Théorie des exemplaires de la catégorisation – Douglas L. Medin & Marguerite M. Schaffer

La question de la catégorisation constitue depuis l’émergence des sciences cognitives l’un des carrefours les plus fondamentaux de la philosophie de l’esprit, de la psychologie expérimentale et des neurosciences computationnelles. Comment l’esprit humain parvient-il, à partir d’un flux continu, chaotique et perpétuellement changeant d’expériences sensorielles singulières, à regrouper des entités dissemblables sous un même vocable conceptuel ? Par quels mécanismes cognitifs un zoologiste reconnaît-il instantanément un spécimen rare comme appartenant à la famille des passereaux, ou un individu ordinaire identifie-t-il une chaise difforme, une tasse ébréchée ou le visage vieilli d’un ami d’enfance ? Durant des décennies, la tradition dominante a postulé que l’intelligence humaine procédait nécessairement par abstraction épurée, éliminant les détails anecdotiques pour ne conserver que l’essence générique, la règle formelle ou le centre de gravité statistique des concepts.

C’est au cœur de cette certitude épistémologique qu’a éclaté, à la fin des années 1970, une révolution théorique aussi audacieuse que contre-intuitive. En formulant leur modèle de contexte de l’apprentissage de la classification (Context Theory of Classification Learning), Douglas L. Medin et Marguerite M. Schaffer ont renversé l’axiome fondamental selon lequel la pensée conceptuelle exigerait l’abandon de la mémoire épisodique au profit de structures abstraites globales. Selon leur perspective, loin de condenser l’expérience sous la forme de définitions fermées ou de prototypes idéalisés, l’architecture cognitive stocke fidèlement une multitude de traces d’exemplaires spécifiques rencontrés au fil de l’existence. La catégorisation n’est alors plus conçue comme la confrontation d’un stimulus avec une norme générique préfabriquée, mais comme un processus dynamique d’activation et de sommation de similarités entre la stimulation présente et une myriade d’épisodes singuliers conservés en mémoire à long terme.

Cette approche par exemplaires a profondément remodelé la psychologie cognitive en démontrant, par une modélisation mathématique d’une rare élégance et une série d’expérimentations rigoureuses, que les phénomènes jusqu’alors attribués à des abstractions stables — tels que les effets de typicalité, la vitesse d’identification ou la flexibilité des frontières conceptuelles — peuvent émerger spontanément de la simple agrégation d’instances concrètes. Le présent article propose une exploration approfondie de cette théorie séminale : depuis ses racines historiques et son formalisme mathématique originel jusqu’à ses prolongements contemporains dans les réseaux connexionnistes, la modélisation bayésienne et les neurosciences cognitives.

1. Introduction et fondements historiques de la théorie des exemplaires (Medin & Schaffer, 1978)

1.1 Le contexte de publication de l’article séminal de 1978

L’année 1978 marque un tournant décisif dans l’histoire de la psychologie cognitive avec la publication, dans la prestigieuse revue Psychological Review, de l’article fondateur de Douglas L. Medin et Marguerite M. Schaffer intitulé « Context theory of classification learning ». Pour mesurer la portée subversive de ce travail, il importe de replacer sa parution dans le climat intellectuel de l’époque, qui était alors le théâtre d’une première rupture paradigmatique majeure. Depuis le milieu des années 1950, l’avènement du cognitivisme computationnel avait érigé la métaphore de l’esprit comme manipulateur de symboles en dogme quasi universel. Sous l’influence des travaux pionniers de Jerome Bruner, Jacqueline Goodnow et George Austin présentés dans A Study of Thinking (1956), la catégorisation était quasi exclusivement comprise comme une quête active et explicite de règles logiques combinant des attributs discrets nécessaires et suffisants.

Toutefois, dès le début des années 1970, cette approche par règles avait été vigoureusement ébranlée par les recherches expérimentales d’Eleanor Rosch et de ses collaborateurs sur la théorie des prototypes. Rosch avait mis en évidence la structure graduée des catégories naturelles, l’absence de frontières nettes et l’omniprésence des effets de typicalité, suggérant que les individus catégorisent les objets en fonction de leur proximité avec une représentation moyenne ou idéale abstraite. Malgré leur rivalité formelle, l’approche par règles et l’approche par prototypes partageaient une prémisse épistémologique fondamentale que personne ne remettait sérieusement en question : l’apprentissage conceptuel nécessite une forme d’abstraction réductrice. On considérait comme une évidence incontournable que le système cognitif, limité par ses capacités de traitement et de rétention, devait obligatoirement compresser les données sensorielles en effaçant les particularités individuelles pour en extraire une essence fonctionnelle.

C’est précisément cette nécessité épistémologique de repenser le stockage mnésique des entités catégorisées qui a guidé la collaboration intellectuelle féconde entre Douglas L. Medin, jeune professeur prometteur à l’Université Rockefeller puis à l’Université de l’Illinois, et Marguerite M. Schaffer. Face à une communauté scientifique persuadée que la mémoire humaine agit comme un crible éliminant le particulier pour bâtir le général, Medin et Schaffer ont posé une question radicale : et si l’esprit humain ne calculait ni ne stockait aucune abstraction préalable, mais conservait au contraire la texture brute, détaillée et indicée des épisodes perceptifs passés ? Leur démarche n’était pas une simple spéculation philosophique, mais une offensive méthodologique rigoureuse adossée à une formalisation mathématique novatrice, venue défier de front les certitudes les plus ancrées de la psychologie de la pensée.

1.2 Définition conceptuelle de la théorie des exemplaires

Au cœur de la théorie formulée par Medin et Schaffer réside un principe ontologique d’une simplicité désarmante mais aux conséquences théoriques incalculables : la conservation des traces mnésiques spécifiques plutôt qu’une abstraction centrale. Dans cette perspective, une catégorie n’existe pas en tant qu’entité mentale synthétique, prototype moyenné ou liste close de conditions formelles. Une catégorie n’est rien d’autre que la population d’exemplaires concrets qu’un individu a encodés lors de ses interactions préalables avec l’environnement. Chaque fois qu’un stimulus est perçu et catégorisé, il ne vient pas simplement modifier les paramètres d’une moyenne abstraite préexistante ; il laisse une empreinte mnésique dédiée, conservant l’ensemble ou une grande partie de ses caractéristiques perceptives, de ses traits accessoires et des conditions contextuelles au sein desquelles l’épisode a pris place.

Cette approche instaure une distinction opératoire fondamentale entre les concepts abstraits conventionnellement postulés par la sémantique formelle et les représentations conceptuelles indicées par le contexte. Là où la théorie classique de l’information envisageait la mémoire comme un dispositif d’économie cognitive drastique voué à minimiser l’espace de stockage, la théorie des exemplaires fait le pari d’une mémoire riche, foisonnante, capable de retenir une quantité prodigieuse de variations individuelles sans que cette redondance n’entrave l’efficacité décisionnelle. Le processus de jugement catégoriel devient dès lors une opération computationnelle émergente : lorsqu’un nouvel item se présente, il agit comme une sonde perceptive envoyée vers l’ensemble de la mémoire épisodique, déclenchant une sommation probabiliste de similarités individuelles avec chaque trace enregistrée.

Par conséquent, l’expérience directe retrouve un rôle central et structurant absolu dans la genèse des compétences conceptuelles. Ce que nous nommons « concept » n’est pas une entité figée logée dans un dictionnaire mental universel, mais un état transitoire de résonance globale provoqué par le présent sur le substrat de notre histoire personnelle. Deux individus ayant rencontré des échantillons historiques dissemblables d’une même catégorie biologique ou technique — par exemple, un habitant d’une zone rurale confronté à des dizaines de races de canidés de travail et un citadin n’ayant côtoyé que de petits chiens d’appartement — ne possèdent pas le même « concept » de chien sous une forme universelle dégradée, mais activent des constellations d’exemplaires distinctes dont la combinatoire dicte instantanément les gradients de typicalité et les seuils de décision.

1.3 Objectifs théoriques et ambition méthodologique des auteurs

L’ambition première de Medin et Schaffer ne résidait pas seulement dans l’énonciation d’une séduisante hypothèse phénoménologique, mais dans la construction d’une alternative formelle et hautement quantifiable aux modèles d’apprentissage par règles qui dominaient l’analyse des tâches artificielles de classification, ainsi qu’aux modèles de prototypes qui s’imposaient dans le traitement des catégories naturelles. Les auteurs visaient à développer un cadre mathématique explicite, capable d’engendrer des prédictions numériques précises quant aux taux de réussite, aux choix préférentiels et aux temps de latence des participants dans des paradigmes contrôlés en laboratoire. La théorie se devait d’être réfutable, paramétrable et vérifiable au moyen de méthodes d’ajustement statistique rigoureuses.

Un objectif théorique majeur consistait à prédire les transferts d’apprentissage sur des stimuli entièrement nouveaux avec une acuité mathématique supérieure à celle affichée par les approches concurrentes. Il s’agissait de comprendre pourquoi, dans certaines configurations expérimentales délicates, des stimuli jamais rencontrés auparavant mais rigoureusement identiques au « prototype moyen » théorique des catégories étaient moins bien classés ou classés avec moins de confiance que d’autres items inédits qui, bien qu’éloignés du centre moyen, partageaient une forte affinité de configuration avec deux ou trois exemplaires spécifiques abondamment mémorisés. Les modèles d’abstraction s’avéraient incapables d’anticiper de telles asymétries, car en fusionnant les items dans un profil synthétique unique, ils effaçaient irrémédiablement la matrice d’inter-similarités locales.

Enfin, l’ambition méthodologique de Medin et Schaffer portait un coup direct à ce que l’on appelait alors l’hypothèse de l’économie cognitive radicale formulée notamment par Collins et Quillian (1969) dans leurs réseaux sémantiques hiérarchiques. Les deux chercheurs ont démontré que ce que l’on considérait comme une « optimisation » de la mémoire — l’élimination des redondances singulières — constituait en réalité une amputation fonctionnelle catastrophique pour le système cognitif. En voulant épargner quelques traces en mémoire, l’esprit se priverait des covariations subtiles entre attributs, des exceptions fonctionnelles et de la variabilité interne des catégories, autant d’indices hautement prédictifs indispensables à la survie biologique et à l’adaptation quotidienne.

2. La rupture avec l’approche classique et le modèle du prototype

2.1 Les insuffisances de l’approche aristotélicienne classique

Pour appréhender l’impact sismique de la théorie des exemplaires, il est nécessaire de mesurer l’impasse dans laquelle s’était enlisée la vision traditionnelle de la catégorisation, souvent qualifiée d’aristotélicienne ou classique. Depuis l’Antiquité grecque jusqu’aux premiers traités de psychologie expérimentale du XXe siècle, la catégorisation était pensée sur le modèle de la taxonomie logique : un concept était défini par une conjonction d’attributs définissants, chacun étant individuellement nécessaire et tous étant conjointement suffisants pour décréter l’inclusion d’une instance. Pour être un « carré », une figure géométrique doit impérativement posséder quatre côtés égaux et quatre angles droits ; l’absence d’un seul de ces traits entraîne l’exclusion immédiate, sans nuance ni transition possible.

Or, dès que l’on quitte le domaine clos des mathématiques pures et des définitions juridiques formelles pour examiner les concepts naturels et artefactuels manipulés par les êtres humains au quotidien, cette exigence de conditions nécessaires et suffisantes s’effondre lamentablement. Comme le philosophe Ludwig Wittgenstein l’avait brillamment souligné dans ses Recherches philosophiques (1953) à travers l’exemple célèbre de la notion de « jeu » (Spiel), il n’existe aucun trait unique — qu’il s’agisse de la compétition, de la présence de règles, du divertissement ou de l’adresse physique — qui soit partagé par tous les jeux sans exception tout en excluant les non-jeux. Les catégories réelles ne sont pas soudées par des identités d’essence, mais par un entrelacement lâche et complexe de ressemblances partielles, ce que Wittgenstein nommait des « airs de famille ».

L’approche classique s’est montrée totalement incapable de rendre compte des effets de typicalité abondamment documentés par la psychologie expérimentale. Dans un cadre aristotélicien strict, l’appartenance catégorielle est une fonction binaire : on appartient à une catégorie ou on n’y appartient pas. Il est donc théoriquement impossible d’expliquer pourquoi les individus s’accordent massivement pour déclarer qu’un merle ou un moineau est un « meilleur » oiseau qu’un pingouin ou une autruche, ou pourquoi ils mettent substantiellement moins de millisecondes à valider la proposition « une pomme est un fruit » que « une tomate est un fruit ». La rigidité dogmatique de l’approche classique face à l’imprécision inhérente et aux frontières floues (fuzzy boundaries) des concepts naturels a fini par marginaliser ce modèle au profit de descriptions empiriquement viables de la plasticité cognitive.

2.2 La confrontation directe avec la théorie des prototypes de Rosch

Face à l’effondrement de l’orthodoxie classique, la psychologue Eleanor Rosch a révolutionné le champ intellectuel dans les années 1970 en développant la théorie des prototypes. Rosch a formalisé l’idée selon laquelle les catégories sont organisées autour d’une tendance centrale représentant l’exemplaire le plus typique, une sorte d’image composite ou de résumé statistique calculé à partir de la fréquence moyenne des attributs rencontrés dans la catégorie. Dans ce paradigme, l’appartenance n’est plus binaire mais graduée : elle dépend de la proximité sémantique ou perceptive mesurée entre un stimulus particulier et le prototype abstrait de référence. Cette conceptualisation a rencontré un succès foudroyant parce qu’elle résolvait élégamment le paradoxe des frontières floues et expliquait les temps de latence expérimentaux.

Cependant, Medin et Schaffer ont identifié une faille architecturale majeure dans ce triomphe apparent de l’abstraction statistique. Le calcul d’une tendance centrale ou d’un prototype idéal implique nécessairement l’effacement complet de la variabilité intracatégorielle. Lorsqu’un système cognitif agrège une série d’instances pour n’en extraire que la moyenne arithmétique de leurs traits, l’information cruciale relative à l’étendue de la dispersion des observations est définitivement oblitérée. Si nous savons simplement que la taille moyenne d’une créature appartenant à une catégorie donnée est de cinquante centimètres, nous sommes incapables de savoir si tous les membres de cette espèce mesurent scrupuleusement entre 48 et 52 centimètres, ou si la catégorie rassemble en réalité des individus lilliputiens de dix centimètres et des géants d’un mètre. Or, les données comportementales démontrent sans ambiguïté que l’être humain ajuste ses jugements catégoriels avec une extrême finesse selon qu’il évolue au sein d’une catégorie homogène ou hétérogène.

Plus rédhibitoire encore pour la théorie des prototypes est son incapacité structurelle à capter les corrélations entre dimensions ou traits au sein d’une même catégorie. Un modèle de prototype décompose les items en attributs indépendants et calcule la valeur moyenne sur chaque axe de manière isolée. Supposons une catégorie d’oiseaux au sein de laquelle tous les petits spécimens chantent de manière aiguë tandis que tous les grands spécimens émettent des coassements rauques. Un prototype moyen calculera une taille moyenne et un chant moyen, effaçant la liaison causale et statistique indissoluble qui unit la petite taille au chant aigu d’une part, et la grande taille au croassement d’autre part. Un individu confronté à un oiseau géant doté d’un sifflement aigu jugera immédiatement cet animal insolite et non conforme, une intuition que le prototype isolé ne peut prédire, puisqu’à ses yeux, la créature ne s’écarte de la moyenne que modérément sur chaque axe distinct sans égard pour l’incompatibilité de leur conjonction.

2.3 Le paradoxe de la conservation de l’information spécifique

La critique théorique portée par Medin et Schaffer s’appuyait sur un fait empirique déroutant que les modèles de prototypes tentaient désespérément de minimiser : la rétention paradoxale de détails non diagnostiques par les sujets humains au cours des tâches de catégorisation. Si la cognition procédait réellement par extraction économe d’un schéma central générique, les attributs perceptifs accessoires — la couleur de fond sur laquelle apparaît une forme géométrique, la typographie exacte d’une lettre, la présence d’une cicatrice sans rapport avec la race d’un animal — devraient être promptement filtrés et éliminés de la représentation conceptuelle finale. Or, d’innombrables protocoles ont établi que la manipulation de ces détails prétendument « non diagnostiques » influe lourdement sur la rapidité et l’exactitude de la classification ultérieure.

De surcroît, les sujets humains font preuve d’une sensibilité exquise et persistante à la fréquence d’apparition absolue des instances singulières. Deux exemplaires présentant un degré identique de similarité avec le centre présumé de la catégorie ne sont absolument pas traités de manière équivalente si l’un a été rencontré vingt fois et l’autre une seule fois. Le système cognitif humain manifeste un avantage net en termes d’accessibilité mnésique pour l’item fréquent, une observation qui résiste farouchement à l’hypothèse d’une fusion des traces au sein d’un prototype unique et intemporel. Si chaque présentation ne faisait qu’ajuster marginalement la position d’un centroïde géométrique abstrait, l’individualité de l’item répété se dissoudrait dans la moyenne globale.

Medin et Schaffer ont ainsi vigoureusement rejeté l’axiome de la compression de données comme mécanisme unique et indispensable de l’efficience mnésique. Les théoriciens de l’abstraction avaient confondu le résultat comportemental de la catégorisation (qui aboutit souvent à un traitement unifié de stimuli disparates) avec le format de stockage interne qui sous-tend ce comportement. Le système nerveux n’a nullement besoin de jeter l’information épisodique pour produire une décision catégorielle générale. En stockant le foisonnement du réel avec ses contingences, ses co-occurrences et ses singularités, l’esprit se dote d’une base de données d’une plasticité infiniment supérieure, capable d’être réinterrogée selon des perspectives imprévues face à des contextes décisionnels inédits.

3. Les principes architecturaux du modèle de contexte (Context Model)

3.1 La nature de la représentation des exemplaires en mémoire

Pour operationaliser leur théorie, Douglas Medin et Marguerite Schaffer ont conçu le modèle de contexte (Context Model), un édifice formel qui définit avec une grande précision analytique la manière dont l’information conceptuelle est structurée et encodée. Dans ce modèle, chaque événement de stimulation est représenté sous la forme d’un vecteur de traits discrets décrivant l’ensemble de ses propriétés perceptives, fonctionnelles et environnementales. Si l’on prend l’exemple d’un ensemble expérimental contrôlé, un stimulus peut être décrit par une suite de valeurs sur un nombre défini de dimensions orthogonales — par exemple, la forme (ronde ou carrée), la couleur (rouge ou bleue), la taille (grande ou petite) et la texture (lisse ou rugueuse), ce qui correspond formellement à un vecteur binaire ou multinomial logé dans un espace d’états psychologique.

Le point fondamental qui distingue radicalement le modèle de contexte de ses contemporains réside dans le codage multidimensionnel des attributs perceptifs et contextuels au sein d’unités mnésiques épisodiques intègres. Lorsqu’un sujet apprend qu’un item spécifique appartient à la catégorie A, il n’enregistre pas simplement un lien abstrait entre un nom et un attribut isolé. Il grave en mémoire l’intégralité de la configuration du stimulus associée à l’étiquette catégorielle et aux éléments contextuels concomitants. Aucune élimination des propriétés singulières n’intervient lors de cette phase d’intégration : chaque épisode d’apprentissage donne naissance à une trace distincte qui s’ajoute à la mémoire à long terme sans se fondre avec les traces antérieures.

Cette conservation absolue de l’intégrité configurationnelle signifie que la mémoire préserve la structure de corrélation intrinsèque du matériel d’apprentissage. Si le trait « rouge » n’apparaît jamais qu’associé à la forme « carrée » au sein des exemplaires de la catégorie A, cette contingence spatio-temporelle reste gravée dans le réseau de traces. Rien n’est moyenné, rien n’est réduit à des fréquences marginales déconnectées de leur contexte d’apparition. L’architecture cognitive préserve la trame holistique des expériences vécues, fournissant un réservoir inépuisable de données précises prêtes à résonner avec l’environnement.

3.2 Le mécanisme de comparaison globale par activation de résonance

Dès lors que la représentation en mémoire n’est qu’un corpus d’épisodes singuliers, comment s’opère la décision face à un stimulus nouveau ou familier ? Le modèle de contexte postule un mécanisme d’activation en parallèle massif, souvent formalisé sous la notion d’activation de résonance globale. Lorsqu’une sonde perceptive — un objet qui vient d’entrer dans le champ visuel du sujet — est présentée au système, elle n’est pas comparée séquentiellement ou logiquement à un catalogue de critères. La sonde se diffuse simultanément à travers l’ensemble du substrat mnésique, stimulant passivement et instantanément toutes les traces d’exemplaires préalablement emmagasinées.

Cette diffusion engendre un processus de récupération passive par appariement global d’attributs. Chaque exemplaire conservé en mémoire entre en résonance avec la sonde perceptive avec une intensité qui est fonction directe de son degré de similarité avec cette dernière. Un exemplaire rigoureusement identique au stimulus présenté résonnera avec une intensité maximale, tandis qu’un exemplaire différant par tous ses traits n’émettra qu’un écho résiduel quasi nul. Les exemplaires partageant certains traits mais différant sur d’autres résonneront à des niveaux intermédiaires, conformément à une métrique de similarité spécifique que nous détaillerons dans la section suivante.

Le système procède alors à un calcul spontané du gradient de similarité globale orientant la prise de décision catégorielle. En sommant l’ensemble des intensités de résonance émises par les exemplaires appartenant à une catégorie spécifique (par exemple, tous les membres connus de la catégorie A), le système cognitif obtient une mesure unifiée de la proximité globale entre la sonde actuelle et la catégorie considérée. Simultanément, la même sommation est effectuée pour les exemplaires appartenant aux catégories alternatives concurrentes (par exemple, la catégorie B). L’état d’activation résultant de ce bombardement mnésique global fournit la matière brute sur laquelle les mécanismes décisionnels vont s’appuyer pour générer un comportement de classification explicite.

3.3 La formalisation probabiliste de la décision de classification

Pour transformer cette énergie de résonance globale en une probabilité de réponse prédictible et mesurable expérimentalement, Medin et Schaffer ont intégré dans leur modèle un outil fondamental issu des théories quantitatives du choix psychologique : la règle de choix de R. Duncan Luce (1959). Selon cette formulation probabiliste, la probabilité $P(A|S_i)$ qu’un sujet classe un stimulus sonde donné $S_i$ dans la catégorie $A$ plutôt que dans la catégorie $B$ est strictement proportionnelle à la similarité globale que ce stimulus partage avec tous les exemplaires mémorisés de la catégorie $A$, divisée par la somme de sa similarité avec les exemplaires de la catégorie $A$ et de sa similarité avec ceux de la catégorie $B$.

Cette équation fondamentale s’énonce mathématiquement de la manière suivante :

$$P(A|S_i) = \frac{\sum_{j in A} s(S_i, E_j)}{\sum_{j in A} s(S_i, E_j) + \sum_{k in B} s(S_i, E_k)}$$

Dans cette expression, $E_j$ représente le $j$-ème exemplaire stocké au sein de la catégorie $A$, $E_k$ désigne le $k$-ème exemplaire stocké au sein de la catégorie concurrente $B$, et le terme $s(X, Y)$ formalise la fonction de similarité computationnelle entre deux configurations de traits vectoriels. Si un stimulus résonne prodigieusement avec les membres de la catégorie $A$ et très faiblement avec ceux de la catégorie $B$, le ratio s’approche asymptotiquement de la certitude absolue ($P(A|S_i) \approx 1,0$). À l’inverse, si la sonde partage des ressemblances équivalentes et conflictuelles avec les exemplaires des deux camps, le ratio converge vers l’indécision totale ($P = 0,5$), reflétant une hésitation comportementale et une augmentation drastique des temps de réaction.

De plus, cette formalisation décisionnelle intègre naturellement l’influence des biais de réponse et des attentes préalables de l’observateur. En pondérant les termes sommateurs du numérateur et du dénominateur par des coefficients de gain d’utilité ou des probabilités a priori d’occurrence des catégories (conformément au théorème de Bayes ou au modèle général de détection du signal), l’équation de Medin et Schaffer peut rendre compte avec une précision remarquable des distorsions induites par des contextes asymétriques où une catégorie est beaucoup plus fréquente, dangereuse ou valorisée qu’une autre dans l’environnement du sujet.

4. La métrique de similarité multiplicative et son formalisme mathématique

4.1 Formulation mathématique de la similarité entre exemplaires

L’innovation computationnelle la plus radicale et la plus féconde introduite par Medin et Schaffer dans le modèle de contexte réside incontestablement dans le choix de leur fonction de similarité. Avant leurs travaux, les théoriciens de la psychologie quantitative employaient presque unanimement des métriques additives de distance, issues de la géométrie euclidienne ou de la distance de Minkowski (« city-block » ou métrique de Manhattan). Dans ces formulations traditionnelles, la dissemblance globale entre deux objets n’était que la simple somme arithmétique des différences observées dimension par dimension, ce qui postulait implicitement une séparabilité et une indépendance linéaire totale des canaux de traitement sensoriel.

À rebours absolu de cette tradition linéaire, Medin et Schaffer ont introduit la métrique de similarité multiplicative. Dans le modèle de contexte, la similarité $s(S_i, E_j)$ entre une sonde $S_i$ et un exemplaire mémorisé $E_j$ est définie mathématiquement non pas comme une somme, mais comme le produit des similarités dimensionnelles individuelles évaluées sur l’ensemble des $M$ attributs caractérisant les stimuli :

$$s(S_i, E_j) = \prod_{m=1}^{M} s_m(S_{i,m}, E_{j,m})$$

Pour chaque dimension $m$, la similarité $s_m$ prend une valeur fixée par convention à $1,0$ si le stimulus sonde et l’exemplaire possèdent rigoureusement la même valeur de trait sur cet axe ($S_{i,m} = E_{j,m}$). En revanche, si les deux entités manifestent une discordance ou une divergence sur cette dimension ($S_{i,m} \neq E_{j,m}$), la fonction attribue un paramètre de similarité inter-attributs, noté usuellement $c_m$ ou $p_m$, dont la valeur numérique est strictement comprise dans l’intervalle ouvert $[0, 1]$. Cette formulation confère au calcul de similarité une propriété géométrique hautement non linéaire, rompant de manière spectaculaire avec l’espace vectoriel classique.

4.2 Implications cognitives de la règle multiplicative

L’adoption d’une fonction multiplicative entraîne des conséquences psychologiques et comportementales d’une profondeur considérable. La propriété mathématique fondamentale d’un produit de fractions réside dans le fait que chaque multiplicateur inférieur à l’unité entraîne un écroulement rapide de la valeur globale. Ainsi, si une sonde diffère d’un exemplaire sur un seul trait mineur, sa similarité ne sera atténuée que par un facteur unique (par exemple, $1 \times 1 \times 1 \times 0,8 = 0,8$). Mais si la sonde diverge sur deux traits, la similarité ne diminue pas de manière linéaire ; elle chute de façon quadratique ($0,8 \times 0,8 = 0,64$) ; et pour trois discordances simultanées, elle subit une pénalisation cubique foudroyante ($0,8^3 = 0,512$).

Cette non-linéarité engendre une pénalisation drastique des stimuli différant sur de multiples dimensions simultanées par rapport à ceux qui partagent une quasi-identité de configuration avec une trace mnésique. Sur le plan cognitif, cela signifie que le système perceptif humain n’analyse pas les objets comme des collections désincarnées de caractéristiques isolées qu’il suffirait d’additionner sur un registre comptable, mais manifeste une sensibilité extrême à l’intégrité configurationnelle globale du pattern. Un exemplaire quasi identique ancré dans la mémoire exerce une force d’attraction incomparablement supérieure à celle que pourrait prédire une simple métrique de distance linéaire.

Cette règle multiplicative constitue la clé algorithmique permettant de rendre compte des configurations spécifiques et des interactions complexes entre attributs sans requérir la moindre règle propositionnelle explicite. Dans un modèle additif classique, une différence sur la taille a toujours le même poids soustractif, que l’objet soit rouge ou bleu, sphérique ou pyramidal. Dans le modèle de Medin et Schaffer, l’impact d’une divergence sur la taille est modulé de manière interactive par l’état de concordance sur l’ensemble des autres dimensions. L’esprit humain se révèle ainsi mathématiquement configuré pour accorder un privilège décisif aux « correspondances parfaites » ou quasi parfaites, expliquant le sentiment immédiat d’évidence et de reconnaissance holistique qui caractérise notre perception quotidienne.

4.3 Comparaison fonctionnelle : métrique additive contre métrique multiplicative

Pour illustrer empiriquement la supériorité fonctionnelle de la règle multiplicative sur les métriques additives traditionnelles, il suffit d’analyser la façon dont les deux systèmes délimitent les frontières catégorielles dans l’espace psychologique. Une métrique additive contraint le système cognitif à tracer des hyperplans de décision rigides et linéaires. Dans un tel cadre, si l’on cherche à classifier des items répartis selon un schéma logique de parité ou de disjonction exclusive (l’illustre problème du XOR de Minsky et Papert qui paralysa le connexionnisme dans les années 1960), un modèle purement additif ou fondé sur un prototype central unitaire échoue mathématiquement à trouver une solution séparatrice sans distorsion complexe de l’espace.

Le modèle multiplicatif d’exemplaires résout cette énigme avec une facilité déconcertante. Puisque la similarité d’une sonde avec un exemplaire spécifique s’effondre de manière exponentielle dès que la sonde s’éloigne de ce point précis dans l’espace multidimensionnel, chaque exemplaire mémorisé agit comme une bulle d’attraction hyper-localisée. La surface de décision catégorielle résultant de la sommation globale selon la règle de Luce n’est pas un plan linéaire rigide, mais une topologie complexe, souple et ondulante, capable de contourner, d’isoler et d’englober des îlots de dispersion arbitraires, des sous-groupes déconnectés et des frontières d’une haute non-linéarité.

Cette distinction s’est révélée déterminante lors des confrontations expérimentales menées par Medin et Schaffer. En comparant rigoureusement les ajustements statistiques obtenus sur des matrices de données de choix réelles, ils ont prouvé que les modèles additifs sous-estiment systématiquement la précision de classification pour les items hautement corrélés à des exemplaires individuels et surestiment la performance sur les items intermédiaires diffus. La formulation multiplicative du modèle de contexte s’est ajustée aux réponses humaines avec une précision prédictive à laquelle aucun modèle de distance euclidienne n’avait pu prétendre jusqu’alors, établissant la réalité de ce biais psychologique universel en faveur de la concordance holistique.

5. Les mécanismes d’attention sélective dans la catégorisation

5.1 L’intégration des poids attentionnels dimensionnels

Bien que le modèle de contexte accorde une primauté absolue au stockage des instances singulières, Medin et Schaffer ont reconnu dès l’origine que le système cognitif humain ne traite pas toutes les dimensions perceptives avec une neutralité absolue et passive. Les organismes vivants sont dotés de systèmes d’attention sélective capables de moduler drastiquement le traitement de l’information en fonction de sa pertinence biologique ou de ses contraintes d’apprentissage. Pour capturer cette réalité fonctionnelle, les auteurs ont introduit des coefficients de saillance attentionnelle associés à chaque dimension du stimulus.

Dans le formalisme du modèle de contexte, cette attention sélective se traduit par la paramétrisation des coefficients de similarité dimensionnelle $c_m$. Lorsqu’une dimension $m$ particulière (par exemple, la couleur) est hautement diagnostique pour différencier les catégories en présence, le sujet focalise son attention sur cet axe. Mathématiquement, cela correspond à une diminution drastique de la valeur du paramètre de similarité en cas de discordance sur cette dimension critique ($c_m to 0$). À l’inverse, si une autre dimension (par exemple, la texture) est totalement non diagnostique et distribuée de manière aléatoire entre les catégories, le système cognitif cesse de lui allouer des ressources attentionnelles, ce qui se traduit par une valeur de similarité de non-concordance très élevée, proche de l’unité ($c_m to 1$). Une dimension négligée n’exerce plus aucune influence sur le calcul du produit global ($1 \times s = s$).

Cette modulation attentionnelle a été magistralement formalisée sur le plan théorique par Roger Shepard dans ses travaux sur l’espace psychologique continu, puis réintégrée dans le paradigme des exemplaires. L’attention sélective agit comme une véritable déformation dynamique de l’espace psychologique sous l’effet direct de l’apprentissage conceptuel. Les dimensions informatives sur lesquelles reposent les discriminations cruciales sont « étirées » cognitivement, augmentant mécaniquement la distance psychologique entre items discordants, tandis que les dimensions parasites ou superflues subissent une « contraction » ou un écrasement progressif, devenant fonctionnellement invisibles pour le calcul de résonance globale.

5.2 Modulation de l’attention par les contraintes de la tâche

L’allocation des poids attentionnels ne constitue pas une propriété statique préprogrammée du cerveau humain ; elle représente un processus adaptatif d’un dynamisme permanent, continuellement réajusté par les contingences de renforcement et les taux d’erreur observés par le sujet au fil des essais successifs. Dans les protocoles expérimentaux de Medin et Schaffer, les participants commencent généralement une tâche de classification en distribuant leur attention de manière relativement équitable sur l’ensemble des axes perceptifs visibles du stimulus.

Toutefois, dès lors que les retours d’information (feedbacks) correctifs signalent des erreurs répétées lors de l’assimilation d’items critiques, une réorganisation stratégique majeure de l’attention s’enclenche. Cette dynamique relève de l’interaction permanente entre l’attention sélective descendante (top-down), guidée par les objectifs explicites de classification et les hypothèses du sujet, et la saillance ascendante (bottom-up), imposée par les propriétés physiques intrinsèques des signaux sensoriels (luminance, contraste, mouvement). Si la tâche exige impérativement de discriminer une catégorie subtile au milieu d’un bruit perceptif écrasant, le système alloue la quasi-totalité de ses ressources aux infimes variations des traits prédictifs, modifiant en temps réel la métrique de similarité globale qui régit les résonances mnésiques ultérieures.

De plus, cette modulation attentionnelle dépend étroitement du contexte environnemental immédiat dans lequel les exemplaires sont présentés. Medin et Schaffer ont mis en évidence que la présence d’exemplaires contrastés au sein d’un même bloc de présentation incite le sujet à isoler les traits minimaux discriminants, tandis qu’un contexte d’apprentissage plus uniforme et diffus encourage un encodage plus holistique, englobant sans discernement des dimensions non diagnostiques. La catégorisation par exemplaires n’est donc pas un automatisme rigide et aveugle, mais une danse hautement cybernétique où l’encodage des traces et leur réactivation sont finement sculptés par les impératifs fonctionnels de l’instant.

5.3 La capture des dépendances statistiques entre attributs

L’un des triomphes explicatifs les plus éclatants du modèle de contexte enrichi de l’attention sélective réside dans sa capacité sans égale à capturer et exploiter les dépendances statistiques entre attributs au sein des catégories naturelles et artificielles. Dans le monde réel, les propriétés biologiques ou physiques des objets ne sont quasiment jamais réparties de manière orthogonale ou aléatoire. Comme le soulignait Rosch elle-même dans ses manifestes phénoménologiques, la nature possède une structure hautement corrélée : les créatures qui possèdent des plumes ont presque invariablement des ailes, un bec, et volent dans les airs, tandis que les créatures couvertes d’écailles respirent sous l’eau ou rampent sur le sol.

C’est ici que l’incapacité théorique des modèles de prototypes standards éclate avec le plus de force. Parce qu’un modèle de prototype résume une catégorie sous la forme d’un vecteur moyen où chaque dimension est condensée indépendamment de ses voisines, il est organiquement aveugle aux covariations de traits. Un oiseau sans plumes mais doté d’écailles et d’un bec n’apparaîtrait pas plus dysfonctionnel à un prototype pur qu’un oiseau standard, pour peu que ses valeurs moyennes se compensent globalement sur l’ensemble des axes d’intégration.

Le modèle de contexte, à l’inverse, conserve chaque exemplaire comme un nœud unitaire d’association entre attributs. Par conséquent, si un attribut donné $X$ n’apparaît conjointement avec l’attribut $Y$ que dans la seule catégorie A, le produit multiplicatif de similarité d’une sonde présentant simultanément $(X, Y)$ résonnera avec une intensité maximale avec cette constellation de traces mémorisées. Toute entité présentant la configuration discordante $(X, \text{non-}Y)$ verra son potentiel d’activation drastiquement réprimé par la pénalisation multiplicative sur au moins une de ces deux dimensions cardinales. Les dépendances structurales de l’environnement s’impriment ainsi naturellement dans la dynamique des probabilités et des vitesses de classification, conférant au modèle de Medin et Schaffer une suprématie incontestée sur l’abstractionnisme pour rendre compte de l’intuition configurationnelle humaine.

6. L’expérience séminale de Medin et Schaffer (1978) : protocole et paradigmes

6.1 Le paradigme expérimental standard à 5-4 éléments

Pour soumettre leur modèle de contexte à une épreuve empirique décisive et le confronter directement aux prédictions concurrentes de la théorie des prototypes, Douglas Medin et Marguerite Schaffer ont conçu un dispositif expérimental d’une ingéniosité méthodologique remarquable, devenu un classique universellement désigné sous le nom de paradigme « 5-4 ». Le protocole reposait sur un univers minimaliste et rigoureusement contrôlé, composé d’un ensemble de neuf stimuli artificiels décrits chacun selon quatre dimensions binaires orthogonales que l’on peut noter par convention binaire $(0 \text{ ou } 1)$. Ces dimensions correspondaient concrètement à des variations perceptives perceptibles mais simples, telles que la forme (ronde ou carrée), la couleur (rouge ou bleue), la taille (grande ou petite) et la position d’un point (en haut ou en bas).

L’ensemble d’apprentissage était scindé de manière asymétrique en deux catégories distinctes : la Catégorie A, qui comptait 5 exemplaires d’entraînement, et la Catégorie B, qui n’en comportait que 4. La matrice d’attributs de cette partition célèbre était configurée de la manière suivante :

• Catégorie A : Exemplaire A1 (1, 1, 1, 0), Exemplaire A2 (1, 0, 1, 0), Exemplaire A3 (1, 0, 1, 1), Exemplaire A4 (1, 1, 0, 1), Exemplaire A5 (0, 1, 1, 1).
• Catégorie B : Exemplaire B1 (1, 1, 0, 0), Exemplaire B2 (0, 1, 1, 0), Exemplaire B3 (0, 0, 0, 1), Exemplaire B4 (0, 0, 0, 0).

Le génie de cette structure résidait dans le contrôle absolu et mathématique des degrés de similarité partagés entre chaque paire d’exemplaires. En observant attentivement les distributions marginales des traits, la valeur $1$ dominait largement dans la Catégorie A (représentant une probabilité moyenne de $0,70$ sur les trois premières dimensions), tandis que la valeur $0$ dominait dans la Catégorie B. Si un sujet abstrayait un prototype central idéalisé au cours de l’entraînement, le prototype parfait de la Catégorie A devait théoriquement correspondre au vecteur synthétique $(1, 1, 1, 1)$, tandis que le prototype de la Catégorie B devait correspondre au vecteur inverse $(0, 0, 0, 0)$. Aucun des exemplaires présentés en phase d’apprentissage pour la Catégorie A ne possédait la configuration complète du prototype $(1, 1, 1, 1)$, permettant de créer une dissociation nette entre la proximité avec un centre abstrait et la proximité avec des traces réelles mémorisées.

6.2 Phase de transfert et stimuli critiques

Le protocole expérimental se déroulait en deux phases distinctes et rigoureusement chronométrées. Dans la phase d’acquisition, les participants étaient soumis à une séquence aléatoire de présentations des 9 exemplaires d’entraînement. À chaque essai, le sujet devait prédire si le stimulus appartenait à la catégorie A ou à la catégorie B, suivi immédiatement d’un feedback de correction indiquant la bonne réponse. Cette phase se poursuivait jusqu’à ce que les sujets atteignent un critère strict de maîtrise parfaite (deux blocs consécutifs sans la moindre erreur sur l’ensemble des neuf items), assurant ainsi que chaque exemplaire singulier avait été adéquatement encodé et associé à son étiquette respective.

C’est lors de la phase de transfert consécutive que se jouait le destin comparatif des modèles rivaux. Dans cette phase critique, le feedback correctif était totalement supprimé. Les sujets étaient alors confrontés non seulement aux 9 exemplaires d’entraînement familiers, mais également à une série de stimuli de transfert inédits, n’ayant strictement jamais été observés durant la phase d’apprentissage. Parmi ces items de transfert figurait notamment le prototype théorique de la catégorie A, l’item $(1, 1, 1, 1)$, ainsi que plusieurs stimuli soigneusement sélectionnés pour leurs propriétés de similarité paradoxale vis-à-vis des deux théories.

Le stimulus le plus célèbre de cette série critique est le stimulus de transfert souvent noté $T_6$ ou item $(0, 1, 0, 1)$. Si l’on calcule la distance de cet item vis-à-vis des prototypes théoriques, il partage exactement deux traits avec le prototype A $(1, 1, 1, 1)$ et deux traits avec le prototype B $(0, 0, 0, 0)$. Selon toute théorie fondée sur l’abstraction d’une tendance centrale, cet item équidistant des deux centres devrait provoquer une indécision totale (probabilité de classification proche de $0,50$). En revanche, si l’on calcule la similarité multiplicative de cet item avec l’ensemble des exemplaires stockés de chaque catégorie, le modèle de contexte prédit une nette préférence d’attribution catégorielle, car cet item partage une configuration quasi totale avec l’exemplaire spécifique A4 $(1, 1, 0, 1)$ et l’exemplaire A5 $(0, 1, 1, 1)$, alors qu’il ne résonne que très faiblement avec les membres éparpillés du camp B.

6.3 Résultats empiriques et validation des prédictions du modèle

Les données empiriques recueillies par Medin et Schaffer ont apporté un démenti cinglant aux théories du prototype et ont fourni une éclatante confirmation quantitative des prédictions issues du modèle de contexte. En premier lieu, les auteurs ont observé une précision de classification souvent supérieure pour des exemplaires d’apprentissage spécifiques et mémorisés par rapport au prototype moyen artificiel n’ayant jamais été vu. Si l’esprit humain ne fonctionnait que par l’intermédiaire d’un prototype central générique, le prototype $(1, 1, 1, 1)$ aurait dû susciter le taux de classification correcte le plus spectaculairement élevé et les temps de réaction les plus fulgurants de l’ensemble de l’expérience, un postulat que les tenants du prototype baptisaient « l’effet prototype de supériorité ».

Or, les mesures comportementales de Medin et Schaffer ont révélé que les sujets traitaient le prototype avec une précision respectable mais systématiquement modérée par rapport à des exemplaires familiers possédant une forte densité de voisins immédiats. Plus décisif encore fut le verdict sur les stimuli de transfert critiques tels que l’item $(0, 1, 0, 1)$. Conformément aux prédictions mathématiques exactes de la règle multiplicative sommée et en opposition frontale absolue avec les modèles de prototypes, les sujets ont massivement et significativement classé ce stimulus dans la Catégorie A, démontrant que leur jugement était irrésistiblement guidé par la résonance locale avec les exemplaires singuliers A4 et A5.

L’ajustement statistique global des données a scellé la victoire méthodologique du modèle de contexte. En appliquant la méthode des moindres carrés pour ajuster les paramètres de similarité inter-attributs ($c_m$) et les poids attentionnels, la formulation multiplicative de Medin et Schaffer a été en mesure de rendre compte de plus de 90 % de la variance empirique observée sur l’ensemble des 16 stimuli possibles de l’espace d’états (les 9 exemplaires d’entraînement et les 7 items de transfert). Les modèles de prototypes concurrents, qu’ils soient additifs ou probabilistes, ont affiché des écarts résiduels substantiels et des biais prédictifs systématiques, incapables de concilier la structure interne fine des temps de latence et des taux d’adhésion avec leurs postulats de condensation centrale.

7. Analyse comparative : Théorie des exemplaires versus Théorie des prototypes

7.1 La controverse sur l’effet de typicalité

La confrontation scientifique entre la théorie des exemplaires de Medin et Schaffer et la théorie des prototypes de Rosch a constitué l’un des débats les plus stimulants des sciences cognitives de la fin du XXe siècle. Le point névralgique de cette controverse portait sur la réinterprétation de l’effet de typicalité, cet indéniable phénomène comportemental selon lequel certains membres d’une catégorie sont jugés plus représentatifs, traités plus rapidement et appris plus aisément que leurs pairs moins conventionnels.

Pour Eleanor Rosch, la cause ontologique de l’effet de typicalité était évidente et limpide : la typicalité reflétait la proximité spatiale directe d’une entité vis-à-vis du prototype central abstrait qui trônait au sommet de la hiérarchie conceptuelle. Un moineau était jugé typique de la catégorie « oiseau » parce qu’il se situait géométriquement tout près du centroïde statistique moyen de tous les oiseaux rencontrés par l’individu, alors qu’une autruche en était fort éloignée en raison de son incapacité à voler et de sa masse corporelle hors norme.

Medin et Schaffer ont accompli un coup de force théorique en démystifiant intégralement l’effet de typicalité sans faire le moindre recours à une abstraction conceptuelle préfabriquée. Selon leur modèle, un oiseau comme le moineau est perçu comme éminemment « typique » pour une raison purement distributionnelle et sommative : il présente une similarité unitaire élevée avec un nombre colossal d’autres exemplaires réels mémorisés dans l’histoire épisodique du sujet (mésanges, pinsons, canaris, hirondelles). L’impression de « centralité » ou de conformité d’un stimulus n’est qu’un épiphénomène computationnel découlant de la sommation globale de résonance. Un item typique n’est pas un item proche d’un être fantomatique idéal ; c’est un item qui réveille en chœur une multitude massive d’exemplaires concrets similaires préalablement croisés dans le monde réel. La théorie des exemplaires réalisait ainsi un triomphe épistémologique en intégrant les données empiriques de Rosch tout en faisant l’économie de son entité théorique centrale.

7.2 Le problème des catégories non linéairement séparables

L’argument sans doute le plus dévastateur déployé en faveur des modèles d’exemplaires sur le plan logico-mathématique réside dans le problème de l’apprentissage des catégories non linéairement séparables. Dans un espace psychologique multidimensionnel, deux catégories sont dites linéairement séparables s’il est possible de tracer une frontière décisionnelle unique sous la forme d’un hyperplan rectiligne (une ligne droite en deux dimensions, un plan géométrique plat en trois dimensions) qui sépare parfaitement l’ensemble des membres de la catégorie A de tous ceux de la catégorie B sans aucune erreur.

Or, l’architecture même de la théorie des prototypes mono-représentationnelle impose que la décision de classification repose sur un critère de distance minimale par rapport aux deux centroïdes abstraits $\bar{A}$ et $\bar{B}$. Sur le plan géométrique, l’ensemble des points équidistants de deux centroïdes constitue rigoureusement un hyperplan orthogonal au segment reliant ces deux points. Par conséquent, une théorie des prototypes pure est structurellement et universellement incapable d’apprendre ou de représenter une structure de catégories qui ne soit pas linéairement séparable. Si la frontière réelle entre deux concepts requiert une séparation courbe, diagonale brisée ou disjonctive (comme les configurations de parité logique où les items (0,0) et (1,1) forment la catégorie A tandis que les items (1,0) et (0,1) forment la catégorie B), le prototype moyen des deux catégories s’établit exactement au même endroit géométrique neutre (0,5, 0,5), condamnant le modèle à l’échec et à la cécité classificationnelle la plus totale.

Les modèles d’exemplaires fondés sur la similarité multiplicative échappent intrinsèquement à cette limitation insurmontable. Puisque chaque exemplaire individuel retient son emplacement topologique propre et génère sa propre onde de similarité non linéaire décroissante, la sommation globale d’activation permet de sculpter des frontières décisionnelles hautement non linéaires, morcelées et complexes. Les êtres humains apprenant avec une facilité remarquable des catégories artificielles non linéairement séparables en laboratoire — ainsi que d’innombrables catégories complexes dans la vie courante —, l’hypothèse de l’abstraction par prototypes simples a dû battre en retraite, concédant aux modèles d’exemplaires une supériorité structurelle sur la combinatoire computationnelle du système cognitif.

7.3 L’apprentissage de catégories disjonctives ou bimodales

Un cas d’école particulièrement édifiant illustrant les apories de l’abstraction statistique concerne les catégories disjonctives ou bimodales. Que se passe-t-il au sein du système cognitif lorsque l’environnement impose de regrouper sous un label conceptuel unifié des entités appartenant à deux sous-types distincts sans le moindre centre moyen cohérent ? Considérons, par exemple, la catégorie pratique des « animaux de compagnie acceptés dans un petit appartement », qui peut englober des créatures aussi radicalement disparates que des poissons tropicaux silencieux et des chats domestiques indépendants.

Si l’on applique l’algorithme naïf de la théorie des prototypes à une telle catégorie bimodale, le système calcule mécaniquement la moyenne arithmétique des dimensions perceptives et comportementales des deux pôles. Le résultat d’une telle opération est une monstruosité psychologique : un prototype abstrait représentant un être chimérique à moitié poilu et à moitié recouvert d’écailles, doté d’une demi-nageoire et d’une demi-patte, un individu moyen qui ne ressemble à aucun animal réel et qui s’avère totalement non représentatif de la catégorie qu’il est censé incarner. Si un individu utilise ce prototype synthétique pour juger de nouveaux animaux, il rejettera à la fois un chat persan typique et un poisson rouge splendide, car chacun de ces êtres concrets se situe à des années-lumière de la moyenne monstrueuse calculée.

La théorie des exemplaires de Medin et Schaffer ne souffre d’aucune perplexité face aux structures bimodales ou disjonctives. Dans le modèle de contexte, la catégorie « animal de compagnie » n’est pas contrainte de converger vers un centre unitaire aberrant. Elle se compose simplement d’un ensemble discret de traces : les traces des chats côtoient paisiblement celles des poissons au sein du même répertoire étiqueté. Lorsqu’un nouveau chat apparaît, il n’est jamais comparé à un poisson ni à la moyenne chimérique des deux espèces ; il entre en résonance élective avec le sous-cluster des exemplaires de félins stockés en mémoire. L’approche par exemplaires permet ainsi la cohabitation harmonieuse de sous-catégories multiples et d’îlots disjonctifs sous une même bannière nominale, reflétant fidèlement l’hétérogénéité structurelle du monde réel.

8. Le rôle de la mémoire épisodique et de la trace mnésique dans la catégorisation

8.1 L’unification fonctionnelle de la catégorisation et de la reconnaissance

L’un des apports épistémologiques les plus révolutionnaires de la théorie des exemplaires réside dans la démolition des barrières artificielles qui cloisonnaient traditionnellement l’étude de la mémoire épisodique et celle des processus conceptuels. Depuis les propositions influentes d’Endel Tulving formulées au début des années 1970, la psychologie cognitive avait pris l’habitude d’opposer fermement la mémoire sémantique — considérée comme un trésor de connaissances décontextualisées, universelles et abstraites sur le monde — et la mémoire épisodique — envisagée comme le registre temporellement situé et anecdotique des souvenirs vécus d’un individu.

Le modèle de Medin et Schaffer opère une unification fonctionnelle grandiose en postulant que la catégorisation conceptuelle repose sur les mêmes et uniques traces mnésiques que celles qui permettent la reconnaissance épisodique élémentaire. Il n’y a plus lieu de maintenir deux systèmes de mémoire cérébraux hermétiquement isolés pour accomplir ces opérations. La différence entre les deux tâches ne tient pas à la nature ou au lieu de stockage de la représentation, mais à la consigne et à la nature de la décision computationnelle interrogée :

• Dans une tâche de reconnaissance épisodique classique (« Avez-vous déjà vu ce visage ou cette image lors de la phase précédente ? »), le système évalue l’intensité de résonance maximale d’une trace singulière particulière pour déterminer son ancienneté directe.
• Dans une tâche de catégorisation (« Cet animal appartient-il à l’espèce A ou B ? »), le système exécute une sommation probabiliste sur l’ensemble des résonances partielles de toutes les traces portant l’étiquette convoitée.

Ce parallélisme computationnel entre jugements d’ancienneté et jugements d’appartenance catégorielle a été considérablement développé par la suite par des chercheurs comme Douglas Hintzman avec son modèle de mémoire MINERVA 2 (1986). Hintzman a démontré qu’un système alimenté exclusivement de traces épisodiques intègres pouvait répondre avec une précision phénoménale à la fois à des interrogations de mémoire épisodique explicite et exhiber spontanément tous les effets d’abstraction, d’illusion sémantique et de typicalité imputés jusqu’alors à une mémoire sémantique spécialisée. En éliminant cette scission superflue, Medin et Schaffer ont introduit une remarquable parsimonie ontologique au sein de la psychologie de la cognition.

8.2 L’effet de fréquence et le stockage des occurrences multiples

L’ancrage de la catégorisation au sein de la mémoire épisodique permet d’élucider avec une limpidité mécanique imparable l’effet de fréquence et la gestion des occurrences multiples dans la formation des concepts. Dans les modèles classiques d’abstraction, la fréquence d’apparition d’un stimulus particulier est très difficile à intégrer de manière cohérente : si un prototype est simplement la moyenne des attributs, la présentation répétée cent fois du même item singulier ne fait que figer un peu plus la moyenne, sans que l’on comprenne pourquoi cet item spécifique acquiert un statut de traitement perceptif et cognitif ultra-privilégié au détriment de ses homologues.

Dans le modèle de contexte, chaque rencontre avec un objet n’est pas un événement fantôme qui s’efface après avoir contribué à un ajustement moyen : chaque occurrence engendre potentiellement sa propre trace mnésique distincte ou renforce de manière incrémentale et cumulative la force d’activation de la trace correspondante. Plus un exemplaire spécifique est répété dans l’environnement du sujet, plus le réservoir de traces résonnantes potentielles portant ses traits caractéristiques s’enrichit au sein de la mémoire à long terme. Lorsqu’une sonde similaire apparaît ultérieurement, la sommation globale ne capte pas seulement une affinité géométrique de traits, mais amplifie l’écho de résonance proportionnellement au nombre d’occurrences passées conservées en réserve.

Cette architecture confère au système cognitif une sensibilité immédiate à la familiarité individuelle et aux statistiques réelles de l’environnement sans nécessiter d’opération de comptage délibérée. De surcroît, chaque trace mnésique emmagasinée préserve les contextes spatio-temporels et émotionnels associés à l’encodage initial des items. La perception d’un chien berger dans une prairie alpine ne convoque pas les mêmes harmoniques contextuelles que la rencontre d’un caniche sur un trottoir parisien ; la conservation des occurrences multiples permet à l’esprit d’activer spécifiquement les traces pertinentes en fonction du paysage environnant, optimisant la vitesse et la pertinence pragmatique de la reconnaissance conceptuelle.

8.3 La dégradation et l’oubli différentiel des traces mnésiques

Une objection fréquemment formulée à l’encontre de la théorie des exemplaires concerne l’oubli : comment une théorie qui repose sur la rétention exhaustive des instances particulières peut-elle rester viable face à la dégradation inéluctable et à l’érosion temporelle qui affectent la mémoire humaine ? Douglas Medin et les modélisateurs ultérieurs de cette tradition ont retourné cette critique en démontrant que la dynamique de l’oubli différentiel des traces constitue en réalité un mécanisme puissant d’apparence d’abstraction.

Toutes les composantes d’une trace mnésique ne s’effacent pas au même rythme. Les détails contextuels hautement volatils et accessoires (l’arrière-plan de l’image, la luminosité accidentelle du laboratoire, la position précise de l’observateur) sont souvent les premiers à succomber à l’oubli temporel en raison de phénomènes d’interférence rétroactive et proactive. En revanche, les attributs structurels et fonctionnels cardinaux du stimulus, ayant été réactivés de manière répétée à travers de multiples exemplaires, conservent une intégrité beaucoup plus durable dans le substrat mnésique. Avec l’écoulement du temps, une population de traces initialement surdéterminée par des singularités contextuelles subit une forme de décoloration passive sélective.

Le résultat paradoxal de cet effacement temporel des détails spécifiques est la genèse d’une illusion d’abstraction pure. Lorsqu’un sujet est testé immédiatement après l’apprentissage, ses jugements de catégorisation sont lourdement influencés par des détails anecdotiques et des similarités de surface immédiates. Si on le teste plusieurs semaines plus tard, l’érosion des détails volatils ne laisse subsister dans le calcul de résonance globale que les signaux les plus robustes et les plus partagés. Le sujet semble alors se comporter comme s’il appliquait un prototype ou une règle générale décontextualisée, alors qu’en vérité, le moteur computationnel sous-jacent est demeuré strictement identique : une sommation d’exemplaires résiduels érodés dont la fidélité de trace s’est ajustée au cours du temps.

9. Évolutions théoriques et prolongements : Du modèle de contexte au Generalized Context Model (GCM)

9.1 L’extension continue par Robert Nosofsky (GCM)

Si le modèle de contexte de Medin et Schaffer a jeté les fondations intellectuelles et expérimentales de la théorie des exemplaires, son formalisme initial présentait une limitation méthodologique sérieuse : il était restreint à la modélisation de stimuli décomposables en dimensions discrètes ou binaires $(0 \text{ ou } 1)$. Pour déployer toute sa puissance analytique face aux catégories de la vie réelle — qui se composent continuellement de grandeurs analogiques et scalaires telles que la longueur, la chromaticité, la fréquence acoustique ou l’orientation spatiale —, il était indispensable d’élargir la théorie à des espaces dimensionnels continus.

Cette prouesse théorique a été accomplie au milieu des années 1980 par Robert M. Nosofsky à travers le développement magistral du Generalized Context Model (GCM ; Nosofsky, 1986). Nosofsky a réalisé une synthèse géniale en fusionnant le modèle de contexte de Medin et Schaffer avec les méthodologies d’échelonnage multidimensionnel (Multidimensional Scaling ou MDS) introduites par Roger Shepard. Dans le cadre du GCM, les stimuli ne sont plus de simples listes de traits booléens, mais des coordonnées spatiales $(x_{i1}, x_{i2}, dots, x_{iM})$ situées au sein d’un espace psychologique continu à $M$ dimensions, calibré empiriquement à partir de jugements de similarité directs ou de matrices de confusion perceptive.

Dans le GCM, la distance pondérée $d_{ij}$ entre deux stimuli $S_i$ et $S_j$ est calculée au moyen d’une métrique géométrique de Minkowski modulée par des poids attentionnels :

$$d_{ij} = c \left[ \sum_{m=1}^{M} w_m |x_{im} – x_{jm}|^r \right]^{\frac{1}{r}}$$

Où $w_m$ représente le poids attentionnel accordé à la dimension $m$ (avec $\sum w_m = 1$), $c$ est un paramètre global de sensibilité ou de discriminabilité cognitive, et $r$ spécifie la géométrie de l’espace ($r = 1$ pour les dimensions séparables régies par la métrique de Manhattan, $r = 2$ pour les dimensions intégrales fusionnées régies par l’espace euclidien). La similarité psychologique $s_{ij}$ n’est plus une simple multiplication discrète, mais une fonction de décroissance exponentielle rigoureuse de cette distance psychologique continue, conformément à la loi universelle de Shepard :

$$s(S_i, S_j) = \exp(-d_{ij})$$

Cette formulation continue préserve l’essence multiplicative de Medin et Schaffer tout en offrant une souplesse mathématique absolue pour explorer n’importe quel domaine perceptif continu avec une rigueur quantitative inégalée.

9.2 L’unification des paradigmes d’identification et de catégorisation

L’un des accomplissements les plus spectaculaires de Robert Nosofsky et de son modèle GCM réside dans l’unification quantitative, sous une architecture algorithmique strictement identique, de deux champs de recherche traditionnellement dissociés par la psychologie expérimentale : l’identification absolue de stimuli uniques et la classification catégorielle d’ensembles de stimuli.

Avant l’avènement du GCM, les spécialistes de la psychophysique et de la perception étudiaient l’identification absolue (la capacité d’un sujet à attribuer un identifiant singulier à chaque stimulus d’un ensemble, par exemple « Ceci est le stimulus numéro 4 ») à l’aide de modèles spécialisés de théorie de la décision, tandis que les spécialistes des concepts étudiaient la catégorisation (regrouper les stimuli 1, 2, 3 dans le groupe A et 4, 5, 6 dans le groupe B) au moyen de théories d’abstraction distinctes. Nosofsky a démontré que ces deux comportements ne sont que deux actualisations paramétriques de la même équation du modèle de contexte :

• Dans l’identification, chaque catégorie ne contient qu’un seul exemplaire unique mémorisé ; le dénominateur de la règle de Luce somme les similarités avec chacun des stimuli du catalogue.
• Dans la catégorisation, les mêmes similarités élémentaires sont simplement sommées par blocs d’exemplaires partageant la même étiquette de classe.

En utilisant les paramètres d’espace psychologique et les coefficients attentionnels dérivés des seules tâches d’identification pour prédire, sans aucun ajustement libre supplémentaire, les taux d’apprentissage et les erreurs de transfert dans des tâches de catégorisation complexes, Nosofsky a obtenu des corrélations prédictives dépassant régulièrement $r = 0,95$ sur des dizaines de jeux de données historiques. Cette démonstration sans faille a prouvé que la catégorisation ne requiert l’émergence d’aucun processus conceptuel abstrait inédit : elle émerge directement et organiquement de la combinatoire des processus perceptifs d’identification spatiale et de rétention d’exemplaires singuliers formalisés par Douglas Medin et Marguerite Schaffer.

9.3 Modèles de réseaux de neurones et architectures de connexionnistes d’exemplaires

Au début des années 1990, alors que les sciences cognitives étaient traversées par une seconde vague d’engouement massif pour les réseaux de neurones artificiels et les modèles à traitement distribué en parallèle (PDP), la théorie des exemplaires a connu une transposition neuronale remarquable sous l’impulsion de John K. Kruschke avec le développement du modèle ALCOVE (Attention Learning COVEring Approach, 1992).

ALCOVE a matérialisé les principes computationnels du modèle de contexte et du GCM au sein d’une architecture connexionniste multicouche à base de fonctions radiales (Radial Basis Function networks). L’architecture comprend :

• Une couche d’entrée où chaque nœud encode la position du stimulus sur les dimensions continues de l’espace psychologique.
• Des portes attentionnelles dimensionnelles qui modulent le gain de transmission de ces signaux d’entrée en multipliant chaque dimension par un poids $w_m$.
• Une couche cachée d’exemplaires où chaque neurone représente un exemplaire mémorisé précis ancré à des coordonnées fixes. La fonction d’activation de ces nœuds d’exemplaires est une fonction radiale gaussienne ou exponentielle, décroissant avec la distance au stimulus d’entrée, reproduisant fidèlement la résonance du GCM.
• Une couche de sortie où des nœuds de catégories somment les signaux propagés par la couche d’exemplaires au moyen de poids synaptiques associatifs, connectant les représentations épisodiques aux décisions conceptuelles finales.

L’innovation majeure d’ALCOVE résidait dans l’apprentissage dynamique des poids attentionnels par rétropropagation du gradient d’erreur (gradient descent backpropagation). Contrairement aux modèles connexionnistes standards qui dispersent l’information de manière indistincte à travers une matrice diffuse de poids synaptiques opaques, ALCOVE conserve la structure interprétable et spatialement ancrée des exemplaires réels tout en apprenant en temps réel, essai après essai, à étirer les dimensions informatives et à contracter les dimensions non diagnostiques en fonction des erreurs observées. ALCOVE a ainsi prouvé que la théorie des exemplaires de Medin et Schaffer n’était pas seulement compatible avec les architectures neuromimétiques, mais offrait une efficacité d’apprentissage et une vitesse de convergence largement supérieures aux réseaux feedforward classiques.

10. Critiques conceptuelles, limites méthodologiques et débats contemporains

10.1 Le fardeau computationnel et la plausibilité cognitive

Malgré les succès empiriques insolents du modèle de contexte et de ses successeurs, la théorie des exemplaires a été la cible d’attaques conceptuelles et philosophiques vigoureuses au sein de la communauté cognitive. La critique la plus intuitive et la plus immédiate concerne ce que les sceptiques qualifient de « fardeau computationnel » ou d’implausibilité biologique du stockage exhaustif. Comment le cerveau humain, composé d’un nombre fini de neurones soumis à des contraintes métaboliques et physiques impérieuses, pourrait-il stocker chaque occurrence singulière de chaque chat, chaise, arbre, véhicule ou visage rencontré au cours d’une existence entière sans saturer instantanément sa mémoire à long terme ?

À cette critique de la capacité s’ajoute l’angoisse de la combinatoire explosive lors de la phase de récupération. Si chaque jugement catégoriel formulé en une fraction de seconde (« Ceci est un chien dangereux ») exige d’envoyer une sonde perceptive réveillant des millions d’exemplaires individuels de canidés emmagasinés pour exécuter une sommation globale de similarité multiplicative sur des dizaines d’attributs, la puissance de calcul requise défierait les capacités de traitement en série du cortex. Les partisans de l’abstractionnisme soutiennent qu’un prototype unitaire ou une poignée de règles déclaratives représentent une solution infiniment plus économe, robuste et élégante pour un organe biologique confronté à l’urgence de la survie dans des environnements incertains.

Pour répondre à cette objection, les défenseurs contemporains de la théorie des exemplaires soulignent la nature intrinsèquement parallèle, distribuée et holographique du substrat neurobiologique cérébral. Le cerveau ne parcourt pas une base de données relationnelle ligne par ligne à la manière d’un ordinateur de von Neumann ; un réseau de millions de colonnes corticales interconnectées peut accomplir une résonance passive globale de manière quasi instantanée par simple propagation d’ondes de dépolarisation synaptique. Néanmoins, face à ces débats sur la charge mnésique, de nombreux chercheurs contemporains privilégient aujourd’hui des modèles hybrides (tels que SUSTAIN de Love, Medin et Gureckis, 2004), qui débutent leur existence par un prototype ou un cluster économe et ne créent de nouvelles représentations d’exemplaires dédiées que lorsque l’environnement génère des erreurs de prédiction répétées, réconciliant ainsi l’économie cognitive et la sensibilité fine aux exceptions.

10.2 La question des concepts abstraits et non perceptifs

Une limitation méthodologique et épistémologique majeure de la théorie originelle de Medin et Schaffer réside dans son ancrage presque exclusif dans des domaines perceptifs manipulables via des dimensions spatiales élémentaires. S’il est aisé d’envisager la catégorisation d’un triangle rouge ou d’un passereau par la sommation de résonances géométriques, qu’en est-il des concepts abstraits, relationnels ou métaphoriques qui constituent l’armature de la pensée humaine évoluée, tels que « justice », « réciprocité », « paradoxe », « causalité » ou « trahison » ?

Il est extrêmement ardu d’expliquer comment un concept comme « justice » pourrait émerger de la simple agrégation de vecteurs d’attributs sensoriels concrets. Quelle est la couleur, la forme ou la texture d’un jugement équitable ? Ce problème a été magnifiquement soulevé par Gregory L. Murphy et Douglas L. Medin lui-même dans leur article magistral de 1985, « The role of theories in conceptual coherence ». Les auteurs y reconnaissaient les limites intrinsèques d’une théorie fondée purement sur la similarité brute de surface : les catégories humaines ne sont pas de simples sacs d’attributs corrélés tenus ensemble par une colle statistique ; elles sont insérées dans des « théories naïves », des explications causales implicites et des récits cohérents sur le fonctionnement du monde.

Pour qu’un individu regroupe sous une même catégorie des entités aussi hétéroclites qu’un enfant, un album de famille, un diamant et un chat lors d’une évacuation précipitée, ce n’est pas parce que ces entités partagent une similarité multiplicative d’exemplaires dans un espace perceptif continu, mais parce qu’elles instancient la théorie fonctionnelle des « choses précieuses à sauver d’un incendie ». La théorie des exemplaires pure peine à rendre compte de ces structures propositionnelles profondes et des raisonnements contre-factuels sans devoir s’adjoindre des mécanismes sémantiques de niveau supérieur capables d’indexer les exemplaires selon des schémas explicatifs causaux hautement sophistiqués.

10.3 La controverse sur la flexibilité des frontières catégorielles

Un troisième défi majeur adressé à la modélisation par exemplaires concerne l’extrême instabilité et la flexibilité contextuelle des frontières conceptuelles humaines. Les études de psycholinguistique démontrent que le jugement d’appartenance d’un objet varie spectaculairement selon l’état physiologique interne de l’observateur, ses objectifs immédiats ou le cadre discursif dans lequel la question est posée. Un même objet physique (un récipient cylindrique en céramique) sera spontanément catégorisé comme « tasse » s’il est posé sur une table de petit-déjeuner fumante, ou comme « bol » s’il contient des copeaux apéritifs au milieu d’une soirée festive, ou comme « pot à crayons » sur un bureau d’étudiant.

Cette labilité immédiate suggère que la cognition ne se contente pas de faire résonner un stock passif et immuable d’anciennes traces mémorisées. L’approche cognitive dominante a souvent réagi à ces constats en postulant des modèles à double processus (Dual-Process Theories), tels que le modèle neurobiologique COVIS développé par F. Gregory Ashby et ses collègues (1998). Ces paradigmes opposent explicitement :

• Un système explicite basé sur des règles verbales, flexible, conscient, siégeant dans les circuits préfrontaux-striataux, capable de modifier les frontières en un clin d’œil selon les instructions reçues ;
• Un système implicite basé sur la similarité et les exemplaires, lent, automatique, opérant au sein des structures sous-corticales et des aires visuelles temporales.

Les modélisateurs de l’école des exemplaires ont répondu à ce défi en démontrant que la flexibilité contextuelle peut être formellement capturée sans recourir à un système de règles dissocié. Il suffit pour cela de laisser les contraintes contextuelles immédiates opérer une réallocation foudroyante des poids attentionnels dimensionnels ($w_m$) au sein du modèle de contexte. En amplifiant temporairement la dimension « fonction utilitaire dans la pièce » et en contractant la dimension « matériau », le GCM prédit mathématiquement et instantanément le basculement d’étiquette catégorielle sans que la base mnésique sous-jacente n’ait besoin d’être altérée.

11. Applications en neuropsychologie cognitive et neurosciences de la décision

11.1 Dissociations neuropsychologiques chez les patients amnésiques

L’un des champs de bataille empiriques les plus fascinants où la théorie des exemplaires a été mise à l’épreuve est la neuropsychologie clinique, et tout particulièrement l’étude des patients amnésiques souffrant de lésions massives du système limbique et du lobe temporal médian. Au milieu des années 1990, Barbara Knowlton et Larry Squire ont publié une série d’études spectaculaires portant sur le patient amnésique célèbre E.P. ainsi que sur d’autres individus amnésiques graves suite à des anoxies cérébrales ou des encéphalites herpétiques.

Knowlton et Squire (1993) ont soumis ces patients à une tâche classique de catégorisation de motifs de points aléatoires artificiels (le paradigme de Posner et Keele). Les résultats comportementaux semblaient fournir la preuve anatomique absolue de l’existence de systèmes multiples de mémoire : les patients amnésiques étaient totalement incapables de reconnaître si un motif de points particulier leur avait été présenté cinq minutes auparavant (performance de reconnaissance épisodique au niveau de la chance pure), mais ils parvenaient à classifier les nouveaux motifs de transfert avec un taux de réussite quasi normal, distinguant le prototype non vu des distorsions aléatoires avec la même aisance que les sujets sains. Knowlton et Squire en conclurent que la catégorisation par prototypes constituait une fonction d’abstraction implicite, indépendante de l’hippocampe, tandis que la mémoire épisodique des exemplaires singuliers relevait exclusivement du lobe temporal médian détruit chez leurs patients.

Cette conclusion a été violemment contestée par Robert Nosofsky et Douglas Medin. Par une modélisation formelle d’une rare élégance mathématique, Nosofsky et Zaki (1998) ont repris les données brutes de Knowlton et Squire et les ont injectées dans le Generalized Context Model. Ils ont apporté la preuve formelle qu’il est absolument inutile de postuler deux systèmes cérébraux dissociés pour reproduire cette dissociation neuropsychologique apparente. Un modèle d’exemplaires unitaire, au sein duquel on se contente de réduire le paramètre global de sensibilité perceptive ($c$) pour simuler la mémoire amoindrie et imprécise des patients amnésiques, reproduit point par point les données expérimentales. En raison de la non-linéarité multiplicative, une mémoire d’exemplaires fortement dégradée produit une perte catastrophique de la reconnaissance singulière (qui requiert une haute fidélité de trace ponctuelle) tout en préservant une sommation d’activation globale suffisante pour permettre une catégorisation globale efficace, réfutant la nécessité d’un système cérébral dédié à l’abstraction de prototypes.

11.2 Substrats neuroanatomiques de la catégorisation par exemplaires

L’essor des techniques de neuro-imagerie fonctionnelle (IRMf) et de l’électrophysiologie intracrânienne a permis de cartographier avec une résolution croissante les substrats neuroanatomiques impliqués dans la catégorisation par exemplaires. Contrairement aux prédictions simplistes qui tentaient de localiser les concepts au sein d’une aire sémantique unique et amodale, les neurosciences modernes ont révélé l’existence d’un vaste réseau cérébral hautement coordonné reflétant les composantes algorithmiques du modèle de contexte.

Les études d’imagerie menées par Michael Mack, Robert Nosofsky et Bradley Love (2013, 2016) ont démontré l’implication conjointe et indissociable de l’hippocampe et du cortex temporal médian dans l’encodage et la réactivation des traces d’exemplaires spécifiques au cours des jugements conceptuels. En utilisant des techniques d’analyse multivariée par patrons de voxels (Representational Similarity Analysis ou RSA), les chercheurs ont pu vérifier que la géométrie des distances neuronales au sein de l’hippocampe reproduit fidèlement la matrice de similarités prédite par les équations du GCM : l’hippocampe ne fait pas qu’enregistrer des souvenirs biographiques anecdotiques, il agit comme un espace de calcul vectoriel fournissant les signaux de similarité nécessaires à la catégorisation décisionnelle.

Simultanément, le cortex préfrontal dorsolatéral et le cortex pariétal postérieur assument le rôle modulateur impératif prédit par les mécanismes d’attention sélective de Shepard et Medin. C’est au sein de ces régions préfrontales que s’opère le contrôle descendant (top-down) qui calibre les gains de transmission neuronale dans les aires visuelles primaires et secondaires (cortex occipital et gyrus fusiforme). Lorsque la tâche exige de focaliser l’attention sur la couleur au détriment de la forme, le cortex préfrontal amplifie sélectivement l’activité métabolique des voxels de l’aire V4 tout en réprimant les réponses de l’aire latérale occipitale (LO), modifiant physiquement la courbure de l’espace psychologique et sculptant les matrices de connectivité synaptique au gré des exigences environnementales de la classification.

11.3 Transpositions dans les modèles d’intelligence artificielle et d’apprentissage machine

Il est particulièrement saisissant de constater à quel point les intuitions formalisées par Douglas Medin et Marguerite Schaffer en 1978 préfiguraient avec plusieurs décennies d’avance certaines des architectures les plus efficaces de l’informatique moderne, de l’apprentissage machine (machine learning) et de l’intelligence artificielle contemporaine. Sur le plan formel, le modèle de contexte présente une parenté théorique intime et directe avec la classe des méthodes non paramétriques, et plus spécifiquement avec le célèbre algorithme des $k$-plus proches voisins (k-Nearest Neighbors ou $k$-NN) introduit par Fix et Hodges en 1951.

Toutefois, le modèle de Medin et Schaffer se révèle conceptuellement supérieur au simple algorithme $k$-NN standard. Là où un classifieur $k$-NN rigide tronque arbitrairement l’espace en ne retenant qu’un nombre discret et figé $k$ de voisins géométriques et en attribuant à chacun un vote démocratique unitaire, le modèle de contexte intègre la totalité des points de la base d’apprentissage par une pondération continue de résonance exponentielle multiplicative, régulée par des gradients attentionnels appris. Les approches modernes d’estimation de densité par noyaux (Kernel Density Estimation ou fenêtres de Parzen) et les machines à vecteurs de support (Support Vector Machines ou SVM) exploitant des noyaux gaussiens à base radiale (RBF) ne sont que la réinvention algorithmique de la similarité sommée formalisée par la psychologie des exemplaires.

Cette filiation s’est avérée particulièrement précieuse dans la conception de systèmes experts appliqués au diagnostic médical assisté par ordinateur. Les médecins radiologues ou dermatologues expérimentés ne posent pas un diagnostic en calculant abstraitement une moyenne arithmétique rigide de toutes les tumeurs existantes ; ils font résonner l’image radiologique ou dermatoscopique actuelle avec une constellation d’images de cas cliniques singuliers hautement mémorisés dans leur répertoire épisodique, intégrant intuitivement des covariations subtiles de texture et de coloration que les systèmes fondés sur des règles fixes échouaient à appréhender. Enfin, au sein du courant le plus récent de l’apprentissage profond (deep learning), le déploiement des réseaux à mémoire différentiable (Differentiable Neural Computers) et des architectures à mémoire épisodique augmentée (Episodic Memory Networks) démontre que pour surmonter le fléau de l’oubli catastrophique et permettre l’apprentissage en une seule passe (few-shot learning), l’intelligence artificielle est contrainte, à l’image du cerveau humain décrit par Medin et Schaffer, de marier la généralisation connexionniste avec la préservation jalouse des traces d’exemplaires concrets.

12. Bilan épistémologique et portée de la contribution de Medin et Schaffer

12.1 Le changement de paradigme dans les sciences cognitives

L’article de Douglas L. Medin et Marguerite M. Schaffer de 1978 a indéniablement constitué l’une des ruptures de paradigme les plus audacieuses et les plus profondes de l’histoire des sciences de l’esprit. En brisant de manière spectaculaire le dogme séculaire de l’abstraction obligatoire pour la formation des concepts, les deux auteurs ont opéré un véritable décentrement épistémologique. Ils ont prouvé à une communauté cognitive réticente et sceptique que la capacité de généraliser, de catégoriser et d’agir intelligemment au sein du monde n’exige nullement de renoncer à la singularité du détail concret ni d’éliminer la contingence épisodique.

Cette contribution théorique a magistralement revalorisé le statut de la perception et de la mémoire vécue dans la psychologie de la pensée. L’esprit humain n’apparaît plus comme un logiciel bureaucratique austère qui passe son temps à jeter l’information sensorielle au rebut pour n’empiler que des fiches de synthèse désincarnées dans un meuble de classement abstrait. L’esprit se révèle au contraire comme un écosystème de traces vivantes, vibrantes, connectées et interactives, au sein duquel la régularité émerge spontanément de la multitude sans qu’aucune autorité centrale n’ait besoin de dicter une norme générique.

Sur le plan de la rigueur scientifique, l’article de Medin et Schaffer a également instauré un nouveau standard d’excellence méthodologique au sein de la psychologie computationnelle. En associant une formulation mathématique ultra-précise, paramétrable et réfutable à un protocole expérimental micro-analytique conçu pour départager des prédictions quantitatives rivales au millième près, ils ont hissé la psychologie des concepts au rang des sciences exactes les plus exigeantes, pavant la voie à un demi-siècle de modélisations formalisées unifiant la perception, l’apprentissage et la décision comportementale.

12.2 L’héritage intellectuel dans l’œuvre ultérieure de Douglas Medin

L’itinéraire scientifique ultérieur de Douglas L. Medin témoigne d’une remarquable fécondité intellectuelle qui a su dépasser les cadres stricts du modèle formel de 1978 tout en préservant son intuition directrice cardinale : le refus obstiné des abstractions universelles réductrices et le souci méticuleux de l’ancrage contextuel des processus de pensée. Après avoir assis la renommée de la théorie des exemplaires, Medin a joué un rôle moteur dans l’émergence de la « théorie des théories » (Theory Theory) aux côtés de Gregory Murphy et Susan Carey, démontrant avec brio que les mécanismes de similarité brute doivent être articulés avec les connaissances causales naïves et les systèmes de croyance des individus.

Par la suite, Medin a opéré une translation passionnante de ses recherches vers l’écologie cognitive, l’anthropologie et l’étude des modèles mentaux culturels de la nature. En fondant le laboratoire de recherche interculturelle sur la biologie populaire (folkbiology) à l’Université Northwestern, Medin a consacré plusieurs décennies à explorer comment différentes populations — des pêcheurs traditionnels de Menominee aux biologistes universitaires de Chicago en passant par les agriculteurs mayas du Guatemala — structurent et catégorisent le règne végétal et animal. Ses découvertes ont bouleversé les certitudes occidentales : les étudiants urbains des grandes métropoles, loin de représenter le standard universel de la psychologie humaine, constituent en réalité des populations cognitivement « appauvries » par rapport aux peuples autochtones dont l’intimité écologique avec la forêt alimente un répertoire d’exemplaires comportementaux et biologiques d’une prodigieuse richesse.

Cette trajectoire intellectuelle, en apparence diverse, conserve une cohérence ontologique parfaite. Tout au long de sa brillante carrière, Douglas Medin a combattu l’illusion selon laquelle l’esprit humain fonctionnerait dans un vide décontextualisé, régi par des modules logiques rigides et indifférents à l’environnement. De la théorie du contexte de 1978 jusqu’à ses travaux ethnobotaniques contemporains, Medin n’a cessé de célébrer la manière dont la structure foisonnante de l’environnement physique et culturel vient féconder et sculpter la mécanique intime de l’intelligence humaine.

12.3 Perspectives futures pour la recherche sur la catégorisation

À l’aube des décennies futures, la théorie des exemplaires formulée par Douglas L. Medin et Marguerite M. Schaffer continue de rayonner au cœur des frontières les plus actives de la recherche en sciences cognitives et en intelligence artificielle. L’un des développements contemporains les plus stimulants réside dans la convergence conceptuelle entre les modèles d’exemplaires et le cadre computationnel de l’inférence bayésienne non paramétrique (comme les processus de Dirichlet ou les métaphores du restaurant chinois formalisées par des chercheurs tels que Thomas Griffiths et Joshua Tenenbaum). Ces approches probabilistes démontrent mathématiquement qu’un agent rationnel opérant dans un monde à la structure sous-jacente inconnue doit impérativement stocker des exemplaires distincts et ne créer des groupes conceptuels que de manière émergente au fur et à mesure que les données s’accumulent, unissant la rationalité bayésienne optimale avec l’ontologie par exemplaires.

De surcroît, la révolution actuelle des modèles de fondation en intelligence artificielle, tels que les réseaux de vision-langage massifs (CLIP, GPT-4, Gemini), fait écho de façon spectaculaire aux intuitions fondamentales de 1978. Ces architectures ne parviennent à classer des images d’une infinie complexité avec une acuité quasi humaine qu’en étant gavées de milliards d’exemplaires concrets indexés par du texte, cartographiés dans des espaces de plongement multimodal (multimodal embeddings) à haute dimension qui ne sont rien d’autre que des transpositions titanesques de l’espace psychologique de Minkowski conceptualisé par Shepard, Medin et Nosofsky.

Près d’un demi-siècle après sa parution au sein de la Psychological Review, l’article inaugural de Medin et Schaffer conserve une fraîcheur, une audace et une pertinence scientifique absolument intactes. En osant affirmer que la mémoire humaine est suffisamment vaste et puissante pour chérir la singularité de chaque instant sans compromettre sa faculté d’abstraction et de discernement universel, Douglas L. Medin et Marguerite M. Schaffer ont non seulement transformé la psychologie cognitive, mais ont offert à l’humanité un miroir infiniment plus riche et respectueux de la prodigieuse complexité de son propre esprit.

Références

• Ashby, F. G., Alfonso-Reese, L. A., Turken, A. U., & Waldron, E. M. (1998). A neuropsychological theory of multiple systems in category learning. Psychological Review, 105(3), 442–481. https://doi.org/10.1037/0033-295X.105.3.442
• Bruner, J. S., Goodnow, J. J., & Austin, G. A. (1956). A study of thinking. John Wiley & Sons.
• Collins, A. M., & Quillian, M. R. (1969). Retrieval time from semantic memory. Journal of Verbal Learning and Verbal Behavior, 8(2), 240–247. https://doi.org/10.1016/S0022-5371(69)80069-1
• Hintzman, D. L. (1986). « Schema abstraction » in a multiple-trace memory model. Psychological Review, 93(4), 411–428. https://doi.org/10.1037/0033-295X.93.4.411
• Knowlton, B. J., & Squire, L. R. (1993). The learning of categories: Parallel brain systems for item memory and category knowledge. Science, 262(5140), 1747–1749. https://doi.org/10.1126/science.8259522
• Kruschke, J. K. (1992). ALCOVE: An exemplar-based connectionist model of category learning. Psychological Review, 99(1), 22–44. https://doi.org/10.1037/0033-295X.99.1.22
• Love, B. C., Medin, D. L., & Gureckis, T. M. (2004). SUSTAIN: A network model of category learning. Psychological Review, 111(2), 309–332. https://doi.org/10.1037/0033-295X.111.2.309
• Luce, R. D. (1959). Individual choice behavior: A theoretical analysis. John Wiley & Sons.
• Mack, M. L., Preston, A. R., & Love, B. C. (2013). Decoding the focus of cognitive attention: Decoding attention using category representations. NeuroImage, 77, 81–91. https://doi.org/10.1016/j.neuroimage.2013.03.045
• Mack, M. L., Love, B. C., & Preston, A. R. (2016). Dynamic updating of hippocampal object representations reflects new conceptual knowledge. Proceedings of the National Academy of Sciences, 113(46), 13203–13208. https://doi.org/10.1073/pnas.1614048113
• Medin, D. L., & Schaffer, M. M. (1978). Context theory of classification learning. Psychological Review, 85(3), 207–238. https://doi.org/10.1037/0033-295X.85.3.207
• Murphy, G. L., & Medin, D. L. (1985). The role of theories in conceptual coherence. Psychological Review, 92(3), 289–316. https://doi.org/10.1037/0033-295X.92.3.289
• Nosofsky, R. M. (1986). Attention, similarity, and the identification-categorization relationship. Journal of Experimental Psychology: General, 115(1), 39–57. https://doi.org/10.1037/0096-3445.115.1.39
• Nosofsky, R. M., & Zaki, S. R. (1998). Dissociations between categorization and recognition in amnesic patients and normal controls: Further tests of an exemplar model. Journal of Experimental Psychology: General, 127(3), 247–278. https://doi.org/10.1037/0096-3445.127.3.247
• Posner, M. I., & Keele, S. W. (1968). On the genesis of abstract ideas. Journal of Experimental Psychology, 77(3p1), 353–363. https://doi.org/10.1037/h0025953
• Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192–233. https://doi.org/10.1037/0096-3445.104.3.192
• Rosch, E., & Mervis, C. B. (1975). Family resemblances: Studies in the internal structure of categories. Cognitive Psychology, 7(4), 573–605. https://doi.org/10.1016/0010-0285(75)90024-9
• Shepard, R. N. (1987). Toward a universal law of generalization for psychological science. Science, 237(4820), 1317–1323. https://doi.org/10.1126/science.3629243
• Tulving, E. (1972). Episodic and semantic memory. In E. Tulving & W. Donaldson (Eds.), Organization of Memory (pp. 381–403). Academic Press.
• Wittgenstein, L. (1953). Philosophische Untersuchungen / Philosophical investigations. Basil Blackwell.