La perception humaine est traditionnellement conçue, dans le sens commun comme au sein de certaines traditions philosophiques naïves, comme une fenêtre transparente ouverte sur le monde physique. Dans cette perspective passive, voir consisterait simplement à recevoir l’empreinte lumineuse du réel sur la rétine, à la manière d’une plaque photographique enregistrant fidèlement les longueurs d’onde, les contours et les intensités électromagnétiques environnantes. Pourtant, les neurosciences contemporaines et la psychologie cognitive ont démontré le caractère profondément illusoire de cette conception réceptive. L’acte perceptif ne saurait être réduit à une simple transduction passive de données physiques ; il constitue au contraire un travail d’interprétation, une reconstruction active et une modélisation cognitive éminemment sophistiquée du réel.
Au cœur de ce basculement épistémologique se trouve la théorie de la perception constructive, magistralement articulée par le neuropsychologue britannique Richard Langton Gregory (1923–2010). Pionnier de l’étude des illusions visuelles et de l’architecture cognitive de la vision, Gregory a défendu la thèse selon laquelle le système visuel fonctionne à la manière d’un chercheur scientifique confronté à des données parcellaires : il formule, teste et affine en permanence des hypothèses perceptives. Ce modèle confère une préséance fonctionnelle au traitement descendant (ou traitement Top-Down), processus par lequel les connaissances conceptuelles préalables, la mémoire sémantique, les attentes contextuelles et l’histoire évolutive de l’espèce viennent structurer, corriger et combler les lacunes dramatiques du signal sensoriel brut.
Explorer la pensée de Gregory, c’est plonger dans les fondements computationnels et phénoménologiques de l’esprit. De la formalisation de la « règle des 90 % » jusqu’à l’examen minutieux des pathologies perceptives, en passant par les controverses historiques l’opposant à l’approche écologique de James J. Gibson et les raffinements contemporains offerts par le codage prédictif de Karl Friston, cet article propose une analyse exhaustive de la vision constructive. En retraçant comment l’esprit parvient à générer une expérience consciente tridimensionnelle stable à partir d’un signal rétinien bidimensionnel, bruitant et fragmentaire, nous mettrons en lumière les mécanismes fondamentaux qui font de chaque regard un acte créateur et de chaque percept une théorie probabiliste sur l’état du monde.
1. Introduction aux fondements de la perception constructive chez Richard Gregory
1.1 Contexte épistémologique et émergence de l’approche constructiviste
L’édification de la théorie constructive de la perception ne peut être comprise sans la situer dans la longue histoire des débats épistémologiques relatifs à la nature de la connaissance humaine. Historiquement, la psychologie de la perception oscillait entre l’empirisme philosophique radical hérité de John Locke et George Berkeley, postulant que l’esprit est une feuille vierge sur laquelle viennent s’imprimer les sensations, et le nativisme kantien, érigeant l’espace et le temps en formes a priori de la sensibilité. C’est au XIXe siècle que le physicien et physiologiste allemand Hermann von Helmholtz opère une synthèse féconde en introduisant le concept fondamental d’« inférence inconsciente » (unbewusster Schluss). Pour Helmholtz, les sensations élémentaires sont converties en représentations signifiantes du monde extérieur par le biais de processus logiques inductifs qui échappent à la conscience de l’observateur. L’esprit calcule spontanément l’interprétation la plus probable des excitations sensorielles à partir de l’expérience passée.
Cette intuition helmholtzienne a été violemment rejetée dans la première moitié du XXe siècle par le béhaviorisme triomphant, incarné par John B. Watson et B.F. Skinner. En reléguant les opérations mentales au statut de « boîte noire » insondable et scientifiquement illégitime, la doxa béhavioriste réduisait l’activité perceptivo-motrice à de simples chaînes de réflexes et de relations fonctionnelles directes entre un stimulus physique et une réponse comportementale. Parallèlement, le réalisme naïf continuait d’imprégner implicitement les recherches psychophysiques, supposant une corrélation point par point entre le stimulus énergétique et la sensation psychologique. L’émergence des travaux de Richard Gregory s’inscrit au cœur même de la révolution cognitive des années 1960 et 1970. En s’emparant de la théorie de l’information de Claude Shannon, des métaphores cybernétiques naissantes et de l’essor de la linguistique générative chomskienne, Gregory ressuscite l’héritage d’Helmholtz en lui conférant une rigueur expérimentale et computationnelle inédite. Il récuse fermement le béhaviorisme pour placer l’architecture des représentations mentales au centre névralgique de la vision humaine.
1.2 La vision comme processus actif et non passif
L’apport cardinal de Richard Gregory réside dans la déconstruction radicale de la métaphore de l’œil pensé comme une chambre noire ou un appareil photographique passif. Dans cette métaphore mécanique surannée, la perception s’achèverait au moment où l’image optique se projette sur le fond d’œil : la rétine correspondrait au film photosensible et le cerveau ne ferait que lire ou projeter cette image intérieurement. Gregory souligne l’absurdité épistémologique d’une telle vue, qui suppose implicitement l’existence d’un homoncule cérébral observant l’image rétinienne, déplaçant ainsi le mystère de la vision à l’infini. Il est impératif d’opérer une distinction ontologique stricte entre la sensation — l’excitation physico-chimique locale des photorécepteurs rétiniens par les photons — et la perception, qui désigne l’acte d’attribution de sens, d’organisation structurale et de reconnaissance unifiée d’objets situés dans un espace tridimensionnel.
Pour le constructivisme gregoryen, l’observateur n’est jamais un récepteur passif des sollicitations du monde, mais un agent cognitif dynamique engagé dans une reconstruction incessante de l’environnement distal. Les signaux physiques qui frappent nos organes des sens sont éphémères, dégénérés, discontinus et continuellement perturbés par les variations de l’éclairage ambiant ou le mouvement propre du sujet. Malgré cette fugacité fondamentale, notre phénoménologie visuelle fait état d’un monde stable, continu, cohérent et immédiatement identifiable. Cette discordance manifeste prouve que l’acte perceptif est le fruit d’une activité générative : l’esprit n’enregistre pas le monde physique, il le synthétise activement en comblant les vides du signal par des représentations endogènes hautement élaborées.
1.3 Les concepts clés : signal sensoriel, modèle interne et prédiction
L’armature théorique élaborée par Richard Gregory repose sur une triade conceptuelle articulant le signal sensoriel, le modèle interne et la prédiction. Au point de départ se trouve le signal sensoriel proximal, c’est-à-dire l’ensemble des modulations physico-chimiques directement enregistrées au niveau des surfaces réceptrices périphériques (l’image rétinienne en vision, la déformation mécanique de la cochlée en audition). Ce stimulus proximal s’oppose à l’objet distal, l’entité physique réelle occupant l’espace externe. La disparité structurelle entre l’objet distal et le stimulus proximal est vertigineuse : l’objet est un volume stable doté de propriétés invariantes (matière, masse, forme), tandis que sa projection proximale fluctue constamment selon la perspective, les ombres portées et la distance.
Pour faire la transition entre l’ambiguïté du signal proximal et la réalité de l’objet distal, le système cognitif s’appuie sur des modèles internes (ou représentations mnésiques). Encastrés dans les réseaux synaptiques de la mémoire à long terme, ces modèles compilent à la fois l’histoire évolutive de l’espèce humaine (phylogenèse) et l’expérience biographique individuelle (ontogenèse). Ils contiennent des régularités statistiques fondamentales sur la physique du monde, telles que : « la lumière provient du haut », « les objets solides sont opaques et rigides », ou « les visages sont convexes ». Enfin, le concept de prédiction constitue le ciment dynamique de ce système : les modèles internes ne demeurent pas inertes en mémoire ; ils projettent en permanence des attentes descendantes sur les flux sensoriels entrants, guidant l’échantillonnage de l’environnement physique et prescrivant à la conscience la forme que doit prendre l’expérience sensible.
2. Le paradigme du traitement descendant (Top-Down Processing)
2.1 Définition structurelle et dynamique du flux descendant
Le traitement descendant, ou Top-Down processing, désigne le vecteur de circulation de l’information cognitive où les opérations mentales de haut niveau exercent une influence causale sur le traitement des données de niveau inférieur. Dans l’architecture fonctionnelle de l’encéphale, ce flux ne s’oppose pas simplement à la conduction sensorielle ascendante (Bottom-Up) ; il la subordonne et en régule la perméabilité. Alors que le traitement ascendant est strictement guidé par les propriétés physiques du stimulus extérieur (fréquences spatiales, contrastes de luminance, longueurs d’onde) et chemine de la rétine vers les aires corticales primaires, le flux descendant émane des structures cérébrales associatives, temporales, pariétales et préfrontales, où résident les schémas conceptuels, la sémantique et les représentations d’objectifs.
Cette dynamique descendante se caractérise par la mise en œuvre de filtres attentionnels sélectifs. L’attention volontaire ou endogène, gouvernée par les intentions du sujet, modifie en temps réel le gain synaptique au sein des réseaux sensoriels. L’information n’est donc pas traitée de manière démocratique ou exhaustive ; elle est canalisée, orientée et modulée selon la pertinence des stimuli vis-à-vis de l’action en cours. Au niveau anatomique et fonctionnel, ce processus repose sur l’existence massive de projections corticocorticales rétrogrades qui renvoient les signaux des régions hiérarchiquement supérieures vers les structures subcorticales comme le corps genouillé latéral et vers le cortex visuel primaire. Le traitement descendant constitue ainsi une force organisatrice qui impose une structure conceptuelle préalable au chaos énergétique du monde physique.
2.2 Complémentarité et tensions entre approches Bottom-Up et Top-Down
L’un des défis majeurs des sciences de la cognition contemporaines a consisté à élucider la dialectique opératoire unissant les processus ascendants et descendants. Il serait en effet trompeur de concevoir le traitement descendant comme un mécanisme omnipotent fonctionnant en vase clos, ce qui confinerait le sujet perceptif au solipsisme ou au délire hallucinatoire constant. La perception s’opère nécessairement à la croisée de ces deux flux opposés et synchrones. Le traitement ascendant transmet l’actualité brute du monde physique, signalant les ruptures soudaines de luminance, les déplacements inattendus ou les discordances environnementales, tandis que le traitement descendant apporte la grille d’intelligibilité indispensable pour décoder ce signal.
Cette interaction continue engendre des tensions computationnelles permanentes, en particulier sur le plan temporel. Le débat a longtemps porté sur la vitesse relative d’activation de ces voies : l’analyse ascendante des caractéristiques locales (bords, angles, orientations) doit-elle s’achever avant que les schémas descendants ne soient recrutés ? Les données de la chronométrie mentale démontrent aujourd’hui que les boucles de rétroaction descendante sont quasi immédiates. Dès les premières dizaines de millisecondes suivant l’apparition d’un stimulus, des informations visuelles à basse fréquence spatiale transitent ultra-rapidement vers le cortex orbitofrontal et le lobe temporal, déclenchant des prédictions descendantes qui redescendent contraindre l’analyse fine des hautes fréquences spatiales dans les aires visuelles précoces. Lorsqu’un conflit sensoriel manifeste survient — par exemple une incohérence contextuelle flagrante —, le système cognitif entre dans une phase d’arbitrage où le coût métabolique de résolution détermine si le percept final s’alignera sur la prédiction conceptuelle ou se résoudra au profit de l’évidence sensorielle ascendante.
2.3 L’influence des états affectifs et motivationnels sur le traitement
L’un des arguments les plus éclatants en faveur du caractère profondément descendant de la perception réside dans la modulation de l’expérience visuelle par les états internes du sujet, qu’ils soient de nature biologique, affective ou motivationnelle. Cette perméabilité de la vision aux déterminismes psychologiques internes fut mise en lumière dès le milieu du XXe siècle par le mouvement du New Look en psychologie, animé par des figures tutélaires telles que Jerome Bruner et Leo Postman. Les expériences pionnières de Bruner et Goodman (1947) démontrèrent de manière spectaculaire que des enfants issus de milieux défavorisés surestimaient physiquement la taille de pièces de monnaie réelles par rapport à des disques de carton de taille identique, illustrant sans ambiguïté comment la valeur marchande subjective et le besoin socio-économique déforment la métrique perceptive élémentaire.
Le traitement descendant ne mobilise donc pas uniquement des connaissances froides et des concepts géométriques abstraits ; il est continuellement irrigué par les pulsions homéostatiques, les désirs et les états de stress. La faim modifie le seuil de détection visuelle des stimuli nutritifs au sein de scènes visuelles complexes ; la peur métabolique et l’appréhension du danger altèrent la perception de l’espace, faisant paraître une falaise plus abrupte ou une distance plus grande à franchir pour un sujet phobique ou épuisé. Les affects agissent comme des pondérations heuristiques de premier ordre au sein des architectures cognitives, prescrivant aux modèles internes le degré d’urgence et la valence sémantique à assigner au signal sensoriel entrant.
3. La perception comme formation et mise à l’épreuve d’hypothèses cognitives
3.1 La métaphore de la perception comme démarche scientifique
La contribution la plus célèbre et la plus originale de Richard Gregory à la théorie cognitive réside dans l’analogie structurelle stricte qu’il a établie entre le fonctionnement du système visuel et la démarche de la méthode scientifique expérimentale. Pour Gregory, percevoir n’est pas simplement regarder : c’est émettre une hypothèse. Dans cette optique, les données sensorielles brutes recueillies par la rétine jouent exactement le même rôle que les données empiriques recueillies par les instruments de mesure d’un laboratoire de physique. En elles-mêmes, ces données quantitatives sont dépourvues de signification intrinsèque ; elles ne prennent sens qu’au moment où elles sont subsumées sous une hypothèse théorique explicative.
Le système visuel se comporte donc en théoricien audacieux face à l’énigme du signal lumineux. Confronté à un agencement particulier de zones d’ombre, de contrastes et de lignes en deux dimensions, l’encéphale sélectionne, au sein de son répertoire interne de modèles, l’hypothèse ontologique la plus élégante et la plus vraisemblable capable de rendre compte de l’ensemble du faisceau d’indices disponibles. Ce processus s’appuie sur une économie cognitive gouvernée par le principe de parcimonie (le rasoir d’Ockham perceptif) et sur des heuristiques d’inférence rapides. Le percept conscient final n’est pas le reflet direct de la matière stimulante, mais l’hypothèse gagnante qui a su s’imposer, survivre aux vérifications préliminaires du système et intégrer harmonieusement les signaux de contraste sans soulever d’anomalie prohibitive.
3.2 La règle des 90 % de Gregory : le déficit sensoriel de l’image rétinienne
Pour illustrer la dépendance hyperbolique de la vision vis-à-vis des processus cognitifs internes, Richard Gregory a formulé une proposition provocatrice qui a marqué l’histoire de la psychologie cognitive : la règle dite des « 90 % ». Selon Gregory, l’expérience visuelle consciente est constituée à concurrence de 90 % d’informations qui ne sont absolument pas présentes dans le signal sensoriel immédiat, mais qui sont entièrement extrapolées à partir du stock de connaissances stockées dans la mémoire de l’observateur. Loin d’être une simple hyperbole rhétorique, cette formulation visait à quantifier l’abîme informationnel qui sépare l’excitation optique périphérique de la plénitude du monde phénoménal.
Lorsque nous regardons un objet du quotidien — par exemple, une table en bois recouverte d’un drap —, notre rétine n’enregistre qu’une mosaïque de luminances fragmentées et des variations de textures bidimensionnelles. Pourtant, nous percevons immédiatement et sans l’ombre d’un doute la rigidité du plateau sous le tissu, sa continuité spatiale malgré l’occlusion, sa masse pondérale, son opacité, sa texture tactile rugueuse et sa fonctionnalité ergonomique. Aucune de ces propriétés matérielles fondamentales n’est inscrite sur les récepteurs rétiniens ; elles relèvent toutes d’un comblement inférentiel systématique. Le cerveau injecte massivement de la substance sémantique, de la géométrie euclidienne et des attentes de permanence physique dans un signal lumineux originellement creux, anémique et tronqué.
3.3 Inférences probabilistes et principes bayésiens implicites
Si Richard Gregory formulait initialement sa théorie dans le langage de la psychologie cognitive des représentations, ses écrits préfiguraient de manière saisissante la mathématisation contemporaine de la perception sous la forme de l’inférence bayésienne. Dans le cadre théorique formalisé par Thomas Bayes, l’estimation de l’état d’une variable inconnue (ici, la nature de l’objet distal $S$) conditionnée par l’observation d’un signal empirique donné (ici, le signal sensoriel proximal $D$) dépend de deux composantes distinctes : la vraisemblance sensorielle $P(D|S)$ et la probabilité a priori $P(S)$, selon la célèbre relation :
$$P(S|D) propto P(D|S) \times P(S)$$
La théorie de la perception constructive trouve dans ce formalisme son assise mathématique la plus rigoureuse. La probabilité a posteriori $P(S|D)$ correspond exactement à l’hypothèse perceptive consciente retenue par le cerveau. Les priors bayésiens représentent les contraintes structurelles et les modèles internes accumulés par le système au fil de l’évolution et de l’apprentissage. Lorsque le signal sensoriel $D$ est net et non ambigu (par exemple sous un éclairage optimal à courte distance), la fonction de vraisemblance est acérée, guidant fermement la perception. En revanche, dès lors que l’environnement s’obscurcit, que le stimulus s’éloigne ou que le signal devient intrinsèquement bruité, la fonction de vraisemblance s’aplatit considérablement. Dans ces conditions critiques de dégradation du signal, le cerveau s’en remet massivement à la distribution de ses probabilités a priori : ce sont les connaissances préalables qui forcent la décision perceptive et imposent l’interprétation finale.
4. L’insuffisance des données sensorielles et l’ambiguïté du stimulus rétinien
4.1 Le problème inverse et la perte d’une dimension spatiale
La raison fondamentale qui rend l’approche constructive de Gregory indispensable réside dans la nature physico-mathématique de l’optique oculaire : l’appareil visuel est structurellement confronté à ce que les mathématiciens nomment un problème inverse mal posé (ill-posed inverse problem). Dans le sens direct, le passage de notre univers physique tridimensionnel à l’image rétinienne s’effectue par une projection optique qui aplatit l’espace et détruit irrémédiablement une dimension : la profondeur spatiale. Une infinité de configurations d’objets tridimensionnels de tailles distinctes, situés à des distances variables et orientés sous des angles hétéroclites, peuvent générer rigoureusement la même silhouette géométrique en deux dimensions sur la surface rétinienne.
D’un point de vue strictement logique, il est donc mathématiquement impossible de reconstituer la géométrie exacte de l’objet distal par une simple inversion calculatoire déterministe du signal rétinien, car l’équation comporte plus d’inconnues que de données mesurables. Pour lever cette sous-détermination fondamentale et échapper à une paralysie interprétative permanente, le cerveau n’a d’autre choix que d’introduire des contraintes additionnelles arbitraires qui ne sont pas contenues dans l’image : il « postule » que les angles sont préférentiellement droits, que les objets reposent sur un plan de sol stable et que les sources lumineuses tombent du ciel. Ce n’est qu’au prix de ces postulats internes que l’ambiguïté de la projection bidimensionnelle est levée et que le volume tridimensionnel réapparaît dans la conscience du sujet.
4.2 Bruit sensoriel, saccades oculaires et transience du signal
Loin de recevoir un flux d’images stable et limpide comparable à celui d’une caméra numérique montée sur trépied, la rétine humaine est en réalité le théâtre d’un vacarme sensoriel permanent et d’une instabilité physique extrême. L’œil humain ne s’immobilise jamais : il est agité en permanence de micromouvements involontaires (tremblements physiologiques, dérives et microsaccades) nécessaires pour empêcher l’adaptation des photorécepteurs et la disparition du champ visuel qui en résulterait. De surcroît, le regard explore l’espace par le biais de saccades oculaires balistiques amples, exécutées à des vitesses angulaires vertigineuses pouvant atteindre 900 degrés par seconde, plusieurs fois par seconde.
Durant chacune de ces saccades, le système nerveux déclenche un mécanisme neurobiologique de suppression saccadique qui inhibe massivement la transmission du signal visuel pour nous éviter de percevoir un flou de mouvement étourdissant et continu. L’information sensorielle brute qui parvient au cortex est donc hachée, discontinue, lacunaire et soumise à un bruit thermique et photonique non négligeable. Pour générer l’expérience d’un flux continu, stable et cinématographique du monde visuel, le système cognitif doit impérativement recourir à des mémoires tampons iconiques et à des processus d’intégration trans-saccadique. C’est le modèle interne prédit qui assure la stabilité perceptuelle : le cerveau maintient la permanence de la scène visuelle en faisant l’hypothèse de sa constance spatiale par-delà les éclipses sensorielles induites par nos propres dynamiques corporelles.
4.3 Mécanismes de clôture et de complétion modale
L’inventivité constructive de la vision se manifeste de façon éclatante dans les phénomènes de complétion perceptuelle, où le cerveau génère littéralement des formes, des surfaces et des contours qui ne possèdent aucune existence physique dans l’environnement stimulus. Dans notre vie quotidienne, les objets se chevauchent continuellement : ils sont partiellement masqués par d’autres entités au sein du phénomène universel d’occlusion. Malgré cela, nous ne voyons pas des silhouettes amputées ou des fragments d’objets découpés ; nous percevons immédiatement des objets complets dont une portion est momentanément dissimulée, un processus connu sous le nom de complétion amodale.
Plus remarquable encore est la complétion modale, dont les figures popularisées par Gaetano Kanizsa constituent le paradigme expérimental par excellence. Dans la fameuse figure du triangle de Kanizsa, l’observateur voit distinctement émerger un triangle d’un blanc plus éclatant que le fond blanc environnant, délimité par des contours nets et tranchés, alors même que le stimulus n’est composé que de trois disques échancrés en forme de « Pac-Man » et de trois angles tracés sur le papier. Richard Gregory a abondamment analysé ce phénomène comme la preuve irréfutable de l’activité théorique du système visuel : confronté à l’alignement improbable de découpes géométriques, l’esprit déduit que la cause physique la plus plausible de cette coïncidence géométrique est l’interposition d’un triangle opaque au premier plan qui occulte partiellement des disques noirs sous-jacents. Le cerveau fabrique alors de toutes pièces un contour illusoire et une luminance accrue pour valider et manifester son hypothèse explicative.
5. Les illusions d’optique comme preuves expérimentales chez Gregory
5.1 Typologie taxonomique des illusions selon Richard Gregory
Pour Richard Gregory, loin de représenter de simples curiosités de foire ou des faiblesses anecdotiques de nos yeux, les illusions d’optique constituent les révélateurs méthodologiques les plus précieux et les plus puissants du fonctionnement cérébral. C’est lorsque le système de traitement se trompe que ses rouages cachés et ses règles d’inférence implicites apparaissent au grand jour, de la même manière que l’analyse des pannes d’un moteur permet à l’ingénieur d’en comprendre la mécanique fondamentale. Afin d’ordonner le champ immense des distorsions visuelles, Gregory a proposé une classification systématique qui demeure une référence incontournable en sciences de la vision.
Cette taxonomie repose sur une distinction cardinale entre les erreurs d’origine physique (liées aux perturbations de la propagation lumineuse ou aux limites des capteurs physiologiques) et les erreurs d’origine cognitive (résultant d’inférences infondées ou de l’application malheureuse de règles interprétatives par le cerveau). Gregory divise ces défaillances en quatre classes majeures :
- Les ambiguïtés : des stimuli qui soutiennent simultanément deux ou plusieurs hypothèses cognitives concurrentes sans que les données sensorielles ne permettent de trancher (par exemple le vase de Rubin ou le cube de Necker).
- Les déformations : des distorsions géométriques où la taille, la longueur, la rectitude ou la courbure réelles sont systématiquement perçues de façon erronée (comme dans les illusions de Müller-Lyer ou de Ponzo).
- Les paradoxes : des figures dont l’analyse globale engendre des objets impossibles qui défient les lois de l’espace physique tridimensionnel tout en paraissant localement cohérents (le triangle de Penrose, la cascade d’Escher).
- Les fictions : la perception nette de caractéristiques formelles ou d’objets entiers qui n’existent aucunement dans le stimulus physique distal, matérialisées par les contours illusoires de Kanizsa.
5.2 L’illusion de Müller-Lyer et la théorie de la constance d’échelle mal appliquée
L’analyse de l’illusion de Müller-Lyer — où deux segments de ligne de longueur rigoureusement identique semblent inégaux selon que leurs extrémités se terminent par des flèches orientées vers l’intérieur ou vers l’extérieur — constitue sans doute l’un des titres de gloire de Richard Gregory. Alors que les théories physiologiques classiques tentaient d’expliquer ce phénomène par des mouvements oculaires aberrants ou par l’interaction latérale des cellules rétiniennes, Gregory a avancé une explication purement cognitive et descendante : la théorie de la constance d’échelle mal appliquée (misapplied size constancy scaling).
Dans notre environnement tridimensionnel quotidien, les mécanismes de constance de taille ajustent automatiquement notre perception pour compenser la diminution de l’image rétinienne causée par l’éloignement : un objet perçu comme plus distant est automatiquement « agrandi » par le cerveau pour restituer sa dimension distale réelle. Gregory démontre que les flèches divergentes de Müller-Lyer imitent les indices de perspective d’un coin interne de pièce (qui s’éloigne de l’observateur), tandis que les flèches convergentes imitent l’arête externe saillante d’un bâtiment (qui se rapproche de l’observateur). Le système visuel déclenche inconsciemment et de manière réflexe son mécanisme de mise à l’échelle perspective : le segment perçu comme structurellement plus éloigné est automatiquement dilaté par le cerveau, engendrant l’illusion d’une ligne physique plus longue.
5.3 L’illusion du masque creux (Hollow-Face Illusion)
S’il est une expérience qui administre une preuve indiscutable du triomphe de l’hypothèse cognitive descendante sur la réalité sensorielle ascendante, c’est bien l’illusion du masque creux (Hollow-Face Illusion), méticuleusement explorée et documentée par Richard Gregory. Le protocole expérimental consiste à présenter à un observateur l’arrière concave d’un masque de visage humain ordinaire (un masque moulé en creux). Bien que le stimulus physique réel soit indéniablement concave — ce qui est d’ailleurs confirmé par des indices stéréoscopiques clairs de disparité binoculaire ainsi que par les ombres portées —, la quasi-totalité des sujets humains sains voient inexorablement un visage normal, en relief positif et convexe.
L’explication constructiviste de ce phénomène est d’une remarquable élégance. L’esprit humain possède un modèle interne extrêmement puissant, ancré au plus profond de sa circuiterie neurale et façonné par des millions d’années d’évolution sociale : « tous les visages humains sont des volumes convexes ». Face au masque concave, il se produit une lutte féroce entre le flux ascendant (les signaux de profondeur rétiniens indiquant que le nez est en retrait) et le flux descendant (le modèle préalable catégorique affirmant qu’un visage avance vers l’extérieur). Dans cette confrontation computationnelle, l’hypothèse conceptuelle descendante l’emporte haut la main : le système visuel réécrit littéralement les données géométriques rétiniennes pour imposer sa vision du monde, faisant surgir un nez en avant là où les photons dessinent un creux.
Cette illusion revêt en outre une signification clinique de premier plan. Des recherches en psychiatrie cognitive ont révélé que les patients atteints de schizophrénie échappent fréquemment à l’illusion du masque creux : ils perçoivent le masque tel qu’il est physiquement, c’est-à-dire concave. Ce résultat spectaculaire s’explique par un affaiblissement caractéristique de la connectivité descendante et des priors contextuels chez les patients schizophrènes, les privant de l’emprise normale des schémas mentaux supérieurs sur l’évidence sensorielle brute.
5.4 Les figures bistables et paradoxales : Cube de Necker et Triangle de Penrose
Les figures bistables ou réversibles, à l’image du célèbre cube de Necker découvert en 1832 par Louis Albert Necker, offrent une démonstration limpide du caractère génératif et probabiliste de la perception visuelle. Ce dessin au trait présente la structure filaire d’un cube géométrique en perspective isométrique. La particularité fondamentale de cette configuration graphique est qu’elle n’offre aucun indice physique de profondeur permettant de savoir quelle face se situe à l’avant-plan et quelle face se situe à l’arrière-plan. Le stimulus optique projeté sur la rétine demeure rigoureusement statique, fixe et immuable au fil des secondes.
Pourtant, quiconque fixe ce dessin fait l’expérience d’une dynamique perceptive fascinante : spontanément, toutes les quelques secondes, la face avant bascule vers l’arrière et vice-versa. Le cube change d’orientation dans l’espace de manière abrupte. Richard Gregory souligne que cette alternance phénoménologique survient en l’absence totale de la moindre modification dans les signaux sensoriels ascendants. Cette bistabilité prouve que le percept conscient n’est pas déterminé par l’image, mais par l’hypothèse que l’esprit sélectionne pour l’interpréter. Confronté à deux hypothèses spatiales d’égale vraisemblance statistique, le cerveau teste la première, s’en désintéresse temporairement sous l’effet de l’adaptation neuronale, puis adopte la seconde, oscillant indéfiniment entre deux lectures cohérentes du monde physique.
Les figures paradoxales, incarnées au plus haut point par le triangle de Penrose ou les architectures impossibles de Maurits Cornelis Escher, mettent quant à elles en relief la modularité et les limites architecturales de nos inférences visuelles. Lorsque nous contemplons le triangle de Penrose, chaque angle et chaque arête est localement analysé par les aires visuelles comme un dièdre géométrique parfaitement valide en trois dimensions. C’est l’intégration globale de ces parties au sein d’un modèle unifié qui bute sur une impossibilité physique absolue. Le cerveau s’épuise alors dans une boucle inférentielle perpétuelle : il applique scrupuleusement ses règles de mise en perspective descendante sans jamais réussir à clore son hypothèse sur un objet géométriquement viable, révélant la nature fondamentalement calculatoire et axiomatique du regard.
6. La controverse historique : Richard Gregory contre James J. Gibson
6.1 L’approche écologique de Gibson : la théorie de la perception directe
L’histoire de la psychologie de la perception durant la seconde moitié du XXe siècle a été profondément polarisée par un antagonisme théorique monumental : le grand débat opposant le constructivisme intellectualiste de Richard Gregory à l’approche écologique défendue avec vigueur par le psychologue américain James J. Gibson. Dans son maître-ouvrage paru en 1979, Gibson balaye d’un revers de main l’ensemble des postulats constructivistes, qu’il juge fondés sur une vision de laboratoire erronée et réductionniste consistant à étudier des yeux immobiles fixant des images statiques dans l’obscurité.
Gibson rejette catégoriquement le dogme de la pauvreté du stimulus sensoriel. Pour lui, l’environnement réel ne projette pas des images statiques et ambiguës, mais baigne l’observateur en mouvement dans un réseau optique ambiant (ambient optic array) d’une richesse informationnelle inouïe. Lorsque l’organisme se déplace dans le monde naturel, les flux optiques, les gradients de texture et les invariants spatio-temporels fournissent immédiatement et sans la moindre équivoque toute la structure géométrique nécessaire pour appréhender l’espace sans recourir à un quelconque calcul mental, mémoire ou inférence inconsciente. De surcroît, Gibson forge le concept séminal d’affordance : les objets ne sont pas perçus comme des entités géométriques abstraites auxquelles l’esprit accolerait ensuite un sens, mais sont perçus directement dans ce qu’ils offrent à l’action motrice de l’organisme (une chaise est directement perçue comme « asseyable », un rocher comme « franchissable »).
6.2 Points d’irréconciliabilité et divergences théoriques fondamentales
L’opposition entre Gregory et Gibson relève d’une césure philosophique et ontologique radicale entre l’externalisme écologique et l’internalisme représentatif. Pour James J. Gibson, introduire des représentations mentales, des hypothèses, des mémoires ou des calculs entre le monde et l’organisme relève d’une illusion intellectualiste pernicieuse. La perception est directe : l’animal « résonne » avec les invariants optiques ambiants, prélevant l’information sans médiation symbolique. Dans ce cadre gibsonien, les illusions d’optique ne sont rien d’autre que des artefacts de laboratoire totalement artificiels créés par des dispositifs expérimentaux pervers qui privent le sujet de son mouvement corporel naturel et tronquent les gradients de texture normaux.
Richard Gregory répliquait avec une virulence intellectuelle remarquable que la théorie gibsonienne de la perception directe était une fausse théorie qui passait totalement à côté de l’essence même du problème computationnel de la vision. Pour Gregory, affirmer que l’esprit extrait directement l’information sans expliquer l’algorithme sous-jacent qui permet d’isoler cette information revient à invoquer un miracle magique. Comment expliquer que deux personnes voient différemment la même scène ? Comment rendre compte des erreurs sensorielles manifestes, de l’effet d’expériences passées, ou du fait qu’un masque creux soit perçu comme convexe même lorsqu’on tourne autour ? Pour Gregory, le traitement de l’information exige une mémoire, une manipulation symbolique et des modèles internes. Déclarer les illusions hors de la science revenait, selon lui, à refuser d’analyser la boîte noire de l’esprit.
6.3 Tentatives d’intégration contemporaines et modèles hybrides
Après plusieurs décennies d’affrontements théoriques passionnés, les neurosciences cognitives et les sciences computationnelles ont fini par dépasser cette dichotomie stérile en démontrant que Gregory et Gibson décrivaient en réalité deux sous-systèmes fonctionnels complémentaires au sein du système visuel des primates. Le théoricien de la vision computationnelle David Marr (1982) a posé les premiers jalons d’une réconciliation en montrant comment une chaîne de traitements algorithmiques ascendants très rigoureux (esquisse primaire, esquisse 2,5D) pouvait servir de tremplin à l’intégration de modèles modulaires de haut niveau en trois dimensions.
Toutefois, c’est la percée neurobiologique majeure accomplie par Melvyn Goodale et David Milner (1992) qui a véritablement scellé l’arbitrage théorique en découvrant la spécialisation anatomique des deux grandes voies visuelles corticales :
- La voie dorsale (la voie du « où » et du « comment ») : s’étendant du cortex visuel primaire vers le lobe pariétal supérieur, elle traite l’information visuelle en temps réel pour guider l’action motrice immédiate de manière non consciente (saisie d’objets, évitement d’obstacles). Cette voie opère selon les principes gibsoniens de la perception directe et de l’extraction optomotrice rapide.
- La voie ventrale (la voie du « quoi ») : reliant V1 au cortex temporal inférieur, elle sous-tend la reconnaissance consciente des formes, l’attribution sémantique, la mémoire et l’identification des objets. Cette voie est le siège par excellence des processus constructifs et descendants théorisés par Gregory, dépendant lourdement des modèles internes et soumise aux illusions visuelles.
7. Les bases neurobiologiques et computationnelles du traitement descendant
7.1 Architecture anatomique des connexions de rétroaction corticale
Longtemps après que Richard Gregory a formulé ses postulats théoriques sur la primauté des hypothèses cognitives, la neuroanatomie quantitative moderne a apporté des preuves structurales massives attestant que le cerveau n’a pas du tout été câblé par l’évolution pour être une machine sensorielle exclusivement afférente. L’étude histologique et électrophysiologique des connexions cérébrales chez les primates a révélé un déséquilibre anatomique spectaculaire : dans l’ensemble de la hiérarchie corticale visuelle, les projections nerveuses de rétroaction (feedback, descendantes) sont numériquement largement supérieures ou équivalentes aux voies d’alimentation ascendantes (feedforward).
Ainsi, au niveau du corps genouillé latéral dans le thalamus — première station de relais synaptique majeure sur la voie optique —, les fibres nerveuses descendantes provenant du cortex visuel primaire (V1) surpassent d’un facteur impressionnant (près de 10 contre 1) le nombre d’axones ascendants issus directement des cellules ganglionnaires de la rétine. Le cortex visuel primaire est lui-même submergé par les connexions massives émanant des aires visuelles secondaires (V2, V4), du cortex temporal inférieur (IT) et du cortex préfrontal dorsolatéral. Sur le plan microchimique, ces projections rétroactives descendantes s’appuient sur une régulation fine et complexe de synapses glutamatergiques excitatrices et d’interneurones GABAergiques inhibiteurs. Loin d’être un simple récepteur passif des influx lumineux, le cortex sensoriel primaire est constamment orchestré, excité, restreint et préparé par les hiérarchies cérébrales supérieures.
7.2 Le codage prédictif (Predictive Coding) comme raffinement moderne
Sur le plan théorique et computationnel contemporain, la théorie de la perception constructive de Gregory a trouvé son prolongement le plus achevé et le plus puissant dans le paradigme neuroscientifique du codage prédictif (Predictive Coding), théorisé originellement par Rajesh Rao et Dana Ballard (1999) et élevé au rang de métathéorie unifiée du fonctionnement cérébral par le neurophysiologiste Karl Friston et le philosophe Andy Clark. Le codage prédictif inverse la perspective computationnelle conventionnelle : le cerveau n’attend pas passivement les informations pour les traiter étape par étape ; il génère en permanence un modèle génératif descendant du monde physique.
Dans ce modèle hiérarchique, les aires cérébrales supérieures transmettent continuellement vers les aires inférieures des prédictions sensorielles formulées à partir de modèles internes probabilistes. Tout ce qui transite en sens inverse, de la périphérie vers les centres supérieurs le long des voies ascendantes, n’est pas le signal brut lui-même, mais uniquement l’erreur de prédiction (prediction error), c’est-à-dire la fraction résiduelle du signal physique qui n’a pas pu être anticipée par les modèles descendants :
$$\text{Erreur de prédiction} = \text{Signal sensoriel reçu} – \text{Prédiction descendante}$$
L’objectif biologique fondamental de tout le système cérébral, régi par le principe de minimisation de l’énergie libre variationnelle de Friston, est d’annuler ou de réduire au silence cette erreur de prédiction. Soit le cerveau met à jour ses croyances internes et ajuste ses hypothèses pour correspondre aux données nouvelles (mise à jour des priors, perception au sens strict), soit il déclenche des comportements moteurs pour forcer le monde physique à s’aligner sur ses prédictions (inférence active). Gregory avait vu juste : la perception consciente stable n’est rien d’autre que la concrétisation phénoménologique du modèle prédictif descendant triomphant.
7.3 Évidences neurophysiologiques par imagerie fonctionnelle et électrophysiologie
L’arsenal technologique contemporain des neurosciences — imagerie par résonance magnétique fonctionnelle (IRMf) à ultra-haut champ, magnétoencéphalographie (MEG) et enregistrements électrophysiologiques unitaires intracrâniens — est venu corroborer avec éclat la prééminence des signaux descendants lors de l’acte de voir. Des protocoles expérimentaux d’imagerie fonctionnelle ont ainsi mis en évidence que les neurones du cortex visuel primaire (V1) s’activent vigoureusement le long des tracés géométriques correspondant à des contours illusoires de Kanizsa, alors même que ces emplacements spatiaux précis de la rétine ne reçoivent strictement aucun photon ni aucun contraste de luminance physique. Cette activation précoce en V1 reflète l’onde de retour rétroactive descendant des aires V2 et du cortex temporal pour matérialiser l’hypothèse de la surface opaque.
De surcroît, les enregistrements MEG chez l’humain ont révélé la fulgurance temporelle de ces interactions. Lors de la présentation d’objets dégradés ou d’images ambiguës, des oscillations électrophysiologiques de haute fréquence (ondes gamma et bêta) sont détectables dans le cortex orbitofrontal et les aires préfrontales dans un délai de 50 à 80 millisecondes seulement après l’apparition de l’image, bien avant que les opérations de catégorisation visuelle fine ne s’achèvent dans le cortex temporal ventral (150–200 ms). Enfin, l’application de la stimulation magnétique transcrânienne (TMS) sur les aires préfrontales ou temporales supérieures vient désorganiser de manière ciblée ces inférences descendantes, provoquant instantanément une dégradation de la reconnaissance d’objets et rendant le sujet incapable de lever les ambiguïtés visuelles d’une scène dégradée.
8. Le rôle des connaissances préalables, du contexte et de la culture
8.1 Effets de contexte et facilitation sémantique de l’identification
L’un des terrains d’expérimentation les plus fertiles pour observer l’action souveraine du traitement descendant réside dans l’analyse des effets de contexte sur la rapidité et la précision de la reconnaissance visuelle. Le cerveau n’analyse jamais un objet de manière isolée au sein d’un vide abstrait ; il intègre l’entité au sein d’une scène globale pour laquelle il possède des schémas sémantiques préétablis (scene schemas). Les expériences classiques conduites par Stephen Palmer (1975) ont posé les fondations empiriques de ce phénomène : lorsqu’on montre à des sujets l’esquisse contextuelle d’une cuisine, puis qu’on leur flashe très brièvement un objet cible dégradé, un pain est identifié avec une facilité et une célérité remarquables, tandis qu’un tambour ou une boîte aux lettres de forme visuelle très voisine subit des taux d’échec d’identification considérables.
Le modèle interne de la « scène de cuisine » active de manière descendante et préventive tout un faisceau de représentations associées (couteau, assiette, aliments), abaissant drastiquement le seuil de décision neuronale requis pour valider l’hypothèse perceptive concordante. Ce phénomène de facilitation descendante culmine dans la lecture humaine à travers le célèbre effet de supériorité du mot (démontré par Cattell puis par Reicher) : une lettre ambiguë ou altérée est reconnue infiniment plus vite et plus précisément lorsqu’elle est insérée au sein d’un mot signifiant que lorsqu’elle est présentée isolément ou dans une suite aléatoire de consonnes. La connaissance lexicale préalable descend réparer et surdéterminer l’analyse orthographique locale.
8.2 Variations transculturelles et hypothèse du ‘monde charpenté’
L’une des preuves les plus fascinantes que nos modèles perceptifs descendants sont façonnés par l’expérience écologique accumulée provient de l’anthropologie cognitive et de l’étude des variations transculturelles de la sensibilité aux illusions d’optique. Dans les années 1960, une équipe de chercheurs dirigée par Marshall Segall, Donald Campbell et Melville Herskovits a conduit une vaste étude comparative internationale portant sur l’illusion de Müller-Lyer et l’illusion de Sander auprès de multiples populations réparties à travers le globe, confrontant des populations urbaines occidentales industrialisées à des peuples vivant dans des milieux traditionnels non industrialisés (notamment les chasseurs-cueilleurs San du désert du Kalahari en Afrique australe).
Les résultats furent sans équivoque : les membres des sociétés occidentales urbaines se sont révélés immensément plus sensibles à l’illusion de Müller-Lyer que les sujets vivant dans des environnements traditionnels. Pour rendre compte de cette disparité phénoménale, les auteurs ont forgé la célèbre hypothèse du « monde charpenté » (carpentered world hypothesis). Ayant évolué depuis leur naissance dans des villes saturées de constructions géométriques rectangulaires, de murs perpendiculaires, d’encadrements de portes et de carrelages rectilignes, les citadins occidentaux ont calibré leurs modèles internes descendants sur l’omniprésence des angles droits et des fuyantes de perspective euclidiennes. À l’inverse, les populations vivant dans des environnements organiques (huttes circulaires, paysages naturels ouverts dépourvus d’arêtes architecturales) n’ont pas incorporé ce prior architectural rigide dans leur machinerie cognitive : leurs yeux ne transforment pas les flèches en coins de murs, et l’illusion géométrique perd immédiatement son emprise.
8.3 Apprentissage perceptif et expertise visuelle acquise
Loin d’être figés à l’issue du développement infantile, les schémas descendants continuent de se métamorphoser tout au long de la vie adulte sous l’effet de l’apprentissage perceptif et de l’acquisition d’une expertise professionnelle hautement spécialisée. La transformation du regard chez les radiologues chevronnés fournit une illustration magistrale de cette plasticité des modèles internes. Confronté à un cliché radiographique pulmonaire complexe et noyé de bruits de texture grisâtres, le médecin novice balaie l’image de manière exhaustive, traquant péniblement le signal le long de chemins exploratoires désordonnés. Le radiologue expert, à l’inverse, pose son regard en quelques centaines de millisecondes directement sur la micro-lésion cancéreuse ou l’opacité pathologique débutante.
L’enregistrement des mouvements oculaires (eye-tracking) démontre que le cerveau de l’expert ne procède plus par agrégation ascendante d’indices locaux. Sa longue pratique a gravé dans ses aires temporales et associatives des modèles d’organisation morphologique pathologique extraordinairement fins. Dès le premier coup d’œil d’ensemble, une hypothèse diagnostique globale s’active et projette immédiatement un faisceau d’attention descendante vers les coordonnées spatiales suspectes. On observe rigoureusement les mêmes reconfigurations cognitives chez les grands maîtres internationaux d’échecs (capables d’appréhender instantanément la structure tactique d’un échiquier sans calculer consciemment chaque pièce), ainsi que chez les ornithologues ou les experts en botanique : l’expertise visuelle consiste en une accélération phénoménale du traitement descendant qui subsume instantanément le désordre sensoriel sous un modèle d’une redoutable précision conceptuelle.
9. Les erreurs perceptives, hallucinations et psychopathologie cognitive
9.1 Les paréidolies comme hyperactivité de la recherche d’hypothèses
La tendance universelle de l’esprit humain à discerner des formes signifiantes, et tout particulièrement des visages humains ou des silhouettes animales, dans des motifs visuels totalement aléatoires et amorphes — tels que les nuages dans le ciel, les taches d’encre d’un test de Rorschach ou les anfractuosités d’une roche sur la planète Mars — porte le nom de paréidolie. Dans la perspective de Richard Gregory, loin de constituer une anomalie psychologique, la paréidolie offre une fenêtre ouverte sur l’hyperactivité intrinsèque de la machine à générer des hypothèses cognitives qui tourne perpétuellement au cœur de notre cerveau.
D’un point de vue phylogénétique et adaptatif, le coût d’une erreur de détection de type II (faux négatif : ne pas voir le visage d’un prédateur camouflé dans le feuillage ou la présence d’un congénère hostile) est immensément plus fatal pour la survie de l’organisme que le coût d’une erreur de type I (faux positif : croire déceler un visage là où il n’y a qu’une ombre accidentelle de branchages). L’évolution a donc délibérément biaisé la distribution de nos probabilités a priori en faveur de la reconnaissance de visages. En conséquence, dès lors que le système sensoriel est confronté à un bruit visuel désorganisé, les modèles internes s’activent préventivement, projetant de manière descendante des schémas faciaux stéréotypés sur des signaux incohérents, contraignant la conscience à percevoir un visage là où la physique ne propose que du hasard.
9.2 Déconnexion perceptive et hallucinations dans les états psychotiques
La psychopathologie cognitive contemporaine a jeté une lumière spectaculaire sur les dérèglements de l’architecture constructive de la vision, tout particulièrement dans le cadre de la schizophrénie et des états psychotiques aigus caractérisés par l’émergence d’hallucinations sensorielles dévastatrices. Les avancées récentes issues du formalisme bayésien du cerveau prédictif expliquent le phénomène hallucinatoire par une altération dramatique de la pondération de précision (precision weighting) entre les signaux ascendants et les prédictions descendantes.
Dans un cerveau psychotique, les priors descendants sont dotés d’un poids de certitude ou d’une hyper-précision synaptique aberrante (fréquemment associée à des dérégulations de la transmission dopaminergique et glutamatergique au sein des réseaux corticaux préfrontaux). Le système traite ses propres modèles internes et ses croyances cognitives endogènes comme des évidences indiscutables, sans tenir compte des signaux d’invalidation ascendants en provenance des organes sensoriels. L’erreur de prédiction est artificiellement réprimée : le modèle interne génère alors une perception consciente entièrement émancipée de toute cause physique distale. Paradoxalement, comme nous l’avons évoqué précédemment avec le cas du masque creux, ces mêmes patients s’avèrent insensibles à certaines illusions géométriques visuelles de bas niveau, car l’intégration contextuelle locale est dissociée des représentations sémantiques globales, attestant d’une rupture fonctionnelle profonde dans la hiérarchie de l’inférence perceptive.
9.3 Troubles neurologiques : agnosies visuelles et syndrome de Charles Bonnet
L’examen des tableaux cliniques engendrés par des lésions focales du système nerveux central fournit une confirmation neuropsychologique éclatante de la modularité du traitement constructif chez l’humain. Les agnosies visuelles, magistralement classifiées dès la fin du XIXe siècle par Heinrich Lissauer, illustrent une dissociation anatomofonctionnelle majeure entre la composante ascendante et la composante descendante de la vision :
- L’agnosie aperceptive : consécutive à des atteintes bilatérales des aires visuelles associatives occipitales, elle prive le patient de la capacité élémentaire de construire une représentation perceptive cohérente du stimulus (le patient est incapable de copier un dessin simple ou de discriminer des formes basiques), révélant la destruction des premiers étages de synthèse structurale.
- L’agnosie associative : liée à des lésions des voies ventrales temporo-occipitales, elle laisse la perception structurale parfaitement intacte (le patient dessine fidèlement un marteau ou un vélo), mais bloque de façon absolue l’accès au sens et à la mémoire sémantique descendante : le sujet ne sait plus quel est l’usage de l’objet qu’il vient pourtant de reproduire avec une minutie photographique.
À l’autre extrémité du spectre pathologique se trouve le fascinant syndrome de Charles Bonnet, qui frappe des individus âgés intellectuellement sains subissant une perte d’acuité visuelle sévère et irréversible (dégénérescence maculaire liée à l’âge, glaucome terminal). Privé brutalement de tout apport sensoriel ascendant par la déafférentation rétinienne, le cortex visuel entre dans une phase d’hyperexcitabilité spontanée. En l’absence de signaux extérieurs pour contraindre et guider la machinerie prédictive, les réseaux cérébraux se mettent à fonctionner « à vide », libérant de manière autonome des hypothèses mémorielles complexes : les patients voient apparaître sous leurs yeux des cortèges de personnages costumés, des paysages somptueux ou des architectures baroques d’une prodigieuse netteté. Le syndrome de Charles Bonnet constitue la preuve irréfutable de la nature intrinsèquement génératrice et endogène du cortex visuel humain : lorsque la réalité physique s’éteint, l’esprit continue inlassablement de peindre le monde à partir de ses propres matrices intérieures.
10. Applications contemporaines : Intelligence Artificielle et Vision par Ordinateur
10.1 Limites des réseaux neuronaux convolutifs purement ascendants
L’essor spectaculaire de l’apprentissage profond (Deep Learning) au cours de la dernière décennie a profondément révolutionné le domaine de la vision par ordinateur. Grâce à des architectures inspirées du cortex visuel primaire, en particulier les réseaux de neurones convolutifs (CNN, tels qu’AlexNet, VGG ou ResNet), les machines sont parvenues à égaler ou dépasser les performances humaines dans des tâches monumentales de classification d’images à grande échelle sur des banques de données telles qu’ImageNet. Toutefois, les scientifiques de l’intelligence artificielle ont rapidement été confrontés à un mur théorique : ces modèles conventionnels reposent quasi exclusivement sur des architectures purement ascendantes (feedforward), où l’information se propage de manière unidirectionnelle des pixels bruts de la couche d’entrée vers les couches convolutives de détection de motifs, jusqu’à la couche de sortie finale.
Cette absence criante de traitement descendant engendre une fragilité structurelle catastrophique, mise en lumière par la vulnérabilité extrême de ces réseaux face aux attaques dites adverses (adversarial attacks). En modifiant de manière imperceptible pour l’œil humain quelques pixels stratégiques d’une photographie de panda, on peut contraindre un réseau convolutif ultra-performant à affirmer avec une certitude statistique de 99,9 % qu’il contemple un gibbon ou une automobile. Les réseaux convolutifs purement ascendants ne possèdent aucune compréhension causale, aucune ontologie physique du monde, et aucune notion de la permanence des objets tridimensionnels : ils se contentent de corréler superficiellement des textures statistiques locales. Dès lors qu’un objet est partiellement occulté, plongé dans un brouillard dense, ou présenté sous une orientation spatiale atypique, leurs performances s’effondrent lamentablement là où la vision constructive humaine compense instantanément la dégradation du signal par le recours à ses modèles d’attentes conceptuelles.
10.2 Intégration de mécanismes de rétroaction dans les architectures d’apprentissage profond
Pour surmonter les impasses intrinsèques de l’approche exclusivement ascendante, les chercheurs en intelligence artificielle contemporaine se sont explicitement tournés vers les préceptes de Richard Gregory et les principes computationnels du cerveau prédictif. Une nouvelle génération d’architectures intégrant des dynamiques récurrentes et des rétroactions descendantes a vu le jour, à l’instar des réseaux prédictifs de type PredNet, des réseaux génératifs récurrents et des transformeurs visuels intégrant des mécanismes d’attention descendante (top-down attention).
Ces systèmes s’appuient sur le paradigme computationnel de l’analyse par la synthèse (analysis-by-synthesis). Au lieu de se limiter à classifier les caractéristiques d’une image, le réseau de vision utilise un module génératif interne pour reconstituer une simulation tridimensionnelle hypothétique de la scène observée, confronte cette synthèse virtuelle à l’image réelle captée par les capteurs, et utilise l’erreur de reconstruction résiduelle pour ajuster ses paramètres de modélisation. Les résultats empiriques confirment que l’intégration de ces flux de rétroaction descendante confère aux intelligences artificielles une robustesse phénoménale face au bruit, une résistance accrue aux attaques adverses, et une capacité inédite à segmenter des objets masqués ou dégradés d’une manière qui s’aligne fidèlement sur la phénoménologie de la vision humaine.
10.3 Conception de systèmes autonomes et de robotique cognitive
L’implémentation du paradigme constructiviste trouve son application industrielle la plus critique et la plus spectaculaire dans le développement des véhicules autonomes et de la robotique humanoïde cognitive. Un robot mobile ou une automobile sans chauffeur évoluant dans un milieu urbain dense ne saurait s’en remettre à une analyse naïve et passive de ses flux de caméras et de ses capteurs LiDAR sous peine de subir des temps de latence computationnelle rédhibitoires et des erreurs de détection fatales lors de perturbations météorologiques soudaines (pluie battante, tempêtes de neige, reflets éblouissants du soleil).
Les véhicules autonomes de pointe intègrent désormais des modèles du monde (world models) probabilistes hautement sophistiqués qui prédisent en permanence la cinématique de l’environnement physique plusieurs secondes à l’avance. Le système embarqué anticipe la trajectoire d’un piéton dissimulé momentanément derrière un camion de livraison par un mécanisme de complétion amodale descendante : le piéton continue d’« exister » dans le modèle interne de l’automobile même s’il a temporairement disparu des capteurs optiques directs. Cette interaction symbiotique entre des capteurs multimodaux continuellement interrogés et des attentes spatiales programmées permet d’alléger drastiquement la charge de calcul informatique tout en garantissant un niveau de sécurité opérationnelle et d’anticipation motrice inaccessible aux systèmes purement réactifs.
11. Évaluations critiques, limites et réévaluations contemporaines de la théorie
11.1 Le problème de la pénétrabilité cognitive et l’objection de Fodor
Malgré sa puissance explicative colossale et sa séduction conceptuelle, la théorie de la perception constructive de Richard Gregory a fait l’objet de vives critiques et de débats épistémologiques intenses au sein des sciences de l’esprit. La critique la plus virulente et la plus influente a été formulée par le philosophe et linguiste américain Jerry Fodor dans son célèbre ouvrage de 1983, The Modularity of Mind. Fodor y défend la thèse radicale de l’encapsulation informationnelle des modules sensoriels d’entrée : selon lui, la perception visuelle primaire fonctionne comme un module étanche, rapide et réflexe, dont les opérations internes sont strictement imperméables aux connaissances conceptuelles conscientes, aux désirs ou aux croyances sémantiques de haut niveau du sujet.
L’argument massue soulevé par Jerry Fodor contre Richard Gregory repose sur la pérennité têtue et inaltérable des illusions d’optique. Lorsque vous contemplez l’illusion de Müller-Lyer en tenant une règle graduée dans la main, vous savez avec une certitude scientifique absolue et inébranlable que les deux segments ont exactement la même dimension physique ; cette connaissance conceptuelle explicite ne modifie pourtant en rien votre phénoménologie visuelle : vous continuez désespérément de voir l’un des traits plus grand que l’autre. Si la perception visuelle était véritablement une affaire d’hypothèses cognitives pénétrées par le savoir de l’observateur, argumente Fodor, le fait de savoir que la ligne est égale devrait instantanément dissoudre l’illusion. Pour Fodor, le cerveau visuel applique des règles optiques locales innées ou précocement figées dans ses circuits, mais demeure profondément aveugle à la rationalité et à l’intelligence de l’observateur.
En réponse à l’objection fodorienne, les défenseurs contemporains de Gregory et du codage prédictif soulignent que l’encapsulation fodorienne est une illusion d’échelle. Les « hypothèses » du système visuel ne sont pas des croyances verbales ou des jugements linguistiques formels formulés par le cortex préfrontal ; ce sont des modèles structurels sous-symboliques, incorporés directement dans l’architecture anatomique des réseaux corticaux spécialisés de la vision. L’inaccessibilité de ces représentations profondes à la réflexivité rationnelle ne démontre aucunement l’absence de traitement descendant ; elle prouve simplement la hiérarchie et la modularité des mémoires internes au sein de l’encéphale.
11.2 Risques de circularité explicative du modèle d’hypothèse
Sur le plan de l’épistémologie pure, la métaphore gregoryenne du « percept comme hypothèse scientifique » a parfois été taxée de circularité explicative ou de dérive anthropomorphique. Certains philosophes de l’esprit ont pointé le danger de la métaphore de l’homoncule : affirmer que le cerveau « teste » des hypothèses, « compare » des probabilités et « décide » quelle est la meilleure explication revient insidieusement à loger un petit scientifique intelligent à l’intérieur du crâne, sans résoudre le mystère matériel de l’implémentation de la décision.
De surcroît, le modèle constructiviste s’est longtemps heurté au problème dit de l’« arrêt de l’inférence » (ou problème du cadre / frame problem). Dans un univers physique infini, il existe mathématiquement une infinité astronomique d’hypothèses susceptibles d’expliquer un faisceau donné de rayons lumineux frappant la rétine. Qu’est-ce qui restreint, délimite et oriente l’exploration de ces hypothèses pour que l’encéphale sélectionne la bonne en moins de 150 millisecondes sans se perdre dans des calculs combinatoires vertigineux qui le paralyserait ? Tant que Gregory ne disposait pas des outils mathématiques de la physique statistique et de la minimisation de l’énergie libre formés par Friston au XXIe siècle, sa théorie des hypothèses demeurait vulnérable à l’accusation d’être une métaphore littéraire particulièrement féconde mais computationnellement indéterminée.
11.3 Réévaluations méthodologiques des expériences fondatrices
Enfin, le tournant méthodologique opéré par la psychologie expérimentale et les neurosciences computationnelles contemporaines a conduit à réévaluer avec un œil critique certains protocoles expérimentaux historiques mobilisés par Richard Gregory et ses successeurs. Des chercheurs ont souligné l’existence de biais expérimentaux potentiels dans certaines démonstrations classiques, notamment les effets d’attente induits par les consignes explicites délivrées aux sujets ou le caractère hautement contraint et artificiel des stimuli tachistoscopiques utilisés dans les années 1960.
La réplication moderne de ces expériences à l’aide d’outils de pointe — oculométrie à très haute résolution temporelle, casques de réalité virtuelle permettant une immersion écologique dynamique, et modélisation par réseaux de neurones profonds formés sur des scènes naturelles — a permis d’affiner considérablement la balance des facteurs. Si le principe fondamental du traitement descendant n’a nullement été invalidé, il est apparu que certains phénomènes attribués hâtivement par Gregory à des inférences cognitives de très haut niveau s’expliquent plus élégamment par des propriétés de filtrage directionnel et d’inhibitions récurrentes locales au sein des couches cellulaires de l’aire V1 et du colliculus supérieur. La vision constructive moderne se dessine ainsi comme une imbrication beaucoup plus dense et multiscalaire de processus physico-neuronaux et de déductions computationnelles probabilistes.
12. Synthèse épistémologique et perspectives futures en sciences cognitives
12.1 Héritage intellectuel de Richard Gregory dans la pensée scientifique
L’héritage intellectuel laissé par Richard Gregory dans l’histoire universelle des sciences de l’esprit est immense et impérissable. En réhabilitant et en modernisant de manière spectaculaire l’intuition helmholtzienne de l’inférence inconsciente à une époque où la psychologie risquait de s’enliser soit dans le matérialisme réducteur du béhaviorisme radical, soit dans les impasses descriptives de la phénoménologie pure, Gregory a durablement ancré la théorie constructiviste au sommet de la psychologie cognitive et des neurosciences de la vision.
Au-delà de son œuvre théorique fondatrice, concrétisée par des ouvrages magistraux traduits dans le monde entier tels que Eye and Brain (1966) et The Intelligent Eye (1970), Richard Gregory fut un vulgarisateur de génie animé d’une passion inlassable pour la médiation scientifique active. Convaincu que l’apprentissage passe par la manipulation tactile et l’expérimentation concrète, il a fondé en 1981 à Bristol l’Exploratory, le tout premier centre des sciences interactif du Royaume-Uni, précurseur direct des cités des sciences et musées contemporains pour enfants. Par ses démonstrations publiques inoubliables où il faisait toucher et manipuler des masques creux et des miroirs paradoxaux, Gregory a transmis à des générations d’étudiants, de chercheurs et de citoyens l’émerveillement face à la fabrique de nos perceptions conscientes et la conviction fondamentale que voir est une perpétuelle création de sens.
12.2 L’unification théorique sous le prisme du cerveau prédictif
La trajectoire historique des sciences cognitives au cours des dernières décennies offre le spectacle d’une remarquable réconciliation intellectuelle. Longtemps perçues comme inconciliables et vouées à une guerre de tranchées épistémologique sans merci, l’approche constructive descendante de Richard Gregory et l’approche écologique directe de James J. Gibson sont désormais en passe d’être harmonieusement synthétisées sous le dôme théorique unifié du cerveau prédictif et de l’inférence active.
Cette unification repose sur la redécouverte du lien indissoluble unissant l’action motrice et la perception sensorielle. Pour tester ses hypothèses et minimiser l’erreur de prédiction, le système visuel ne se contente pas de méditer passivement dans le silence du cortex associatif ; il engage le corps tout entier dans une exploration active : les mouvements des yeux, les inclinaisons de la tête et les déplacements de l’organisme tout entier dans l’espace ne sont rien d’autre que des actions motrices orchestrées pour tester empiriquement la validité des modèles internes descendants. La boucle cybernétique est ainsi bouclée : l’organisme agit pour échantillonner le réseau optique ambiant gibsonien, afin de sélectionner et de confirmer l’hypothèse cognitive la plus optimale formulée par le cerveau constructif de Gregory. La vision humaine s’affirme définitivement comme un dialogue permanent, physique et mental, entre l’être et le monde.
12.3 Frontières futures de la recherche sur la vision constructive
À l’aube du XXIe siècle, les principes de la vision constructive ouvrent des perspectives de recherche vertigineuses aux frontières des neurosciences computationnelles, de la pharmacologie cognitive et de l’ingénierie des interfaces technologiques avancées. Le développement fulgurant des technologies d’immersion en réalité virtuelle (VR) et réalité augmentée (AR) constitue un laboratoire exceptionnel pour éprouver les théories de Gregory à une échelle sans précédent. En manipulant artificiellement les corrélations motrices et visuelles, en créant des distorsions géométriques calculées et en rompant les invariants physiques habituels dans des mondes numériques immersifs, les chercheurs découvrent la prodigieuse rapidité avec laquelle le cerveau humain est capable d’abandonner ses priors séculaires pour forger et stabiliser de nouveaux modèles internes de la spatialité.
Parallèlement, la renaissance contemporaine de la recherche sur les substances psychédéliques (psilocybine, LSD, DMT) a apporté des éclairages électrophysiologiques saisissants sur la dynamique des flux descendants. Le modèle pharmacologique REBUS (Relaxed Beliefs Under Psychedelics), proposé par Carhart-Harris et Friston (2019), démontre par l’imagerie cérébrale que les psychédéliques désactivent temporairement la rigidité des priors descendants en agissant massivement sur les récepteurs sérotoninergiques 5-HT2A des neurones pyramidaux corticaux profonds. Libéré du carcan rigide des hypothèses descendantes habituelles, le cortex sensoriel est alors inondé d’un flux d’informations ascendantes débridées, engendrant ces métamorphoses visuelles kaléidoscopiques et ce sentiment de redécouverte vierge du monde qui caractérisent l’expérience psychédélique.
Enfin, le défi titanesque posé par les interfaces cerveau-machine (BCI) visuelles destinées à restituer la vue aux personnes aveugles par stimulation corticale directe en V1 se heurte précisément aux principes édictés par Gregory. Les neuroingénieurs s’aperçoivent qu’il ne suffira jamais d’injecter des phosphènes géométriques point par point sur la surface du cortex visuel primaire à la manière d’un écran de télévision pour restaurer une vision signifiante. Pour qu’une stimulation artificielle engendre une phénoménologie spatiale cohérente, il est impératif que les signaux technologiques s’intègrent et s’harmonisent avec les boucles de rétroaction descendante, les intentions motrices et les modèles internes du sujet. Ainsi, plus d’un demi-siècle après leur formulation initiale, les découvertes de Richard Gregory continuent de guider la science contemporaine vers la compréhension de cet émerveillement fondamental : voir le monde physique n’est pas une simple réception lumineuse, mais la plus fabuleuse œuvre de création de notre esprit.
Références
- Bruner, J. S., & Goodman, C. C. (1947). Value and need as organizing factors in perception. The Journal of Abnormal and Social Psychology, 42(1), 33–44. https://doi.org/10.1037/h0058484
- Carhart-Harris, R. L., & Friston, K. J. (2019). REBUS and the anarchic brain: Toward a unified model of the brain action of psychedelics. Pharmacological Reviews, 71(3), 316–344. https://doi.org/10.1124/pr.118.017160
- Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181–204. https://doi.org/10.1017/S0140525X12000477
- Fodor, J. A. (1983). The Modularity of Mind: An Essay on Faculty Psychology. MIT Press. https://doi.org/10.7551/mitpress/4737.001.0001
- Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787
- Gibson, J. J. (1979). The Ecological Approach to Visual Perception. Houghton Mifflin.
- Goodale, M. A., & Milner, A. D. (1992). Separate visual pathways for perception and action. Trends in Neurosciences, 15(1), 20–25. https://doi.org/10.1016/0166-2236(92)90344-8
- Goodfellow, I. J., Shlens, J., & Szegedy, C. (2014). Explaining and harnessing adversarial examples. arXiv preprint arXiv:1412.6572. https://arxiv.org/abs/1412.6572
- Gregory, R. L. (1966). Eye and Brain: The Psychology of Seeing. Weidenfeld and Nicolson.
- Gregory, R. L. (1970). The Intelligent Eye. McGraw-Hill.
- Gregory, R. L. (1980). Perceptions as hypotheses. Philosophical Transactions of the Royal Society of London. B, Biological Sciences, 290(1038), 181–197. https://doi.org/10.1098/rstb.1980.0090
- Gregory, R. L. (1997). Knowledge in perception and illusion. Philosophical Transactions of the Royal Society of London. Series B: Biological Sciences, 352(1358), 1121–1127. https://doi.org/10.1098/rstb.1997.0095
- Helmholtz, H. von (1867). Handbuch der physiologischen Optik. Leopold Voss.
- Kanizsa, G. (1976). Subjective contours. Scientific American, 234(4), 48–52. https://doi.org/10.1038/scientificamerican0476-48
- Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.
- Palmer, S. E. (1975). The effects of contextual scenes on the identification of objects. Memory & Cognition, 3(5), 519–526. https://doi.org/10.3758/BF03198113
- Rao, R. P., & Ballard, D. H. (1999). Predictive coding in the visual cortex: A functional interpretation of some extra-classical receptive-field effects. Nature Neuroscience, 2(1), 79–87. https://doi.org/10.1038/4580
- Schneider, U., Borsutzky, M., Seifert, J., Leweke, F. M., Huber, T. J., Rollnik, J. D., & Emrich, H. M. (2002). Inversion of the hollow-face illusion in schizophrenia: Reduced top-down processing of visual information? Psychiatry Research, 112(3), 257–260. https://doi.org/10.1016/S0165-1781(02)00213-9
- Segall, M. H., Campbell, D. T., & Herskovits, M. J. (1966). The Influence of Culture on Visual Perception. Bobbs-Merrill.