerveaux synchronisent leurs dynamiques internes jusqu’à ce que leurs modèles génératifs respectifs convergent vers un attracteur partagé. Deux personnes engagées dans une conversation ne se bornent pas à échanger des données encodées phonétiquement : elles co-construisent en temps réel une dynamique dynamique collective réduisant mutuellement l’entropie de leur relation sociale.

Cette convergence s’exprime neurobiologiquement par une spectaculaire synchronisation neurale inter-cérébrale (brain-to-brain synchrony), attestée par les études contemporaines d’hyperscanning. Les oscillations corticales de deux interlocuteurs engagés dans une communication fluide se verrouillent en phase. Ce miroitement computationnel prouve que l’empathie et la communication fondamentale ne sont point des constructions logiques tardives élaborées sur un monde objectif, mais le fruit mécanique inévitable de deux systèmes adaptatifs s’entraînant mutuellement vers une minimisation symbiotique de leur surprise relationnelle.

8.2 Théorie de l’esprit et méta-représentations bayésiennes

Pour naviguer dans un tissu social aux intentions nuancées, le cerveau humain a poussé la hiérarchie de ses modèles génératifs jusqu’à y intégrer une théorie de l’esprit (Theory of Mind). Sur le plan computationnel, théoriser l’esprit d’autrui consiste à doter son propre modèle interne d’états cachés récursifs représentant les croyances, les désirs et les intentions de l’autre individu. Mon cerveau ne cherche plus seulement à prédire où le regard d’autrui va se poser dans la pièce, mais ce qu’autrui croit être la disposition des objets dans l’espace.

Cette architecture met en jeu des méta-représentations hiérarchiques profondes localisées dans le carrefour temporo-pariétal, le cortex préfrontal médian et le précunéus :

• Le système intègre continuellement des indices subtils — trajectoires des saccades oculaires, micro-inflexions de la prosodie vocale, asymétries de la mimique faciale — pour ajuster la confiance ou la confiance épistémique accordée aux intentions d’autrui.
• Le regard d’un pair n’est point un signal géométrique anodin : il fonctionne comme un puissant vecteur d’alignement de l’attention conjointe, modifiant instantanément le gain de précision que j’attribue à un secteur donné de mon propre environnement perceptif.

À l’inverse, l’effondrement de cette capacité de méta-représentation computationnelle engendre des profils sociopathologiques marqués. Dans la psychopathie ou certains troubles sévères de la personnalité limite, la hiérarchie bayésienne de modélisation d’autrui se disjoint : l’autre n’est plus modélisé comme un agent doué d’une intéroception sensible et d’une sentience vulnérable analogue à la mienne, mais régressé au rang d’un simple objet mécanique passif des états externes, que l’agent manipule sans régulation affective pour assouvir ses seules priorités pragmatiques immédiates.

8.3 Communication symbolique et émergence des conventions culturelles

Le saut évolutif culminant de l’espèce humaine s’opère avec l’avènement du langage articulé et la sédimentation des conventions culturelles. Dans la perspective de l’inférence active, le langage est envisagé comme un outil suprême d’ingénierie attentionnelle conçu pour guider et synchroniser à distance la précision synaptique d’autrui. Un mot prononcé n’est point un conteneur matériel de sens brut ; c’est un pointeur instructionnel hyper-précis invitant le cerveau de l’auditeur à activer un ensemble déterminé d’hypothèses génératives tout en étouffant les signaux parasites.

À une échelle encore plus vaste, l’humanité ne se contente pas de s’adapter passivement à la biosphère physique : elle bâtit ce que la biologie évolutive nomme une niche écologique et culturelle. En érigeant des cités régies par des plans orthogonaux, en codifiant des lois institutionnelles inviolables, en instituant des rythmes calendaires universels et en créant des bibliothèques de connaissances pérennes, les sociétés humaines construisent un environnement externe sur-mesure dont l’entropie statistique est drastiquement réduite.

Cette transmission intergénérationnelle de structures sociales, d’outils et de rituels constitue un héritage bayésien externalisé. Les artefacts culturels agissent comme des « croyances préalables partagées » (shared priors) matérialisées dans le ciment et le papier, déchargeant ainsi le cerveau individuel d’une part écrasante de ses calculs d’inférence active. La culture est l’ultime couverture de Markov collective que l’espèce humaine a déployée pour confiner ses trajectoires historiques dans un espace de viabilité civilisationnelle stable, prévenant la retombée dans l’entropie sauvage du monde naturel.

9. Implications pour l’intelligence artificielle et l’apprentissage machine

9.1 Inférence active artificielle versus apprentissage par renforcement standard

L’intelligence artificielle contemporaine est actuellement dominée par le paradigme de l’apprentissage par renforcement (Reinforcement Learning ou RL), illustré par les triomphes récents des réseaux profonds dans les jeux de stratégie ou la commande de robots autonomes. Cependant, le RL souffre d’infirmités théoriques majeures : dépendance absolue à l’ingénierie délicate d’une fonction de récompense scalaire extrinsèque, propension à l’échantillonnage inefficace exigeant des millions de simulations pour maîtriser une tâche, et fragilité notoire face aux perturbations imprévues du terrain d’expérimentation.

L’inférence active artificielle (Artificial Active Inference) propose un changement de paradigme radical, balayant les fondations de l’équation de Bellman au profit de l’optimisation de la seule énergie libre variationnelle :

• Là où le RL standard tente d’optimiser une récompense quantitative scalaire arbitraire ($r in \mathbb{R}$), l’agent à inférence active cherche à réaliser ses observations préférées, c’est-à-dire à minimiser la divergence entre les états sensoriels qu’il rencontre et la distribution de probabilité a priori définissant son identité opérationnelle. La récompense n’est plus un paramètre mystique externe, mais la simple conformité de l’agent à son modèle génératif intrinsèque.
• Le compromis entre exploration et exploitation cesse d’être une heuristique ad hoc (telle que la stratégie $varepsilon$-greedy ou l’entropie de politique dans le RL) : comme nous l’avons disséqué au chapitre 4, la minimisation de l’énergie libre attendue intègre nativement et mathématiquement la recherche active d’information (valeur épistémique) dès que le système fait face à une zone d’incertitude environnementale, basculant automatiquement vers l’action ciblée (valeur pragmatique) dès que le modèle a atteint une certitude suffisante.

Cette intégration organique permet aux agents fondés sur l’inférence active de faire preuve d’une autonomie adaptative sans commune mesure, apprenant des tâches complexes avec un nombre extraordinairement restreint d’échantillons et sans nécessiter de guidage coercitif permanent par des récompenses artificielles créées par l’expérimentateur.

9.2 Systèmes robotiques bio-inspirés et architectures neuromorphiques

Les limites de l’intelligence artificielle actuelle ne sont pas seulement algorithmiques, elles sont également énergétiques et physiques. Les processeurs conventionnels à architecture de von Neumann, gaspillant une énergie колоssale dans le transfert incessant de données entre la mémoire et les unités de calcul, s’avèrent inaptes à reproduire l’incomparable efficience du cerveau humain, qui ne consomme qu’une vingtaine de watts pour orchestrer son immense machinerie cognitive.

La rencontre entre le traitement prédictif et l’ingénierie neuromorphique ouvre un horizon technologique révolutionnaire. Les puces neuromorphiques analogiques (telles que TrueNorth, Loihi ou Dynap-SEL) imitent physiquement la dynamique membranaire des neurones biologiques et ne communiquent que par des impulsions discrètes (spikes) asynchrones guidées par les événements temporels. Dans une telle architecture matérielle, l’implémentation du codage prédictif est idéale :

• Puisque seules les erreurs de prédiction sont propagées à travers les synapses, la majorité des unités de calcul restent dans un état de silence électrique complet tant que les prédictions descendantes annulent le flux des signaux d’entrée. La consommation électrique du robot neuromorphique s’effondre de plusieurs ordres de grandeur, ne s’élevant que de manière transitoire lors de l’émergence d’une surprise environnementale inattendue.
• De plus, la nature intrinsèquement décentralisée et auto-organisatrice de l’inférence active confère aux systèmes robotiques une tolérance remarquable aux pannes physiques : la destruction de quelques synapses ou actuateurs est immédiatement compensée par la mise à jour bayésienne des couches restantes, assurant une résilience motrice souple et immédiate face aux fractures de composants ou aux rugosités chaotiques d’un terrain inconnu.

9.3 Vers une autonomie artificielle générale et économe en énergie

La quête d’une intelligence artificielle générale (AGI) achoppe régulièrement sur le problème de la généralisation hors domaine et de l’incapacité des modèles massifs actuels (tels que les grands modèles de langage) à interagir physiquement de manière sensée avec la trame matérielle du réel. Ces systèmes traitent des corrélations lexicales désincarnées sans posséder la moindre ancre perceptivo-motrice ni la moindre contrainte homéostatique vitale contraignant leur survie.

Le modèle fristonien soutient qu’une véritable intelligence sentiente ne saurait émerger d’un calcul purement désincarné dans le cloud. L’intelligence véritable naît de la clôture organisationnelle d’un système thermodynamique incarné qui doit minimiser son énergie libre informationnelle pour garantir la pérennité de son substrat matériel face à la mort entropique. En dotant les agents artificiels d’un corps cybernétique fermé délimité par une couverture de Markov, d’impératifs allostatiques stricts (tels que la gestion de leur propre autonomie de batterie) et de modèles génératifs hiérarchiques profonds, l’inférence active ouvre la voie à des systèmes véritablement autonomes.

De telles machines manifesteraient des capacités d’apprentissage en quelques exemples (few-shot learning) comparables à celles de l’enfant humain, car leurs prédictions descendantes, forgées au fil de leur ancrage dans le monde sensible, contraindraient immédiatement l’espace des hypothèses possibles. La sentience artificielle ne surgira pas de la multiplication aveugle de gigawatts de calcul matriciel brut, mais de l’élégance variationnelle avec laquelle une structure synthétique parviendra à maintenir son organisation stationnaire de non-équilibre au cœur du monde physique réel.

10. Débats philosophiques : réalisme, instrumentalismes et énactivisme

10.1 Réalisme structurel bayésien contre instrumentalisme opérationnel

Le statut ontologique du principe d’énergie libre et du traitement prédictif suscite d’intenses controverses au sein de la philosophie contemporaine des sciences et de l’esprit. Une question fondamentale divise les épistémologues : le cerveau calcule-t-il réellement des distributions de probabilité et des gradients d’énergie libre, ou cette armature mathématique n’est-elle qu’une construction théorique commode permettant aux scientifiques de décrire élégamment le comportement des organismes « comme s’ils » exécutaient ces algorithmes ?

Ce clivage oppose les réalistes structurels aux instrumentalistes :

• Le réalisme structurel bayésien, souvent défendu par Andy Clark ou Jakob Hohwy, affirme que les distributions variationnelles, les erreurs de prédiction et les couvertures de Markov correspondent à des entités physico-biologiques objectives concrètement instanciées dans la circuiterie néocorticale. Pour ces penseurs, le cerveau est littéralement une machine d’inférence statistique ; nier sa nature bayésienne reviendrait à nier que le cœur humain est une pompe mécanique assurant la propulsion du flux sanguin.
• À l’opposé, les instrumentalistes opérationnels soulignent que le principe d’énergie libre relève d’un principe de moindre action semblable au principe de Fermat en optique géométrique. De même qu’un rayon lumineux ne résout aucun calcul infinitésimal pour choisir la trajectoire la plus rapide entre deux milieux réfringents, un organisme vivant ne résout point d’équations différentielles stochastiques : il suit simplement la trajectoire imposée par les contraintes matérielles de sa physique. L’énergie libre n’est dès lors qu’un outil de mesure analytique appartenant à l’observateur scientifique et non une dynamique cognitive intrinsèque logée dans la tête de l’agent.

Ce débat se complique encore lorsque Friston lui-même oscille entre des déclarations d’un réalisme physicaliste intransigeant (affirmant que toute chose qui existe doit posséder une couverture de Markov) et des postures méthodologiques plus tempérées reconnaissant la nature purely régulatrice du formalisme variationnel.

10.2 Le traitement prédictif face à la cognition énactive et incarnée

L’un des dialogues philosophiques les plus féconds et les plus disputés de la décennie oppose le traitement prédictif aux théoriciens de la cognition énactive et incarnée (l’approche des « 4E » : Embodied, Embedded, Enacted, Extended), héritiers de Varela, Thompson et Rosch. À première vue, une opposition conceptuelle irréconciliable semble déchirer les deux mouvements :

• D’un côté, le traitement prédictif classique (notamment sous la plume de Jakob Hohwy) est souvent qualifié d’hyper-intellectualiste et de néo-cartésien. En postulant un « modèle génératif interne » qui infère les causes distales du monde dissimulées derrière une couverture de Markov infranchissable, il semble réhabiliter un réalisme indirect confinant l’esprit dans un solipsisme computationnel où le cerveau ne manipule que des représentations internes fantasmées.
• De l’autre côté, l’énactivisme radical rejette avec véhémence l’existence même de représentations mentales internes, affirmant que la cognition n’est pas un calcul symbolique du monde, mais une action incarnée directe, un « faire émerger » le monde (bringing forth a world) par le couplage sensorimoteur vivant de l’organisme avec sa niche physique.

Toutefois, sous l’impulsion de philosophes comme Andy Clark ou Shaun Gallagher, une brillante synthèse énactive de l’inférence active a émergé. Dans cette perspective réconciliatrice, les « représentations » du modèle fristonien ne sont point des représentations détachées et contemplatives reflétant passivement un monde extérieur statique : ce sont des représentations résolument orientées vers l’action (action-oriented representations). Elles ne cartographient pas « ce qui est », mais prescrivent « ce qu’il faut faire » pour survivre. L’inférence active, en unifiant immédiatement perception et motricité, accomplit la prophétie énactive : le système ne perçoit son milieu que dans et par l’engagement moteur actif de son corps matériel.

De surcroît, le concept de couverture de Markov s’avère hautement plastique. Dans le cadre de la théorie de l’esprit étendu (Extended Mind), la couverture de Markov d’un individu peut se dilater dynamiquement pour englober des outils matériels, une canne pour un aveugle, un carnet de notes ou un smartphone connecté, dissolvant la frontière stricte de la boîte crânienne au profit d’un système couplé hybride minimisant collectivement son énergie libre.

10.3 Téléologie naturelle et dissipation de l’entropie

Depuis les débuts de la philosophie naturelle, l’étude du vivant se heurte au spectre de la finalité. Comment rendre compte de l’apparente intentionnalité, de la finalité interne et de la téléologie des processus biologiques — l’œil semblant « fait pour voir », le poumon « conçu pour respirer » — sans succomber aux illusions métaphysiques du vitalisme ou du créationnisme ?

Le principe d’énergie libre apporte une réponse d’une puissance physico-conceptuelle inouïe : il accomplit la sécularisation thermodynamique de la téléologie. Dans le modèle de Friston, la téléologie n’est pas une cause finale mystérieuse tirant l’évolution depuis le futur, mais une conséquence mathématique inévitable de la persistance des systèmes physiques hors équilibre. Tout agrégat de matière qui parvient à persister dans le temps au sein d’un univers turbulent doit, par simple nécessité de sélection d’existence, minimiser la dispersion de ses états dans l’espace des phases. S’il n’y parvenait point, il cesserait immédiatement d’exister en tant qu’entité distincte.

Ce constat s’inscrit au sein d’une perspective cosmologique vertigineuse. Selon la thermodynamique de non-équilibre, loin de contrevenir au second principe de la thermodynamique, les structures dissipatives vivantes — et par extension les agents sentients minimisant leur énergie libre — sont les mécanismes les plus efficaces que le cosmos a trouvés pour accélérer la dissipation globale de l’entropie de l’univers à grande échelle. L’organisme vivant absorbe de l’énergie libre hautement ordonnée issue du rayonnement stellaire ou de la chaîne trophique pour maintenir localement sa propre couverture de Markov, et rejette en contrepartie dans le milieu une quantité massive d’entropie thermique dégradée. L’intentionnalité de la conscience et l’ardeur du vivant ne sont rien d’autre que les instruments phénoménologiques par lesquels la thermodynamique universelle poursuit son inexorable déploiement statistique.

11. Controverses conceptuelles, limites méthodologiques et critiques

11.1 L’accusation d’infalsifiabilité et le statut de ‘théorie du grand tout’

Malgré son aura grandissante et l’enthousiasme spectaculaire qu’il suscite, le principe d’énergie libre fait l’objet de vives critiques épistémologiques émanant tant de neuroscientifiques expérimentaux que de philosophes des sciences rigoureux. L’accusation la plus récurrente et la plus incisive porte sur le risque d’infalsifiabilité poppérienne inhérent au formalisme fristonien.

En prétendant englober simultanément la division cellulaire, la dynamique du potentiel d’action, le sommeil paradoxal, la schizophrénie, la morphogenèse végétale et l’évolution des structures politiques internationales, le principe d’énergie libre court le risque de devenir une métathéorie tautologique. Si toute dynamique adaptative peut, a posteriori, être réécrite mathématiquement comme une minimisation d’énergie libre en ajustant opportunément la fonctionnelle de coût, la structure de la couverture de Markov ou les matrices de précision, la théorie perd son pouvoir de prédiction discriminante. Une théorie qui explique absolument tout n’explique plus rien, car aucune observation empirique concevable ne semble en mesure de la contredire ou de l’invalider de manière définitive.

Pour dissiper ce grief, Friston et ses défenseurs ont dû opérer une distinction épistémologique cruciale :

• Le principe d’énergie libre en lui-même doit être considéré non pas comme une hypothèse biologique falsifiable au sens poppérien strict, mais comme un cadre axiomatique fondamental (analogue au principe de moindre action de Hamilton ou aux lois du mouvement de Newton en physique). De tels principes physiques ne sont jamais falsifiables isolément ; ils fournissent le système de coordonnées formel au sein duquel des modèles spécifiques sont construits.
• Ce sont les modèles empiriques dérivés de l’inférence active — par exemple, une hypothèse computationnelle précise liant la transmission laminaire gamma à l’invalidation pharmacologique des récepteurs NMDA lors d’une tâche d’inversion probabiliste — qui constituent les véritables théories scientifiques falsifiables, ouvertes à la réfutation expérimentale quotidienne dans les laboratoires de neurosciences.

11.2 La plausibilité neurobiologique des calculs bayésiens exacts

Une seconde ligne de fracture, d’ordre méthodologique et biophysique, interroge la faisabilité matérielle de ces mécanismes au sein du tissu cérébral. Le modèle fristonien postule une machinerie d’optimisation variationnelle sophistiquée qui exige, du point de vue algorithmique, l’inversion d’intégrales probabilistes complexes et le recours permanent à des approximations mathématiques lourdes.

Pour rendre les calculs computationnellement traitables par des circuits neuronaux réels, le formalisme doit s’appuyer massivement sur deux hypothèses mathématiques simplificatrices drastiques :

• L’approximation de Laplace, qui postule que les distributions de probabilité a posteriori sont approximativement gaussiennes (normales), permettant de résumer la totalité d’une distribution d’états à deux seuls paramètres : son espérance mathématique (la moyenne) et sa variance (l’inverse de la précision).
• L’hypothèse de champ moyen (mean-field approximation), issue de la physique statistique, qui pose que les causes cachées de l’environnement peuvent être factorisées en variables statistiques indépendantes les unes des autres.

Or, de nombreux neurophysiologistes contestent la validité biologique universelle de ces postulats. Le monde naturel est traversé de distributions de probabilité asymétriques à queues lourdes (lois de puissance, bifurcations critiques), pour lesquelles l’approximation gaussienne de Laplace échoue lamentablement. De surcroît, le débat empirique fait rage quant à l’existence physique avérée d’une ségrégation anatomique aussi étanche que celle postulée par Friston entre les neurones codant spécifiquement l’erreur de prédiction et ceux codant la valeur des représentations d’état au sein des colonnes corticales. Si les preuves abondent dans certaines aires sensorielles primaires hautement laminées, la généralisation de ce schéma cytoarchitectonique canonique aux zones d’intégration transmodales reste à ce jour vigoureusement débattue.

11.3 Le problème de la chambre noire (The Dark Room Problem)

L’une des objections conceptuelles les plus célèbres formulées contre le modèle fristonien est le paradoxe de la chambre noire (The Dark Room Problem). L’objection se résume ainsi : si un agent vivant a pour unique et absolu impératif existentiel de minimiser son énergie libre variationnelle — et donc d’éliminer toute surprise sensorielle face au monde —, pourquoi ne se réfugie-t-il pas immédiatement dans une pièce obscure, silencieuse et immobile pour s’y tapir dans le noir le plus complet jusqu’à sa fin ? Dans une telle chambre noire, l’entropie sensorielle est quasiment nulle, les erreurs de prédiction sont anéanties et la surprise est maintenue à son minimum thermodynamique.

La réponse apportée par Karl Friston à cette énigme révèle toute l’élégance de l’inférence active. Le paradoxe de la chambre noire ne repose que sur une mauvaise compréhension de la nature du modèle génératif hérité par l’organisme au terme de millions d’années d’évolution biologique :

• Un être humain n’est point né comme une page blanche vierge (tabula rasa) dotée de croyances a priori neutres. Notre génome et notre épigénétique ont inscrit dans la structure même de notre système nerveux des croyances préalables phénotypiques hautement impératives stipulant que nous devons être exposés à des températures comprises entre 18 et 25 degrés, ingérer du glucose à intervalles réguliers, respirer de l’oxygène et maintenir des interactions sociales stimulantes.
• Pour un être humain, rester tapi dans une chambre noire sans eau ni nourriture constitue une situation d’une surprise informationnelle cataclysmique par rapport à son modèle phénotypique de survie ! En vertu de son architecture générative, l’agent prédit qu’il va mourir de déshydratation s’il ne bouge pas ; cette gigantesque erreur de prédiction motrice et intéroceptive le pousse inexorablement à quitter la pièce obscure pour aller explorer le monde, cueillir des fruits et s’abriter activement.

Le vivant n’est point un minimiseur passif de signaux sensoriels immédiats, mais un agent exploratoire guidé par des impératifs phénotypiques rigides qui l’obligent à modifier sans relâche son écosystème pour garantir que ses sensations futures coïncideront avec les conditions non négociables de son existence biologique.

12. Perspectives futures et horizon théorique des sciences de l’esprit

12.1 Convergence interdisciplinaire : de la biophysique aux sciences sociales

Le déploiement contemporain du principe d’énergie libre outrepasse désormais largement les frontières initiales des neurosciences computationnelles pour façonner une véritable épistémologie unifiée reliant l’ensemble des échelles du réel. Nous assistons à une convergence interdisciplinaire sans précédent, où le même formalisme mathématique sert simultanément à modéliser la biophysique des canaux ioniques membranaires, la morphogenèse de la crête neurale embryonnaire, les transitions de phase psychopathologiques et les crises politiques macro-sociologiques.

Cette universalité repose sur l’établissement d’une ontologie computationnelle partagée. Les sciences sociales computationnelles s’emparent activement du cadre de l’inférence active pour éclairer la manière dont les polarisations idéologiques et les bulles de filtres numériques émergent à l’échelle des populations. Une communauté politique peut être formalisée comme un macro-agent bayésien consolidant sa propre couverture de Markov institutionnelle par le rejet violent d’informations contradictoires externes assimilées à des flux destructeurs d’erreurs de prédiction ingérables.

Sur le front écologique, le modèle offre une grille d’analyse saisissante pour comprendre la crise globale de l’Anthropocène. La dégradation accélérée de la biosphère planétaire s’analyse comme la rupture dramatique des boucles d’inférence active unissant les sociétés industrielles à leur substrat écologique : en détruisant les rétroactions sensorielles environnementales qui alertaient jadis les peuples sur l’épuisement des écosystèmes, la modernité technicienne s’est enfermée dans un modèle génératif autiste incapable de réviser ses croyances consuméristes délétères, précipitant la trajectoire globale vers une surprise systémique mortelle.

12.2 Innovations en psychiatrie translationnelle et biomarqueurs computationnels

L’horizon le plus exaltant pour la pratique médicale réside dans l’avènement d’une psychiatrie translationnelle guidée par l’inférence active. Jusqu’à présent, la psychiatrie demeurait l’une des rares spécialités médicales dépourvue de biomarqueurs physiologiques objectifs capables d’orienter précisément le choix des traitements pharmacologiques, reposant presque exclusivement sur des classifications syndromiques manuelles.

L’inférence active transforme cet état de fait en introduisant le phénotypage computationnel individuel :

• En soumettant un patient à des batteries de tests comportementaux couplés à l’électroencéphalographie à haute densité (comme des tâches d’apprentissage par inversion probabiliste sous volatilité temporelle), des algorithmes variationnels peuvent inverser le modèle computationnel du sujet et estimer quantitativement les paramètres latents régissant son cerveau : le taux d’apprentissage bayésien, la sensibilité à la précision sensorielle, la vitesse de décroissance de l’atténuation motrice ou la modulation dopaminergique de ses politiques d’action.
• Ces paramètres mathématiques constituent de véritables biomarqueurs digitaux permettant de prescrire une molécule médicamenteuse non plus à l’aveugle, mais pour restaurer spécifiquement une défaillance computationnelle ciblée (par exemple, prescrire un agoniste cholinergique pour réhausser une précision sensorielle écroulée, ou calibrer un protocole de stimulation magnétique transcrânienne pour inhiber une hyper-précision d’erreur supragranulaire).
• De nouvelles approches de psychothérapie assistée par ordinateur et de remédiation cognitive sur-mesure voient également le jour, conçues mathématiquement pour réapprendre au patient anxieux ou traumatisé à tolérer l’incertitude épistémique sans déclencher de panique allostatique viscérale.

12.3 Vers une théorie mathématique universelle de la sentience et du vivant

Au faîte de son ambition théorique, le programme de recherche initié par Karl Friston se projette vers la constitution d’une théorie géométrique universelle de la conscience et de la sentience. En combinant la mécanique statistique des systèmes hors équilibre avec la géométrie de l’information développée par Shun-ichi Amari, Friston et ses collaborateurs contemporains s’attachent à formaliser l’espace des états mentaux sous forme de variétés riemanniennes équipées de la métrique d’information de Fisher.

Dans ce cadre géométrique transcendant, la conscience n’est point une substance mystérieuse jaillissant par miracle d’un assemblage de cellules biologiques, ni une illusion phénoménologique superflue. Elle représente la propriété intrinsèque de tout système dynamique complexe capable de s’engager dans une inférence temporelle profonde (deep temporal inference), c’est-à-dire capable de projeter son modèle génératif sur des trajectoires futures contrefactuelles en évaluant les conséquences potentielles de ses propres actions avant de les exécuter matériellement. La profondeur hiérarchique et temporelle du modèle génératif trace la frontière nette entre la matière simplement vivante et la matière véritablement sentiente, capable d’imagination, de délibération morale et de réflexivité métacognitive.

L’œuvre colossale de Karl Friston s’impose d’ores et déjà comme l’une des ruptures paradigmatiques majeures de l’histoire des sciences de l’esprit, rivalisant en envergure avec la théorie de l’évolution de Charles Darwin ou la thermodynamique statistique de Ludwig Boltzmann. En démontrant que la perception, l’action, l’intéroception et la société tout entière ne sont que les expressions polymorphes d’un seul et unique impératif mathématique — la minimisation de l’énergie libre variationnelle —, Friston n’a pas seulement réinventé les neurosciences : il a offert à l’humanité le miroir formel le plus vertigineux pour contempler l’énigme de sa propre présence au monde.

Références

• Ashby, W. R. (1956). An Introduction to Cybernetics. Chapman & Hall. https://doi.org/10.5962/bhl.title.5851
• 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. https://doi.org/10.1093/acprof:oso/9780190217013.001.0001
• 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
• Feynman, R. P. (1972). Statistical Mechanics: A Set of Lectures. W. A. Benjamin.
• 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., Daunizeau, J., Kilner, J., & Kiebel, S. J. (2010). Action and behavior: a free-energy formulation. Biological Cybernetics, 102(3), 227–260. https://doi.org/10.1007/s00422-010-0364-z
• 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. Leopold Voss.
• Hohwy, J. (2013). The Predictive Mind. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199682737.001.0001
• Maturana, H. R., & Varela, F. J. (1980). Autopoiesis and Cognition: The Realization of the Living. D. Reidel Publishing Company. https://doi.org/10.1007/978-94-009-8947-4
• Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann.
• Pezzulo, G., Rigoli, F., & Friston, K. (2015). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology, 134, 17–35. https://doi.org/10.1016/j.pneurobio.2015.09.001
• 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
• 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
• Shannon, C. E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(3), 379–423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
• Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press. https://doi.org/10.7551/mitpress/6730.001.0001