Théorie de la valeur attendue du contrôle (EVC) – Amitai Shenhav, Matthew M. Botvinick, & Jonathan D. Cohen

Le contrôle cognitif, souvent conceptualisé sous la bannière des fonctions exécutives, désigne l’ensemble des mécanismes par lesquels le cerveau configure, guide et ajuste dynamiquement ses flux de traitement de l’information en fonction d’objectifs internes non routiniers. Durant plusieurs décennies, la recherche en neurosciences cognitives a documenté la remarquable flexibilité de cette faculté, identifiant les architectures préfrontales et pariétales capables d’inhiber des réflexes prépotents, de maintenir des représentations en mémoire de travail ou de commuter activement entre différentes règles opératoires. Cependant, une énigme théorique centrale demeurait sans réponse satisfaisante : pourquoi le contrôle cognitif est-il perçu comme intrinsèquement difficile, limité en capacité, et pourquoi requiert-il une motivation explicite pour être mobilisé ? Si le système nerveux dispose d’une machinerie sophistiquée pour diriger l’attention et moduler l’action, par quel principe décide-t-il d’investir ces ressources à un instant précis, avec une intensité donnée, au détriment d’autres alternatives comportementales ?

C’est précisément à cette intersection fondamentale entre neurosciences computationnelles, psychologie cognitive et neuroéconomie que s’inscrit la contribution théorique majeure formalisée par Amitai Shenhav, Matthew M. Botvinick et Jonathan D. Cohen en 2013 : la théorie de la valeur attendue du contrôle (Expected Value of Control ou EVC). En rompant avec les approches traditionnelles qui traitaient le contrôle exécutif soit comme un homoncule mystérieux, soit comme une série de modules purement réactifs déclenchés mécaniquement par des conflits d’interférence sensorielle, le modèle EVC propose un changement de paradigme radical. Il refonde le contrôle cognitif comme un processus d’allocation optimale de ressources sous contraintes, gouverné par une logique d’arbitrage coût-bénéfice rigoureusement formalisée au niveau computationnel et neuronal.

Au cœur de cette architecture se trouve une structure cérébrale intensément débattue : le cortex cingulaire antérieur dorsal (dorsal anterior cingulate cortex, dACC). Alors que les littératures scientifiques s’opposaient historiquement entre des modèles attribuant au dACC un rôle de détecteur passif de conflits ou d’erreurs et des modèles neuroéconomiques le décrivant comme un encodeur de la valeur de l’action, la théorie EVC synthétise ces perspectives divergentes au sein d’une fonction unifiée. Selon Shenhav et ses collaborateurs, le dACC n’est ni un simple arbitre de conflits ni un banal récepteur de récompenses : il agit comme une véritable plaque tournante décisionnelle évaluant la rentabilité attendue de l’engagement exécutif. Cet article explore de manière approfondie les fondements conceptuels, la machinerie algorithmique, les bases neuroanatomiques, les validations expérimentales ainsi que les implications psychopathologiques et prospectives de cette avancée déterminante de la neurobiologie décisionnelle.

1. Introduction et fondements conceptuels de la théorie de la valeur attendue du contrôle (EVC)

1.1 Émergence et contexte historique de la théorie EVC

L’histoire de la neuropsychologie et des sciences cognitives a longtemps été marquée par une partition dichotomique entre les processus automatiques, jugés rapides, involontaires et peu dispendieux, et les processus contrôlés, décrits comme lents, séquentiels et délibératifs. Si les célèbres modèles d’attention supervisée, tels que le système attentionnel superviseur (SAS) de Norman et Shallice, ont précocement formalisé la nécessité d’une structure régulatrice intervenant dès lors que les schémas d’action automatisés s’avèrent inadaptés, ils souffraient d’une faille épistémologique récurrente : le recours implicite à un « agent intérieur » non spécifié pour déterminer le moment exact et la vigueur de l’intervention régulatrice.

Au début des années 2000, le modèle de détection de conflit computationnel de Carter, Botvinick, Braver, Barch et Cohen a offert une première tentative rigoureuse pour mécaniser cette supervision. Ce modèle postulait que la détection d’une interférence informationnelle au sein de réseaux moteurs concurrents — mesurée par l’énergie de coactivation neuronale au sein du dACC — fonctionnait comme un signal de rétroaction déclenchant automatiquement le renforcement du contrôle dans le cortex préfrontal dorsolatéral (dlPFC). Malgré son indéniable succès descriptif, cette perspective réactive révélait des limites manifestes : elle échouait à expliquer pourquoi le déploiement du contrôle varie si drastiquement selon la motivation de l’individu, pourquoi les organismes sont capables d’anticiper proactivement le besoin de contrôle avant même l’apparition de stimuli conflictuels, et surtout, pourquoi l’effort cognitif est universellement ressenti comme intrinsèquement désagréable et fatigant.

La publication fondatrice de Shenhav, Botvinick et Cohen (2013) dans Nature Neuroscience constitue le tournant théorique décisif. Les auteurs y accomplissent la synthèse entre le modèle de traitement d’information hiérarchique et les concepts émergents de la neuroéconomie. Face aux apories des visions exclusivement computationnelles ou exclusivement métaboliques du contrôle mental, la théorie EVC réorganise le champ en affirmant que l’allocation des fonctions exécutives obéit aux lois universelles de la décision normative. Dès lors, le cerveau n’active pas le contrôle simplement « parce qu’il le doit » pour résoudre une interférence, mais « parce qu’il en vaut la peine » sur le plan économique de l’utilité attendue.

1.2 Définition formelle de la valeur attendue du contrôle

Dans la théorie EVC, le contrôle exécutif n’est plus envisagé comme un pouvoir abstrait de la volonté, mais comme une ressource computationnelle strictement limitée, dont la mobilisation impose un coût d’opportunité et un désagrément subjectif mesurable. Déployer du contrôle cognitif revient à appliquer une force régulatrice descendante (top-down) sur des réseaux sensoriels ou moteurs afin de privilégier des flux d’information compatibles avec une consigne interne, au détriment des réponses réflexes ou environnementales dominantes.

Ce déploiement est régi par un arbitrage fondamental : d’un côté, le contrôle accroît l’efficacité de la performance motrice ou perceptive, réduisant les taux d’erreur et maximisant l’obtention de gratifications futures (gains primaires ou secondaires, évitement de punitions) ; de l’autre côté, son engagement génère une dépense interne que le cerveau enregistre comme un coût intrinsèque négatif. La « valeur attendue du contrôle » désigne la résultante nette de cette équation économique : il s’agit du bénéfice global espéré consécutif à l’application du contrôle, duquel est soustrait le coût computationnel requis pour soutenir cet état de concentration.

Une distinction conceptuelle capitale opérée par Shenhav et ses coauteurs réside dans la séparation étanche entre deux niveaux de décision : la sélection de l’action externe (l’arbitrage comportemental portant sur le choix d’un mouvement, d’un objet ou d’une décision monétaire) et la sélection du contrôle cognitif lui-même (la décision métacognitive interne portant sur l’état de concentration et la configuration des ressources cérébrales à instancier). Alors que la première sélection relève des circuits classiques de prise de décision motrice et striatale, la seconde engage une optimisation de second ordre, où l’objet même du calcul économique est l’allocation de la machinerie cérébrale.

1.3 Les trois questions fondamentales posées par le modèle

Pour qu’un système régulateur autonome gère efficacement son architecture cognitive dans un environnement imprévisible et riche en sollicitations, il doit impérativement résoudre trois questions computationnelles distinctes mais hautement interconnectées :

• Quelle quantité ou intensité de contrôle doit être déployée ? Il ne s’agit pas d’un état tout-ou-rien. Le modèle postule une modulation continue : un individu peut mobiliser un contrôle minimal, suffisant pour un guidage partiel, ou saturer ses ressources attentionnelles pour garantir une performance quasi parfaite. L’EVC formalise le point de fonctionnement optimal (le gain) où l’augmentation marginale de succès compense exactement le coût marginal de l’effort supplémentaire.
• Quels signaux ou canaux de traitement cognitif spécifiques doivent être régulés ? Le contrôle n’est pas une substance globale indifférenciée ; il possède une « identité ». Selon la tâche en cours, le système doit diriger sélectivement son biais descendant vers la lecture de mots plutôt que vers la dénomination de couleurs (dans une tâche de Stroop), vers le filtrage spatial auditif, ou vers la mise à jour des représentations dans le cortex préfrontal latéral. La théorie EVC formalise l’identification vectorielle précise des voies cibles à moduler.
• Quand et comment désengager ou réallouer les ressources cognitives ? Les environnements biologiques sont dynamiques et non stationnaires. Un signal de contrôle optimal à un instant $t$ peut devenir préjudiciable ou sous-optimal à l’instant $t+1$. Le modèle intègre les mécanismes temporels par lesquels le système surveille les variations de probabilités d’atteindre le but, détecte la dégradation de la contingence action-récompense et décide souverainement de maintenir la persévérance exécutive, de modifier l’intensité du contrôle, ou d’abandonner la tâche au profit de l’exploration d’alternatives comportementales.

2. Les origines théoriques : Modèles de contrôle cognitif et limites des approches classiques

2.1 Le modèle de détection de conflit de Botvinick et ses prolongements

La théorie EVC ne surgit pas dans un vide théorique ; elle représente l’aboutissement dialectique de plus d’une décennie de recherches intensives sur le rôle du cortex cingulaire antérieur dans le monitoring de la performance. À la fin des années 1990 et au début des années 2000, les travaux séminaux de Matthew Botvinick, Cameron Carter et Jonathan Cohen ont profondément renouvelé l’étude du contrôle exécutif en proposant l’hypothèse de détection de conflit. Selon ce schéma mécaniste, le dACC ne dirige pas directement le comportement, mais opère tel un baromètre mesurant la survenue simultanée d’activations incompatibles au sein des réseaux corticaux inférieurs de traitement d’information.

Les paradigmes expérimentaux emblématiques de ce modèle demeurent les tâches de Stroop, de Simon et de Flanker d’Eriksen. Dans la tâche de Stroop, par exemple, la présentation du mot « ROUGE » imprimé à l’encre bleue suscite deux tendances motrices compétitives : la lecture automatisée du texte lexical (conduisant à verbaliser « rouge ») et l’identification plus laborieuse de la teinte chromatique (exigeant de répondre « bleu »). Le modèle de Botvinick démontrait que le pic d’activation cingulaire observé lors des essais incongruents coïncidait rigoureusement avec le produit mathématique des activations croisées des deux canaux de réponse. Ce signal de conflit servait ensuite de déclencheur cybernétique pour ordonner au dlPFC d’augmenter le filtrage attentionnel sur les essais subséquents, rendant compte avec élégance de l’effet d’adaptation séquentielle au conflit, documenté initialement par Gratton en 1992.

Toutefois, ce cadre mécaniste s’est heurté à des objections conceptuelles irréfutables. D’une part, la notion de conflit informationnel pur s’est avérée incapable d’intégrer la dimension phénoménologique fondamentale de l’effort subjectif : pourquoi un conflit sensorimoteur serait-il aversif s’il ne s’agissait que d’un calcul tensoriel passif ? D’autre part, la recherche a rapidement mis en évidence que le dACC s’active vigoureusement en réponse à des erreurs explicites, à des signaux de punition monétaire, à la douleur physique, et surtout en anticipation de récompenses élevées, même en l’absence totale de tout conflit de traitement perceptible. Le modèle purement réactif et computationnellement aveugle aux valeurs de Botvinick devait impérativement évoluer vers une modélisation active et motivée de la régulation exécutive.

2.2 Les modèles d’épuisement de l’ego et leurs critiques contemporaines

Parallèlement aux investigations neurobiologiques du contrôle, la psychologie sociale et cognitive a été dominée durant près de deux décennies par la théorie de l’épuisement de l’ego (ego depletion), formulée par Roy Baumeister. Selon ce modèle de la ressource limitée (strength model), la volonté et l’autorégulation fonctionneraient à l’instar d’un muscle : chaque acte d’inhibition ou de concentration consommerait une réserve d’énergie métabolique physique — que certains chercheurs ont hâtivement assimilée à la baisse systémique du glucose sanguin circulant — entraînant transitoirement une phase d’impuissance exécutive jusqu’à la reconstitution du stock énergétique.

L’édifice théorique de Baumeister s’est effondré au cours de la décennie 2010 sous les coups conjugués de crises de réplication massives à l’échelle internationale et d’incohérences neurophysiologiques majeures. D’un point de vue biochimique, le cerveau humain consomme une quantité phénoménale d’énergie de façon continue (environ 20 % du métabolisme de base de l’organisme), mais les fluctuations globales de consommation de glucose lors de la transition d’un état de repos vers une tâche cognitivement très exigeante ne dépassent guère 1 à 2 % de la dépense basale, une variation largement insuffisante pour induire un épuisement métabolique cérébral aigu lors d’exercices de laboratoire de quelques minutes.

C’est ici qu’intervient le recadrage conceptuel décisif apporté par Robert Kurzban et ses collègues à travers leur modèle du coût d’opportunité, dont la théorie EVC est l’héritière directe. Kurzban a démontré que la sensation de fatigue mentale ne traduit en aucun cas un épuisement biologique des réserves d’énergie du système nerveux central, mais constitue un signal affectif adaptatif indiquant que le maintien de l’activité actuelle prive l’organisme d’autres opportunités potentiellement plus gratifiantes. L’effort mental cesse d’être une jauge d’essence qui se vide pour devenir une décision économique rationnelle de retrait face à des coûts d’opportunité grandissants. La théorie EVC a fourni la structure mathématique et neurobiologique normative rigoureuse qui manquait cruellement aux modèles fonctionnalistes de Kurzban.

2.3 L’intégration de la neuroéconomie dans les neurosciences cognitives

L’essor de la neuroéconomie au début des années 2000 — porté par des neurobiologistes et des économistes tels que Colin Camerer, Paul Glimcher, Ernst Fehr et Antonio Rangel — a profondément transformé notre compréhension de la prise de décision. En empruntant les axiomes de la théorie de l’utilité espérée de von Neumann-Morgenstern et les modèles de choix intertemporel, la neuroéconomie a isolé les substrats cérébraux dédiés à l’évaluation de la valeur subjective des options comportementales, identifiant le cortex préfrontal ventromédian (vmPFC) et le striatum ventral comme des structures épicentrales de conversion de récompenses multidimensionnelles en une monnaie d’échange neuronale commune.

Le saut qualitatif opéré par Shenhav, Botvinick et Cohen a consisté à rapatrier ces formalismes économiques stricts de l’espace des choix comportementaux externes (acheter un produit, choisir une loterie, appuyer sur un levier) vers l’espace intime des régulations métacognitives internes. Pour la première fois, la volonté n’était plus traitée comme une faculté transcendante régissant la matière, mais comme un produit de consommation interne soumis à une tarification computationnelle rigoureuse. Les processus mentaux délibératifs, la focalisation de l’attention sélective et la manipulation d’items en mémoire de travail ont été formellement requalifiés en « commodités computationnelles » coûteuses.

Cette approche a immédiatement résolu le paradoxe de la coexistence des signaux de punition, de récompense et d’interférence au sein du lobe frontal. En appliquant les principes de l’utilité espérée, la théorie démontre que le système exécutif traite les représentations de valeur comme les déterminants primaires absolus de la cognition de haut niveau. Les règles régissant la façon dont un agent économique choisit d’allouer son capital financier dans un portefeuille d’actifs sous incertitude sont transposées aux règles selon lesquelles le cortex cérébral investit ses cycles de calcul attentionnel dans différentes tâches concurrentes.

3. L’architecture computationnelle du modèle EVC : Variables et algorithmes

3.1 La fonction objective et la maximisation de l’utilité nette

L’architecture formelle de la théorie EVC repose sur la définition d’une fonction objective que le système de contrôle cognitif cherche à optimiser à chaque instant. Le système est modélisé comme un agent rationnel opérant dans un environnement stochastique, où l’état du monde $s in S$ nécessite la mise en œuvre d’une configuration de contrôle donnée. La valeur attendue du contrôle (EVC) est formalisée comme l’espérance mathématique de la valeur des issues futures conditionnées par le contrôle sélectionné, diminuée du coût intrinsèque inhérent au déploiement de ce même contrôle.

Mathématiquement, pour un état contextuel donné $s$, l’EVC d’un signal de contrôle déterminé, noté par le vecteur $\mathbf{c}$, peut être exprimée sous la forme synthétique suivante :

$$\text{EVC}(\mathbf{c}, s) = \sum_{i} P(o_i mid s, \mathbf{c}) \cdot V(o_i) – \text{Cost}(\mathbf{c})$$

Dans cette formulation, $o_i$ représente une issue comportementale spécifique (par exemple, la résolution réussie d’une épreuve sensorielle, l’obtention d’une somme d’argent, l’évitement d’une décharge électrique ou la commission d’une erreur d’inattention), $P(o_i mid s, \mathbf{c})$ est la probabilité de survenue de cette issue sachant l’état courant du système $s$ et le vecteur de contrôle appliqué $\mathbf{c}$, $V(o_i)$ désigne la valeur subjective (l’utilité) attribuée à cette issue, et $\text{Cost}(\mathbf{c})$ est la fonction de coût interne associée au déploiement de cette configuration spécifique de contrôle.

Le problème algorithmique résolu par le cerveau consiste dès lors à identifier et à instancier le vecteur de contrôle optimal $\mathbf{c}^*$ qui maximise cette valeur nette :

$$\mathbf{c}^* = arg\max_{\mathbf{c}} \left[ \text{EVC}(\mathbf{c}, s) \right]$$

Ce calcul implique une surface d’optimisation souvent convexe dans les plages usuelles de traitement, où l’augmentation de l’intensité du contrôle améliore de façon asymptotique la précision ou la vitesse de traitement (augmentant ainsi la probabilité d’issue favorable), tandis que le coût du contrôle croît de manière strictement monotone et non linéaire. L’équilibre optimal correspond au point où le gain marginal attendu égale exactement le coût marginal du contrôle additionnel.

3.2 La paramétrisation du signal de contrôle : Identité et intensité

Une caractéristique fondamentale du modèle formel d’EVC réside dans la décomposition du vecteur de contrôle $\mathbf{c}$ en deux composantes canoniques : l’identité du contrôle et son intensité. Loin d’être un scalaire unidimensionnel, le signal de contrôle est modélisé au sein d’un espace vectoriel multidimensionnel $\mathbb{R}^n$, où chaque dimension correspond à un effecteur ou canal cognitif discret susceptible d’être régulé par le cerveau.

L’identité du contrôle spécifie la cible architecturale vers laquelle l’influence exécutive descendante doit être orientée. Cela détermine quelles sous-populations neuronales dans le cortex sensoriel, associatif ou moteur recevront une modulation synaptique amplificatrice ou inhibitrice. Par exemple, dans une tâche requérant d’identifier la direction d’un mouvement de points lumineux tout en ignorant leur couleur, l’identité du contrôle consistera à sélectionner le canal de traitement visuel lié à l’aire MT/V5 plutôt que celui lié à l’aire V4.

L’intensité, quant à elle, représente l’amplitude ou le gain du signal régulateur injecté dans le canal désigné par l’identité. Un signal de contrôle de faible intensité n’exercera qu’une influence discrète sur le rapport signal-bruit du réseau récepteur, laissant subsister une forte variabilité stochastique et une perméabilité aux distracteurs. À l’inverse, une intensité maximale imposera un biais descendant puissant, supprimant presque totalement les influx concurrents au prix d’un coût subjectif très élevé. Le système EVC évalue en permanence cet espace vectoriel afin d’ajuster non seulement où l’effort doit porter, mais avec quelle magnitude la régulation doit s’exercer face aux incertitudes environnementales et à la variance attendue des rétributions.

3.3 Règles d’actualisation et apprentissage par renforcement

L’évaluation des probabilités $P(o_i mid s, \mathbf{c})$ et des valeurs $V(o_i)$ n’est pas statique ; elle s’inscrit au sein d’un cadre computationnel d’apprentissage par renforcement (Reinforcement Learning ou RL). Dans les contextes écologiques réels, les contingences environnementales fluctuent sans cesse, imposant une mise à jour permanente des paramètres internes régissant le calcul de l’EVC.

Le modèle intègre explicitement l’influence des signaux d’erreur de prédiction de récompense (Reward Prediction Errors, RPE) véhiculés par les projections dopaminergiques mésocorticolimbiques. Si une issue comportementale consécutive à l’allocation d’un contrôle $\mathbf{c}$ procure une rétribution supérieure aux prédictions, la valeur associée à cette stratégie de contrôle dans cet état contextuel spécifique est réévaluée à la hausse selon des règles formelles d’apprentissage par différence temporelle (Temporal Difference Learning) :

$$V(s) \leftarrow V(s) + \alpha \cdot \delta$$

où $\alpha$ représente le taux d’apprentissage et $\delta$ l’erreur de prédiction. Cependant, l’EVC dépasse le modèle RL classique sans modèle (model-free) en incorporant également des composantes basées sur des modèles internes de l’environnement (model-based). Le système calcule activement des gradients d’efficacité du contrôle, permettant des ajustements prospectifs immédiats du vecteur $\mathbf{c}$ dès que les instructions ou les probabilités contextuelles changent, sans exiger des centaines d’essais d’essais-erreurs préalables.

4. Le cortex cingulaire antérieur dorsal (dACC) comme plaque tournante de l’EVC

4.1 Synthèse des fonctions computationnelles attribuées au dACC

Le cortex cingulaire antérieur dorsal (dACC, souvent englobé avec l’aire motrice pré-cingulaire dans la zone motrice supplémentaire rostrale) a constitué pendant des décennies le carrefour le plus énigmatique de la neuroimagerie fonctionnelle humaine. Des méta-analyses exhaustives de milliers d’études d’IRM fonctionnelle ont systématiquement localisé des foyers d’activation convergents dans le dACC lors de tâches sollicitant la détection d’erreurs motrices, l’arbitrage de conflits cognitifs, l’anticipation de la douleur physique, l’évaluation du risque financier, le signalement de la surprise informationnelle, ou encore l’évaluation de l’effort physique et mental.

Cette multiplicité d’activations avait engendré une fragmentation théorique profonde, opposant les tenants de théories « conflictuelles », de théories « motrices » et de théories « affectivo-décisionnelles ». Le modèle EVC résout cette impasse conceptuelle par une unification algorithmique remarquable : le dACC n’est fragmenté ni fonctionnellement ni anatomiquement en une myriade de modules indépendants juxtaposés ; il opère comme le processeur central calculant spécifiquement le signal EVC. Toutes les variables mentionnées ci-dessus — le conflit (qui signale une ambiguïté sur l’issue et la nécessité d’une discrimination accrue), l’erreur (qui constitue un signal d’actualisation de la performance), la douleur (un coût vital extrême) et la récompense (le gain visé) — représentent précisément les entrées (inputs) computationnelles indispensables pour résoudre l’équation d’EVC.

En intégrant ces paramètres au sein d’une métrique d’utilité unique, le dACC assume le rôle de pivot exécutif : il compare la valeur des différentes configurations de contrôle possibles et formule la recommandation finale ordonnant d’engager, d’intensifier, de stabiliser ou de révoquer l’allocation des ressources cognitives de l’organisme.

4.2 Connectivité fonctionnelle et structurelle du dACC

L’attribution de cette fonction computationnelle cardinale au dACC est pleinement corroborée par son profil de connectivité anatomique et fonctionnelle, véritable chef-d’œuvre de carrefour macro- et micro-architectural. Pour calculer la valeur attendue du contrôle et l’exécuter, une structure doit simultanément « savoir ce qui se passe », « savoir ce que cela rapporte », « connaître le coût du processus » et « disposer des leviers pour agir ».

Sur le plan afférent, le dACC reçoit des projections massives des structures codant la valeur et les états internes de l’organisme. Le striatum ventral et le cortex préfrontal ventromédian (vmPFC) lui transmettent en continu les signaux de valeur relative et de gain subjectif. L’insula antérieure bilatérale, structure clé du réseau de la saillance (salience network), lui achemine des données intéroceptives critiques sur l’état homéostatique de l’organisme, la fatigue périphérique, le stress et les afférences nociceptives. Simultanément, les projections dopaminergiques denses issues de l’aire tegmentale ventrale (VTA) et de la substance noire modulent directement la plasticité et l’excitabilité cingulaire par le biais des récepteurs D1 et D2.

Sur le plan efférent, le dACC projette massivement vers le cortex préfrontal dorsolatéral (dlPFC), structure primaire chargée de l’implémentation effective du contrôle exécutif via le maintien de représentations de règles stables et l’amplification attentionnelle. Il innerve également de manière directe le striatum dorsal, les aires motrices supplémentaires (SMA et pré-SMA) et la moelle épinière, lui conférant la capacité physique d’inhiber des programmes moteurs indésirables ou de forcer l’exécution de comportements coûteux mais vertueux.

4.3 Différenciation subrégionale au sein du cortex cingulaire

Bien que le dACC occupe la position d’intégrateur dans le modèle EVC, la précision neuroanatomique impose de distinguer ses sous-territoires des régions adjacentes du cortex cingulaire antérieur. Historiquement, le schéma de Bush, Luu et Posner (2000) divisait le cortex cingulaire antérieur en une section cognitive dorsale et une section affective ventrale (incluant le cortex sous-génual et rostral).

La théorie EVC raffine cette topographie le long d’un axe rostro-caudal et dorso-ventral. Le cortex cingulaire antérieur rostral et sous-génual (aires de Brodmann 25 et 32 subgénuales) est prioritairement dédié à l’encodage de la valeur intrinsèque des états affectifs primaires et à la régulation autonome/viscérale, projetant vers l’amygdale et l’hypothalamus. À mesure que l’on se déplace dorsalement vers le dACC (aires 24a/b/c’ et 32′), l’information affective et motivationnelle brute est traduite en exigences d’action et de contrôle cognitif.

Le pôle caudal du dACC et le cortex mi-cingulaire (middle cingulate cortex, MCC) s’articulent plus intimement avec les sorties motrices et la prise en compte de la nociception, opérant comme la branche exécutive du calcul d’EVC, tandis que la fraction plus antérieure et dorsale du dACC s’investit dans la sélection abstraite des stratégies cognitives et la comparaison multidimensionnelle des compromis coût-bénéfice. Cette cartographie démontre que le dACC n’est pas un isolat cognitif détaché des émotions, mais l’interface exacte où les valeurs subjectives et affectives sont métabolisées en instructions d’allocation de contrôle pour l’appareil préfrontal.

5. L’évaluation des coûts : La nature intrinsèquement aversive de l’effort cognitif

5.1 La phénoménologie et la mesure du coût cognitif

L’une des intuitions humaines les plus universelles, pourtant longtemps reléguée aux marges des sciences cognitives dures, est que l’effort mental est intrinsèquement déplaisant. Toutes choses égales par ailleurs, les êtres humains tout comme les animaux privilégient systématiquement la voie de moindre résistance cognitive, une régularité comportementale connue sous le nom de « loi du moindre effort » (Hull, 1943). Dans le cadre de l’EVC, cette réalité phénoménologique n’est pas une simple imperfection du système biologique, mais un paramètre régulateur fondamental : la fonction de coût $\text{Cost}(\mathbf{c})$.

Pour mesurer ce coût avec une rigueur quantitative comparable à celle des études économiques, des paradigmes expérimentaux novateurs ont été élaborés, au premier rang desquels figure le paradigme de discount de l’effort cognitif (Cognitive Effort Discounting Paradigm ou COG-ED), conçu par Westbrook, Kester et Braver (2013). Dans cette tâche, les sujets sont soumis à des niveaux paramétriques de charge mentale (typiquement via des tâches de $N$-back où $N$ varie de 1 à 4). On leur propose ensuite des séries de choix répétés entre exécuter une tâche de haute difficulté cognitive pour une rétribution monétaire substantielle, ou exécuter une tâche facile (ex. : 1-back) pour une somme inférieure.

Par des ajustements titrés successifs, les chercheurs identifient le point d’indifférence : le montant financier exact pour lequel le sujet est parfaitement indifférent entre l’alternative difficile et l’alternative facile. Le constat empirique est sans équivoque : la valeur subjective d’une récompense monétaire subit une dépréciation mathématique sévère (un « discount ») proportionnelle au niveau d’effort cognitif requis. Si ce phénomène d’aversion pour l’effort cognitif présente une remarquable invariance structurelle au sein de l’espèce, il existe une variabilité interindividuelle considérable, certains individus présentant une pente de discount extrêmement abrupte, tandis que d’autres manifestent une tolérance nettement supérieure à la dépense cognitive.

5.2 Origines mécanistiques du coût de contrôle

Pourquoi le cerveau impose-t-il un tel coût subjectif au fonctionnement de ses propres circuits de contrôle ? Trois grandes hypothèses mécanistiques ont été avancées pour rendre compte de l’origine de cette fonction de coût dans l’EVC :

1. Le coût d’opportunité computationnel : Cette explication, privilégiée par Kurzbann et Cohen, repose sur l’architecture massivement parallèle du cerveau pour les traitements sensoriels, contrastant avec l’architecture strictement séquentielle et à bande passante étroite des représentations exécutives préfrontales. Allouer le réseau de contrôle à la tâche $A$ rend mécaniquement impossible l’exécution simultanée des tâches $B$, $C$ ou $D$. Le coût subjectif du contrôle représente l’équivalent économique de la perte des gratifications potentielles associées à toutes les autres activités alternatives suspendues.
2. L’accumulation de métabolites et la fatigue synaptique : Bien que la théorie de l’épuisement systémique du glucose ait été invalidée, des recherches contemporaines en spectroscopie par résonance magnétique (ex. : Wiehler et al., 2022) indiquent que l’exercice prolongé d’un contrôle cognitif intense entraîne une accumulation locale de métabolites potentiellement toxiques, notamment le glutamate, dans les synapses du cortex préfrontal latéral. La sensation de coût et la fatigue mentale agiraient comme un signal homéostatique protecteur contraignant l’organisme à suspendre l’activité pour prévenir une excitotoxicité tissulaire.
3. La prévention de la surcharge informationnelle : Le coût de contrôle peut être vu comme une pénalité structurelle évitant l’instabilité des réseaux récurrents. Sans barrière de coût, le système préfrontal risquerait d’interférer continuellement avec les processus automatiques sensori-moteurs parfaitement rodés, dégradant la fluidité comportementale par un excès de sur-contrôle maladroit (hyper-monitoring).

5.3 Forme mathématique de la fonction de coût

Dans les simulations computationnelles de l’EVC, la formalisation de la courbe de coût $\text{Cost}(\mathbf{c})$ ne peut être une simple fonction linéaire sans induire des comportements aberrants du modèle. Si le coût augmentait de façon purement proportionnelle à l’intensité du contrôle, de petites variations d’incitation provoqueraient des bascules instantanées et explosives de l’effort d’un extrême à l’autre (comportement en « bang-bang » mathématique).

Les données psychophysiques et comportementales démontrent que la fonction de coût du contrôle cognitif est strictement non linéaire, adoptant généralement une forme quadratique ($\text{Cost}(c) = \beta \cdot c^2$) ou exponentielle ($\text{Cost}(c) = \beta \cdot (e^{\gamma c} – 1)$). Cette concavité vers le haut signifie que le coût marginal d’une unité additionnelle de contrôle est faible lorsque l’intensité globale est modeste, mais s’accroît de façon vertigineuse à mesure que le niveau d’intensité approche des limites capacitaires structurelles du système.

Les conséquences dynamiques de cette non-linéarité sont cardinales : pour justifier une micro-augmentation de concentration lorsque l’on est déjà proche de la saturation cognitive, l’environnement doit promettre une augmentation phénoménale de récompense. Cela explique pourquoi les êtres humains atteignent naturellement des plateaux d’effort et pourquoi le désengagement survient de façon abrupte dès lors que les gains escomptés ne compensent plus l’explosion marginale de la pénalité d’effort.

6. L’évaluation des gains : Valeur incitative, utilité attendue et motivation

6.1 Les composantes de la valeur incitative dans la théorie EVC

Si la fonction de coût exerce une pression constante vers le bas incitant le système cognitif au repos et à l’économie de ressources, la composante de valeur brute $\sum P(o_i) \cdot V(o_i)$ constitue la force motrice ascendante qui légitime et mobilise l’effort mental. Dans l’architecture EVC, la valeur incitative ne se résume pas à un montant nominal de récompense ; elle résulte de l’intégration complexe de plusieurs sous-variables décortiquées par la psychologie expérimentale.

En premier lieu, la magnitude absolue de la récompense (ou de la pénalité à éviter) module directement l’attractivité de l’état de contrôle. Des études de laboratoire ont amplement démontré que l’augmentation d’une gratification financière transitoire améliore instantanément la précision et accélère les temps de réponse dans des épreuves attentionnelles réputées pour leur monotonie. En second lieu, la probabilité de délivrance du gain module cette magnitude : une récompense astronomique mais affectée d’une probabilité d’occurrence quasi nulle ne génère qu’une utilité attendue dérisoire, insuffisante pour franchir le seuil du coût marginal.

En troisième lieu, le délai temporel jusqu’à la rétribution exerce une érosion majeure sur l’utilité présente du contrôle, sous l’effet du discounting temporel (actualisation hyperbolique du futur). Une récompense distante de plusieurs mois dévalue l’EVC actuel, conduisant à des phénomènes bien documentés de procrastination exécutive. Enfin, la théorie incorpore désormais pleinement les motivations intrinsèques : le sentiment d’auto-détermination, le besoin de compétence et la curiosité épistémique possèdent des valeurs subjectives $V(o_i)$ positives autonomes, capables de soutenir des intensités de contrôle phénoménales sans aucune récompense pécuniaire extérieure, comme l’illustre l’immersion cognitive intense dans la résolution de puzzles complexes ou la pratique musicale experte.

6.2 L’efficacité du contrôle (Control Efficacy) et l’agentivité

L’une des extensions conceptuelles les plus novatrices apportées au modèle EVC, notamment documentée par Shenhav et ses collègues dans des publications ultérieures (par ex., Frömer et al., 2021), réside dans l’introduction explicite du concept d’efficacité du contrôle (Control Efficacy). L’efficacité du contrôle désigne la croyance probabiliste de l’agent quant à sa propre capacité à modifier l’issue finale par l’exercice de son effort cognitif.

Il existe en effet des situations où la valeur d’une issue est colossale, mais où la contingence entre l’effort consenti et le résultat final est nulle ou incertaine. Par exemple, si une tâche est régie par un processus stochastique sous-jacent totalement imprévisible, ou si les critères d’évaluation d’un examinateur sont purement arbitraires, mobiliser un contrôle cognitif de haute intensité ne change en rien la probabilité de succès ($P(o_{\text{succès}} mid \mathbf{c}_{\text{élevé}}) \approx P(o_{\text{succès}} mid \mathbf{c}_{\text{faible}})$). Dans cette configuration, l’accroissement du contrôle n’apporte aucune valeur ajoutée marginale, et l’EVC nette s’effondre.

L’efficacité du contrôle formalise de façon computationnelle le phénomène psychologique d’agentivité et son revers pathologique, l’impuissance acquise (learned helplessness). Si un individu apprend empiriquement que ses performances n’ont aucun impact causal sur les gratifications ou punitions infligées par son milieu, son système d’allocation EVC s’ajuste à un niveau d’intensité minimal. L’organisme s’abstient alors de gaspiller des ressources cognitives coûteuses dans des tentatives stériles, un mécanisme d’une importance capitale pour la compréhension de l’apathie clinique.

6.3 L’interaction bidirectionnelle entre motivation et cognition

Pendant une large partie du vingtième siècle, la psychologie a souffert d’un cloisonnement étanche : les chercheurs en perception et en mémoire étudiaient les mécanismes « froids » du traitement d’information, tandis que les spécialistes de la motivation et des émotions étudiaient les pulsions et les valeurs « chaudes ». La théorie EVC réalise le pont théorique unificateur scellant la fusion de ces deux continents.

Cette interaction est rigoureusement bidirectionnelle :

• Régulation ascendante (bottom-up) : Les états affectifs et motivationnels (faim, soif, incitations monétaires, statut social) modifient les valeurs d’utilité $V(o_i)$ projetées vers le dACC. Cette modification réordonne instantanément la surface d’optimisation de l’EVC, contraignant l’appareil attentionnel à se focaliser avec acuité sur les stimuli environnementaux pertinents pour combler ce besoin spécifique.
• Régulation descendante (top-down) : Réciproquement, le contrôle exécutif déployé sur la base de l’EVC module la représentation des valeurs dans les circuits affectifs sous-corticaux. Par exemple, lors d’un choix diététique, l’allocation d’un contrôle attentionnel intense sur les conséquences à long terme pour la santé d’un aliment peut inhiber activement la valeur de récompense immédiate encodée dans le striatum ventral face à un mets hautement calorique.

L’EVC unifie ainsi l’attention et la motivation : l’attention sélective n’est rien d’autre que l’instrument physique par lequel la motivation optimise l’extraction de valeur dans un monde aux ressources informationnelles pléthoriques.

7. La sélection et l’allocation du signal de contrôle : Intensité et identité

7.1 Le mécanisme de sélection de l’identité du contrôle

Résoudre l’équation d’EVC pour l’identité du signal consiste à orchestrer un routage dynamique ultra-sélectif de l’information au sein du connectome cérébral. Pour concrétiser une intention, le cerveau doit activer un profil synaptique particulier qui privilégie les voies sensori-motrices pertinentes pour l’objectif courant tout en atténuant le gain des voies concurrentes.

Au niveau neurophysiologique, cela s’opère par des mécanismes de portes logiques cognitives (cognitive gating), où les noyaux gris centraux et le cortex frontal coopèrent pour autoriser ou bloquer la mise à jour des représentations dans le cortex moteur ou associatif. La sélection de l’identité du contrôle dans le dACC revient à spécifier quel module cérébral doit recevoir un signal d’amplification. Dans une tâche de lecture sélective de visages superposés à des scènes spatiales, l’EVC calcule la rentabilité comparée de biaiser l’activité de l’aire fusiforme des visages (FFA) ou du cortex parahippocampique des lieux (PPA).

Ce processus de sélection d’identité pose un problème classique d’arbitrage entre flexibilité attentionnelle et stabilité de la consigne (stability-flexibility dilemma). Le système doit être suffisamment stable pour maintenir le cap exécutif malgré la présence de bruits parasites, mais conserver une flexibilité suffisante pour reconfigurer instantanément l’identité du contrôle si un stimulus inattendu d’une importance biologique critique surgit dans le champ perceptif.

7.2 La modulation continue de l’intensité du contrôle

Une fois l’identité du canal déterminée, le système EVC doit en graduer l’intensité. L’impact de cette modulation de gain est idéalement appréhendé par les modèles formels de prise de décision séquentielle, et plus particulièrement par le modèle de dérive-diffusion (Drift-Diffusion Model ou DDM) développé par Roger Ratcliff.

Dans le cadre d’un DDM, un choix binaire est modélisé comme l’accumulation temporelle stochastique de preuves perceptives ou cognitives jusqu’à l’atteinte de l’un des deux seuils de décision prédéterminés. Le paramètre central de ce modèle est le taux de dérive (drift rate, $v$), qui reflète la vitesse moyenne et l’efficacité avec laquelle l’information pertinente est extraite du stimulus. Dans la formalisation computationnelle de l’EVC, l’intensité du signal de contrôle régule directement le taux de dérive : injecter une intensité de contrôle plus élevée amplifie le signal de l’information congruente par rapport au bruit, augmentant linéairement ou supra-linéairement la valeur de $v$.

Cette dynamique régit le célèbre compromis vitesse-précision (Speed-Accuracy Tradeoff). Lorsque l’intensité du contrôle augmente, le taux de dérive élevé garantit que le processus décisionnel heurtera le bon seuil de décision avec une probabilité quasi parfaite, éliminant les erreurs d’inattention, tout en réduisant la latence globale de réponse. Ce déploiement d’intensité laisse des signatures physiologiques périphériques directes. Les variations subtiles de l’intensité du contrôle cognitif corrèlent fidèlement avec l’amplitude des dilatations pupillaires transitoires (témoins de l’activation phasique du locus coeruleus et de la libération de noradrénaline), l’augmentation de la conductance cutanée sympathique, et une synchronisation renforcée des oscillations cérébrales dans la bande thêta (4–8 Hz) captées par électroencéphalographie au-dessus de la région médio-frontale.

7.3 La négociation entre tâches multiples et coûts de changement

L’un des défis les plus redoutables de la cognition humaine quotidienne concerne l’évolution dans des contextes de tâches multiples (multitasking). Pourquoi ne pouvons-nous pas exécuter simultanément deux opérations délibératives avec la même acuité que si elles étaient conduites isolément ? La théorie EVC aborde cette problématique sous l’angle des interférences structurelles et des coûts de changement cognitif (task switching costs).

Lorsqu’un individu alterne entre deux tâches (par exemple, répondre à des courriels tout en rédigeant un rapport technique), le signal de contrôle doit réinitialiser en permanence l’identité et l’intensité des circuits régulateurs. Cette reconfiguration n’est pas gratuite : elle induit un coût temporel (ralentissement de la vitesse d’exécution) et un coût de précision (résurgence transitoire d’erreurs d’inattention dues à l’inhibition incomplète de la tâche précédente). Dans l’algorithme d’EVC, le coût de commutation est modélisé comme une pénalité additive appliquée à la fonction de coût global lors de toute altération de l’identité du contrôle $\mathbf{c}_t \neq \mathbf{c}_{t-1}$.

Cette formalisation éclaire également le fameux dilemme exploitation-exploration. Faut-il continuer à exploiter la tâche en cours en maintenant une intensité de contrôle maximale (stratégie conservative garantissant des gains stables mais limités), ou explorer de nouvelles opportunités d’actions au risque d’essuyer des coûts de commutation et des incertitudes de rendement ? La théorie EVC démontre que lorsque la valeur attendue marginale de la tâche en cours décroît (phénomène de rendements marginaux décroissants), l’EVC nette chute, ce qui déclenche automatiquement un basculement du dACC vers des signaux d’exploration et de désengagement exécutif.

8. Dynamique temporelle et apprentissage : Mise à jour des estimations de l’EVC

8.1 Adaptation trial-by-trial et ajustements séquentiels

La performance cognitive humaine ne s’inscrit jamais dans un état stationnaire statique ; elle oscille en continu d’un essai à l’autre. Le modèle EVC excelle à rendre compte de ces dynamiques micro-temporelles à l’échelle du sous-seconde et de la seconde, offrant une explication unifiée de phénomènes psychophysiques bien établis.

Le cas d’école le plus frappant est l’effet Gratton (adaptation séquentielle au conflit) : dans une tâche de Flanker ou de Stroop, l’effet d’interférence provoqué par un essai incongruent (par exemple, flèches pointant en sens opposé) est drastiquement réduit s’il est immédiatement précédé par un autre essai incongruent, par comparaison avec un essai congruent. Alors que le modèle initial de Botvinick interprétait cela comme une réaction mécanique à l’énergie de conflit du trial précédent, l’EVC formalise cet ajustement comme une réactualisation bayésienne rationnelle. L’occurrence d’un stimulus incongruent modifie instantanément les croyances du système sur la probabilité que le prochain essai soit également conflictuel. Dès lors, le dACC réévalue l’EVC à la hausse pour le pas de temps suivant et calibre préventivement une intensité de contrôle plus vigoureuse avant même l’apparition du stimulus.

Ce même mécanisme d’EVC dynamique explique le ralentissement post-erreur (Post-Error Slowing). La commission d’une erreur comportementale génère une onde électrique cérébrale caractéristique, la négativité liée à l’erreur (Error-Related Negativity ou ERN), suivie d’un allongement des temps de réaction sur l’essai suivant. Sous le prisme de l’EVC, l’erreur trahit une défaillance de calibration du contrôle antérieur. L’algorithme réévalue l’utilité attendue de la précision : pour éviter une seconde punition catastrophique, le système élève les seuils de décision et rehausse l’intensité du filtrage attentionnel.

8.2 Modélisation hiérarchique et méta-apprentissage

L’application de l’EVC s’étend bien au-delà de la séquence essai par essai ; elle s’organise selon une architecture hiérarchique de méta-apprentissage. Les organismes ne se contentent pas d’ajuster leur concentration de façon myope d’une seconde à l’autre ; ils construisent des méta-représentations de la difficulté structurelle des environnements dans lesquels ils naviguent.

Cette dimension hiérarchique s’articule avec la distinction fondamentale de l’apprentissage par renforcement entre processus sans modèle (Model-Free) et basés sur un modèle (Model-Based) :

• Le niveau Model-Free : Il associe directement des contextes visuels ou temporels simples à des niveaux stéréotypés de contrôle par simple historique de renforcement direct. Si une lumière rouge a systématiquement précédé une tâche ardue au cours des dernières heures, le dACC déclenche une poussée d’intensité d’EVC dès l’allumage du voyant, de façon presque réflexe.
• Le niveau Model-Based : Il intègre une structure causale arborescente du monde. Le cortex préfrontal orbitofrontal (OFC) et le cortex frontopolaire encodent des modèles structurels d’états cachés de l’environnement. Le dACC interroge en permanence ces représentations complexes pour planifier des trajectoires de contrôle sur le long terme : un étudiant qui s’assoit pour rédiger une thèse n’ajuste pas son effort en fonction de la seule ligne qu’il est en train de dactylographier, mais déploie une politique de contrôle hiérarchique échelonnée sur plusieurs heures, guidée par une simulation mentale des gains futurs.

Ce niveau supérieur correspond à un véritable méta-contrôle, par lequel le cerveau apprend à apprendre comment contrôler, optimisant ses propres algorithmes d’allocation d’effort au fil du développement et de l’expertise.

8.3 Inférence bayésienne et gestion de l’incertitude

L’estimation des paramètres cruciaux de l’EVC — la probabilité d’issue favorable $P(o_i mid s, \mathbf{c})$ et l’efficacité du contrôle — s’effectue dans des univers intrinsèquement bruités et incertains. Le système doit en permanence faire la distinction entre deux formes fondamentales d’incertitude : l’incertitude attendue (stochasticité inhérente et connue du monde) et l’incertitude inattendue ou volatilité (changement soudain et structurel des règles du jeu environnementales).

Dans ce contexte, le dACC opère tel un moteur d’inférence bayésienne. Il pondère chaque nouvelle information par sa précision statistique estimée. Si l’environnement est stable et bien calibré, le taux d’apprentissage de l’EVC demeure modéré, amortissant les fluctuations passagères pour garantir une allocation sereine et économe du contrôle. En revanche, si la volatilité environnementale explose soudainement (par exemple, si les conséquences des actions deviennent aberrantes ou totalement découplées des contingences antérieures), la précision des croyances s’effondre.

Sous l’influence conjointe de poussées noradrénergiques issues du locus coeruleus et d’influx acétylcholiniques, le dACC augmente brutalement son taux d’apprentissage. Le système accroît massivement l’intensité du contrôle cognitif afin de sur-échantillonner l’environnement, de vérifier la cohérence des modèles internes et de rétablir un contrôle prédictif stable sur le monde extérieur.

9. Comparaison critique avec les théories rivales du contrôle exécutif

9.1 EVC versus Théorie du contrôle hiérarchique en cascade

La proposition de Shenhav, Botvinick et Cohen s’est construite en dialogue, mais aussi en tension, avec d’autres grands cadres théoriques des fonctions exécutives préfrontales. L’un des plus influents est le modèle d’organisation architecturale en cascade rostro-caudale proposé par Étienne Koechlin ainsi que par David Badre et Mark D’Esposito.

Ce modèle anatomique postule que le cortex préfrontal est structuré le long d’un gradient postéro-antérieur d’abstraction croissante : les aires prémotrices caudales régulent le contrôle sensorimoteur simple ; le cortex préfrontal dorsolatéral caudal gère le contrôle contextuel (les règles immédiates de la tâche) ; le dlPFC rostral gère le contrôle épisodique (le cadre temporel ou événementiel global) ; et le pôle frontal polaire chapeaute l’ensemble via le contrôle branché ou méta-décisionnel. Si cette cartographie décrit avec une précision remarquable comment et où les règles d’action de niveaux d’abstraction croissants sont ségrégées dans le manteau préfrontal, elle demeure totalement silencieuse sur le plan normatif.

La théorie EVC ne contredit pas cette stratification hiérarchique ; elle en comble la lacune motrice centrale. L’architecture rostro-caudale fournit le substrat structurel des canaux de traitement cognitif (l’espace de l’identité du contrôle), mais c’est le calcul d’EVC opéré par le dACC qui décide quelle couche de cette pyramide hiérarchique doit être dynamiquement alimentée en gain d’intensité à un instant précis. L’EVC fournit le moteur économique rationnel à la machinerie structurelle décrite par Badre et D’Esposito.

9.2 EVC versus Théories de l’énergie métabolique et de l’épuisement des ressources

L’affrontement paradigmatique le plus direct a sans conteste opposé la théorie EVC au modèle de la déplétion de l’ego de Baumeister. Les deux théories partent du même constat phénoménologique indiscutable : l’effort mental est difficile, limité dans la durée, et engendre une propension naturelle à l’abandon ou à la facilité réflexe.

Cependant, leurs explications mécanistiques se situent aux antipodes, comme le résume le tableau comparatif suivant :

Caractéristique conceptuelle	Théorie de l’épuisement des ressources (Baumeister)	Théorie de la valeur attendue du contrôle (EVC)
Nature du facteur limitant	Ressource physique, stock métabolique (supposé lié au glucose) s’épuisant par l’usage.	Arbitrage computationnel normatif sous contraintes de coût d’opportunité et de surcharge.
Mécanisme de la fatigue mentale	Incapacité biologique absolue temporaire à poursuivre l’effort par manque de substrat.	Désengagement stratégique rationnel consécutif à une baisse de l’EVC marginale nette.
Réversibilité sous incitation	Théoriquement impossible sans reconstitution du stock physique (consommation glucidique).	Instantanée : augmenter la récompense financière ($V(o_i)$) restaure immédiatement la performance maximale.
Nature de la régulation	Mécanique passive d’usure semblable à un travail musculaire continu.	Optimisation dynamique active par comparaison permanente des coûts et gains subjectifs.

Le pouvoir explicatif de l’EVC s’avère infiniment supérieur : il rend compte sans artifice théorique du fait expérimentalement reproductible qu’un individu prétendument « épuisé » après 45 minutes de tests psychotechniques intensifs retrouve instantanément 100 % de ses facultés exécutives et de sa vigilance dès lors qu’une incitation financière majeure ou une menace urgente est injectée dans le protocole expérimental.

9.3 EVC versus Théories du codage prédictif et inférence active

Ces dernières années ont vu l’essor fulgurant d’un autre paradigme computationnel majeur en neurosciences : le principe de l’énergie libre et le modèle de l’inférence active, formulés par Karl Friston. Il est hautement instructif de mettre en regard l’EVC et l’inférence active.

Dans l’inférence active, le cerveau n’a qu’un unique impératif téléologique : minimiser son énergie libre variationnelle, ce qui revient à minimiser la surprise sensorielle par rapport aux prédictions générées par ses modèles génératifs internes. Le contrôle cognitif est alors modélisé comme une modulation de la précision attribuée aux erreurs de prédiction descendantes ou ascendantes. L’effort mental y est interprété comme le coût computationnel nécessaire pour reconfigurer la dynamique d’un réseau attracteur loin de ses états d’équilibre naturels.

Bien que les vocabulaires mathématiques diffèrent — l’EVC employant les outils de l’utilité espérée de la théorie de la décision et de l’apprentissage par renforcement, tandis que l’inférence active utilise le calcul bayésien variationnel et la thermodynamique statistique —, des tentatives contemporaines d’hybridation démontrent leur compatibilité sous-jacente. Maximiser l’EVC peut être mathématiquement reformulé comme la minimisation conjointe de l’énergie libre relative aux buts comportementaux et du coût de complexité algorithmique lié au déploiement des canaux d’attention. Toutefois, l’EVC conserve un avantage phénoménologique et neuropsychologique majeur : son ancrage direct dans les circuits cérébraux spécifiques de la motivation (dACC, striatum, dopaminergie) et sa prise en charge intuitive de la balance coût-bénéfice le rendent infiniment plus maniable pour la recherche expérimentale et clinique translationnelle que le formalisme parfois ésotérique de l’inférence active pure.

10. Applications cliniques et psychopathologiques : Altérations de l’EVC

10.1 Dépression majeure, apathie et anhédonie

L’un des apports les plus féconds de la théorie EVC réside dans sa capacité à éclairer la sémiologie psychiatrique sous l’angle de la psychiatrie computationnelle. De nombreux troubles mentaux majeurs ne relèvent pas d’une destruction brute de la machinerie cognitive de base, mais d’une altération systématique de la façon dont le cerveau évalue les coûts et les bénéfices de ses propres opérations mentales.

Le trouble dépressif majeur, et singulièrement ses dimensions d’apathie et d’anhédonie, offre une illustration clinique spectaculaire d’un effondrement pathologique de l’EVC. Chez le patient dépressif, les études de neuroéconomie comportementale montrent une double anomalie computationnelle symétrique et dévastatrice :

• L’affaissement de la composante de valeur : En raison d’un émoussement de la signalisation dopaminergique striatale, l’anticipation des récompenses ($V(o_i)$) est drastiquement sous-estimée. Même une issue objectivement favorable est encodée comme terne, incapable de générer une espérance d’utilité positive substantielle.
• L’inflation pathologique de la fonction de coût : L’effort mental requis pour initier la moindre tâche exécutive est ressenti comme incommensurablement élevé. Les tâches de COG-ED révèlent que les patients dépressifs appliquent un taux de discount de l’effort cognitif anormalement agressif.

Le résultat de cette double distorsion sur l’équation d’EVC est mécanique : l’EVC nette de presque toutes les activités dirigées vers un but tombe en dessous de zéro. Pour le système cingulaire du patient, le choix computationnel le plus « rationnel » devient l’inhibition motrice, le retrait et l’immobilité apathique, le coût du contrôle surpassant structurellement ses gains perceptibles. Le dACC cesse d’irriguer le dlPFC en commandes exécutives, engendrant le tableau d’hypofrontalité fonctionnelle classiquement observé en neuroimagerie chez les personnes souffrant de dépression sévère.

10.2 Trouble du déficit de l’attention avec ou sans hyperactivité (TDAH)

Le Trouble du Déficit de l’Attention avec ou sans Hyperactivité (TDAH) a historiquement été conçu comme un dysfonctionnement primaire des modules d’inhibition de la réponse préfrontale. La théorie EVC permet de dépasser cette vision réductrice en démontrant que le TDAH est fondamentalement un trouble de la dynamique de régulation économique du contrôle.

Les individus porteurs d’un TDAH souffrent d’une altération marquée du mécanisme d’actualisation temporelle : leur taux de discount temporel est extraordinairement pentu. Une récompense différée de quelques heures ou de quelques jours subit une perte de valeur subjective quasi totale au moment présent. Par conséquent, lors de tâches scolaires ou professionnelles dont les bénéfices sont lointains, l’utilité attendue de l’EVC s’avère incapable de vaincre le coût immédiat de l’effort mental, conduisant à un désengagement attentionnel instantané et involontaire.

En revanche, lorsque ces mêmes individus sont immergés dans des environnements procurant un retour sur investissement sensoriel et incitatif immédiat (par exemple, les jeux vidéo compétitifs), l’utilité à micro-délai s’envole, déclenchant l’activation d’un signal EVC puissant et l’émergence d’états d’« hyper-focalisation » (hyperfocus) cognitive. Ce contraste saisissant, longtemps paradoxal pour les cliniciens, s’explique intégralement par la sensibilité de l’EVC au délai de gratification. De surcroît, ce modèle élucide le mécanisme d’action des psychostimulants pharmacologiques (méthylphénidate, dérivés amphétaminiques) : en bloquant la recapture de la dopamine et de la noradrénaline dans le striatum et le dACC, ces molécules ne font pas que stimuler l’organisme ; elles réduisent la pente de la fonction de coût subjectif de l’effort tout en réhaussant le gain d’utilité espéré, normalisant ainsi le calcul d’EVC face aux tâches monotones à gratifications différées.

10.3 Trouble obsessionnel-compulsif (TOC) et schizophrénie

Aux antipodes de la dépression et du TDAH, le Trouble Obsessionnel-Compulsif (TOC) se caractérise par une hyper-allocation pathologique et inextinguible du contrôle cognitif. Chez ces patients, la fonction objective d’EVC est dominée de manière tyrannique par une surévaluation monstrueuse de la probabilité et de la gravité de conséquences néfastes ($V(o_{\text{catastrophe}})$ excessivement négatif). Simultanément, le seuil de tolérance à l’incertitude dans le dACC est abaissé à un niveau infinitésimal. L’EVC nette ordonne en continu l’allocation d’un contrôle de vérification et d’inhibition à intensité maximale afin d’endiguer la menace fantasmée, générant les rituels compulsifs et l’épuisement mental propre à cette pathologie.

Dans la schizophrénie, c’est le paramètre d’efficacité du contrôle (control efficacy) qui subit une dislocation dramatique. La perte de connectivité fonctionnelle coordonnée entre le dACC, le cortex préfrontal dorsolatéral et le striatum perturbe l’estimation probabiliste des contingences causales entre les efforts internes et les répercussions dans le monde réel. L’individu ne se perçoit plus comme la source directrice de sa propre pensée (altération du sens de l’agentivité), une anomalie computationnelle qui constitue le terreau des idées délirantes d’influence, du sentiment de vol de la pensée et de la désorganisation exécutive globale.

11. Validations empiriques, neuroimagerie et méthodologies expérimentales

11.1 Paradigmes comportementaux d’arbitrage effort-récompense

La puissance d’une théorie scientifique se mesure à sa falsifiabilité empirique et à sa capacité à générer des protocoles expérimentaux innovants. La validation de la théorie EVC a stimulé le développement d’une génération inédite de paradigmes psychophysiques mariant la psychométrie cognitive fine aux méthodes d’économie comportementale expérimentale.

L’un des protocoles de référence consiste en des tâches d’arbitrage paramétrique effort-récompense à essais multiples. Dans ces dispositifs, les participants sont confrontés à des centaines de choix binaires successifs. On fait varier orthogonalement :

• Le niveau de difficulté de l’effort cognitif requis (par exemple, moduler la charge de mémoire de travail de 1 à 4-back, ou le degré d’incongruence dans une tâche de Stroop multi-dimensionnelle).
• La magnitude de l’incitation monétaire associée au succès (de quelques centimes d’euro à des dizaines d’euros).
• La probabilité nominale ou apprise que l’effort conduise réellement au paiement (manipulation directe de l’efficacité du contrôle).

Les modélisations computationnelles appliquées à ces données comportementales (notamment les régressions logistiques hiérarchiques combinées à des modèles de dérive-diffusion) confirment systématiquement les postulats de Shenhav et ses collègues : la probabilité de choisir l’option difficile ne répond pas isolément à la récompense ou à la difficulté brute, mais prédit avec une fidélité quasi mathématique l’utilité nette calculée selon la fonction objective de l’EVC. De surcroît, des contrôles méthodologiques minutieux dissociant la fatigue physique (mesurée par la force de préhension sur dynamomètre à main) de l’effort purement cognitif ont formellement établi que le cerveau possède des mécanismes de tarification de l’effort mental dotés de signatures comportementales distinctes de l’effort neuromusculaire.

11.2 Données de neuroimagerie fonctionnelle (IRMf) et électrophysiologie

Les neurosciences fondamentales ont apporté des preuves d’une force décisive en confrontant directement les prédictions scalaires de l’EVC aux données d’imagerie par résonance magnétique fonctionnelle (IRMf) et d’électrophysiologie intracrânienne.

Dans une série d’études d’IRMf paramétriques devenues classiques (Shenhav et al., 2014, 2016), les chercheurs ont placé des volontaires dans le scanner lors de tâches d’arbitrage de contrôle. En modélisant la valeur computationnelle instantanée de l’EVC pour chaque essai expérimental, ils ont démontré que le signal BOLD (Blood-Oxygen-Level Dependent) au sein du dACC corrèle précisément avec la valeur attendue globale du contrôle. L’activation cingulaire ne reflète ni le coût isolément, ni le gain isolément, mais la résultante non linéaire intégrant simultanément la difficulté de l’épreuve, la magnitude de la récompense promise et l’efficacité prédite de l’intervention cognitive.

Pour aller plus loin et dissocier l’identité de l’intensité du contrôle au sein du dACC, les scientifiques ont recouru aux analyses de patrons de voxels multivariés (Multi-Voxel Pattern Analysis ou MVPA). Alors que l’intensité du contrôle se traduit par une élévation globale de l’amplitude du signal hémodynamique cingulaire, les techniques de classification par apprentissage automatique (machines à vecteurs de support, SVM) ont prouvé qu’il était possible de décoder l’identité de la tâche sélectionnée (par exemple, s’il faut contrôler une règle verbale ou une règle spatiale) à partir de la configuration géométrique fine des micro-patrons d’activation spatiale au sein même du dACC, démontrant que cette structure encode bel et bien un vecteur multidimensionnel complet.

Au niveau temporel, l’électroencéphalographie (EEG) et la magnétoencéphalographie (MEG) ont permis de resituer ces opérations dans leur cinétique milliseconde. L’onde ERN (négativité liée à l’erreur), tout comme la négativité de feedback (Feedback-Related Negativity, FRN) et la positivité d’erreur (Pe), ont été réanalysées sous le prisme de l’EVC. Ces composantes électrophysiologiques médio-frontales correspondent à la décharge phasique du dACC lors de l’enregistrement de l’erreur de prédiction d’EVC, orchestrant l’ajustement immédiat du gain thêta (4–8 Hz) projeté vers le cortex dorsolatéral préfrontal pour l’essai suivant.

11.3 Interventions causales : Stimulation cérébrale et pharmacologie

La corrélation n’équivalant pas à la causalité, la validation définitive du modèle EVC a nécessité des manipulations expérimentales causales du fonctionnement du dACC et des systèmes neurochimiques afférents chez l’humain et l’animal.

Les études de neurostimulation non invasive, employant la stimulation magnétique transcrânienne répétitive (rTMS) ou la stimulation transcrânienne par courant continu (tDCS) ciblant le cortex cingulaire antérieur dorsal (ou ses nœuds de réseau frontaux directement connectés), ont démontré qu’il est possible de biaiser artificiellement la tolérance à l’effort mental. L’inhibition fonctionnelle transitoire du dACC par rTMS basse fréquence induit une altération sélective : les sujets deviennent subitement beaucoup plus averses à l’effort cognitif, refusant d’investir des ressources exécutives pour des récompenses monétaires qu’ils jugeaient pourtant hautement désirables quelques minutes auparavant en condition contrôle sham.

Les données issues de la pharmacologie translationnelle corroborent ces observations causales. L’administration d’antagonistes des récepteurs dopaminergiques chez le primate non humain entraîne un effondrement spécifique de la propension à engager des efforts cognitifs prolongés, sans altérer en rien la cinétique de consommation des récompenses primaires lorsque celles-ci sont offertes gratuitement. Réciproquement, la déplétion centrale en noradrénaline perturbe spécifiquement l’ajustement dynamique de l’intensité du contrôle en réponse à la volatilité contextuelle.

Enfin, les études lésionnelles chez l’humain — bien que rares et souvent hétérogènes en raison de la nature des accidents vasculaires cérébraux ou des résections tumorales — apportent une confirmation clinique saisissante. Les patients présentant des lésions focales bilatérales du dACC développent un syndrome d’akinésie psychomotrice ou de mutisme akinétique dans les cas extrêmes, et des tableaux d’aboulie majeure dans les formes plus discrètes : ces individus sont capables de répondre correctement à des tests neuropsychologiques s’ils y sont violemment contraints par l’examinateur (leurs effecteurs cognitifs de base demeurant intacts), mais ils s’avèrent structurellement incapables d’auto-initier le moindre effort mental délibéré, leur machinerie de calcul d’EVC ayant été anéantie.

12. Perspectives futures, extensions théoriques et intégration neuroéconomique

12.1 Extensions computationnelles : EVC, métacognition et intelligence artificielle

À l’heure où les frontières entre neurosciences computationnelles et intelligence artificielle (IA) s’estompent rapidement, la théorie EVC offre un cadre architectural d’une valeur inestimable pour le développement d’agents autonomes dotés de véritables facultés de méta-contrôle et de raisonnement sous contraintes physiques de calcul.

Dans le domaine de l’apprentissage par renforcement profond (Deep Reinforcement Learning), les agents contemporains souffrent d’une lacune majeure : ils sont voraces en cycles de processeur et dénués de toute conscience de leurs propres coûts internes de calcul. Pour prendre une décision, ils mobilisent indifféremment des architectures gigantesques de réseaux de neurones profonds, qu’il s’agisse d’éviter un obstacle trivial ou d’élaborer une stratégie globale d’échecs. L’intégration de modules inspirés de l’EVC permet de concevoir des architectures d’IA frugale fondées sur la rationalité limitée computationnelle (Computational Bounded Rationality), théorisée initialement par Herbert Simon et modernisée par des chercheurs comme Eric Horvitz et Thomas Griffiths.

Dans ces systèmes hybrides, un méta-contrôleur cingulaire artificiel évalue avant toute action si le coût computationnel nécessaire pour approfondir la recherche dans l’arbre décisionnel (par exemple via des algorithmes de type Monte Carlo Tree Search) sera ou non amorti par l’accroissement espéré de performance. Si l’enjeu est dérisoire ou si l’environnement est ultra-prévisible, l’agent active des raccourcis heuristiques ou des politiques réflexes sans coût ; si l’enjeu est critique, il mobilise massivement ses ressources délibératives. Ce méta-raisonnement économique constitue sans nul doute la prochaine frontière vers l’émergence d’une intelligence artificielle générale (AGI) énergétiquement efficiente et adaptative.

12.2 L’effort cognitif dans les dynamiques sociétales et éducatives

Les implications de la théorie EVC dépassent largement les laboratoires de neurosciences fondamentales pour interroger les sciences de l’éducation, la sociologie et les politiques publiques contemporaines.

Dans le champ éducatif, comprendre que l’effort mental est un choix économique régulé par l’EVC impose de repenser radicalement la pédagogie. Blâmer un élève pour son « manque de volonté » relève d’une méconnaissance neurobiologique élémentaire. L’analyse en termes d’EVC démontre que le désengagement scolaire résulte structurellement de deux écueils modélisables : soit l’élève ne perçoit pas la valeur incitative intrinsèque ou différée du savoir ($V(o_i)$ atone), soit — et c’est le cas le plus fréquent — il présente un paramètre d’efficacité du contrôle dégradé par des échecs répétés, estimant que son investissement attentionnel n’a aucune chance mesurable d’aboutir à une issue valorisante. Restaurer la persévérance cognitive exige donc d’agir chirurgicalement sur les contingences de feedback afin de réélever mathématiquement l’EVC de l’acte d’apprentissage.

À l’échelle sociétale contemporaine, la théorie EVC fournit une grille de lecture percutante des effets délétères de l’économie de l’attention et de la prolifération des environnements numériques hyper-stimulants (réseaux sociaux, flux de micro-vidéos). Ces plateformes sont ingénieusement paramétrées pour délivrer des gratifications sensorielles et sociales immédiates à coût computationnel quasi nul pour l’utilisateur ($Cost \approx 0, V(o_i) > 0$). En comparaison, les activités intellectuelles profondes de long terme (lire un traité philosophique, concevoir un code informatique complexe) imposent des coûts de contrôle élevés pour des utilités différées et incertaines. Le système d’allocation EVC des individus, optimisé par des millions d’années d’évolution pour économiser l’effort immédiat, est ainsi perpétuellement piraté, orientant tendanciellement les ressources cérébrales vers la superficialité cognitive.

12.3 Défis théoriques ouverts et programmes de recherche

En dépit de sa remarquable élégance conceptuelle et de ses innombrables validations de terrain, la théorie de la valeur attendue du contrôle n’est pas un système théorique clos ; elle se heurte encore à plusieurs énigmes fondamentales qui constituent le cœur battant des programmes de recherche contemporains :

1. La signature neurochimique précise du coût computationnel : Si la phénoménologie du coût est démontrée et ses représentations macroscopiques dans l’insula et le dACC bien documentées, la nature physique intime de ce coût à l’échelle micro-synaptique demeure controversée. S’agit-il d’un coût de bande passante informationnelle pure (théorie du coût d’opportunité computationnel), d’un signal homéostatique lié au ratio adénosine/ATP ou à la dynamique du glutamate synaptique, ou d’une limitation imposée par la saturation du bruit dans les réseaux récurrents ? Identifier ce substrat constitue le graal de la neurophysiologie de l’effort.
2. L’intégration des boucles intéroceptives et du microbiote : Le cerveau n’est pas un processeur désincarné flottant dans un bocal. Le signal d’EVC est profondément modulé par l’état corporel périphérique : l’inflammation systémique, le statut nutritionnel, le rythme circadien, et même la composition du microbiote intestinal via les voies vagales altèrent directement l’excitabilité cingulaire et la tolérance à l’effort mental. Une formalisation mathématique complète de l’EVC devra impérativement intégrer ces boucles d’allostasie corporelle.
3. L’articulation unifiée entre contrôle moteur, attentionnel et émotionnel : Bien que l’EVC décrive avec succès la régulation des tâches d’attention sélective de laboratoire, son extension à la régulation émotionnelle volontaire (par réévaluation cognitive ou suppression expressive) et à la planification motrice globale reste encore fragmentée. L’ambition ultime des successeurs de Shenhav, Botvinick et Cohen est d’aboutir à une grande théorie unifiée du contrôle cérébral, où l’inhibition d’un mouvement d’évitement, le filtrage d’un bruit acoustique parasite, la maîtrise d’une impulsion colérique et la résolution d’une conjecture mathématique seront compris comme des déclinaisons particulières d’un unique et universel algorithme de maximisation de la valeur attendue du contrôle.

Références

• Badre, D., & D’Esposito, M. (2009). Is the rostro-caudal axis of the frontal lobe hierarchical? Nature Reviews Neuroscience, 10(9), 659–669. https://doi.org/10.1038/nrn2667
• Baumeister, R. F., Bratslavsky, E., Muraven, M., & Tice, D. M. (1998). Ego depletion: Is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265. https://doi.org/10.1037/0022-3514.74.5.1252
• Botvinick, M. M., Braver, T. S., Barch, D. M., Carter, C. S., & Cohen, J. D. (2001). Evaluating the demand for control: Resolving the conflict monitor’s dilemmas. Psychological Review, 108(3), 624–652. https://doi.org/10.1037/0033-295X.108.3.624
• Botvinick, M. M. (2007). Conflict monitoring and cognitive control: An integrative review. Current Directions in Psychological Science, 16(5), 274–278. https://doi.org/10.1111/j.1467-8721.2007.00520.x
• Bush, G., Luu, P., & Posner, M. I. (2000). Cognitive and emotional influences in anterior cingulate cortex. Trends in Cognitive Sciences, 4(6), 215–222. https://doi.org/10.1016/S1364-6613(00)01483-2
• Carter, C. S., Braver, T. S., Barch, D. M., Botvinick, M. M., Noll, D., & Cohen, J. D. (1998). Anterior cingulate cortex, error detection, and the online monitoring of performance. Science, 280(5364), 747–749. https://doi.org/10.1126/science.280.5364.747
• Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787
• Frömer, R., Lin, H., Dean Wolf, C. K., Inzlicht, M., & Shenhav, A. (2021). Expectations of reward and efficacy guide cognitive control allocation. Nature Communications, 12(1), Article 1030. https://doi.org/10.1038/s41467-021-21315-z
• Glimcher, P. W., & Fehr, E. (Eds.). (2013). Neuroeconomics: Decision making and the brain (2nd ed.). Academic Press. https://doi.org/10.1016/C2010-0-68571-0
• Gratton, G., Coles, M. G., & Donchin, E. (1992). Optimizing the use of information: Strategic control of activation of responses. Journal of Experimental Psychology: General, 121(4), 480–506. https://doi.org/10.1037/0096-3445.121.4.480
• Koechlin, E., & Summerfield, C. (2007). An information theoretical approach to prefrontal executive function. Trends in Cognitive Sciences, 11(6), 229–235. https://doi.org/10.1016/j.tics.2007.04.005
• Kurzban, R., Duckworth, A., Kable, J. W., & Myers, J. (2013). An opportunity cost model of subjective effort and task performance. Behavioral and Brain Sciences, 36(6), 661–679. https://doi.org/10.1017/S0140525X12003196
• Norman, D. A., & Shallice, T. (1986). Attention to action: Willed and automatic control of behavior. In R. J. Davidson, G. E. Schwartz, & D. Shapiro (Eds.), Consciousness and self-regulation: Advances in research and theory (Vol. 4, pp. 1–18). Springer. https://doi.org/10.1007/978-1-4757-0629-1_1
• Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: Theory and data for two-choice decision tasks. Neural Computation, 20(4), 873–922. https://doi.org/10.1162/neco.2008.12-06-420
• Shenhav, A., Botvinick, M. M., & Cohen, J. D. (2013). The expected value of control: An integrative theory of anterior cingulate cortex function. Nature Neuroscience, 16(3), 217–224. https://doi.org/10.1038/nn.3438
• Shenhav, A., Straccia, M. A., Cohen, J. D., & Botvinick, M. M. (2014). Anterior cingulate engagement in a foraging context reflects choice value, not search value. Nature Neuroscience, 17(9), 1249–1254. https://doi.org/10.1038/nn.3771
• Shenhav, A., Cohen, J. D., & Botvinick, M. M. (2016). Dorsal anterior cingulate cortex and the allocation of cognitive control. Frontiers in Human Neuroscience, 10, Article 440. https://doi.org/10.3389/fnhum.2016.00440
• Shenhav, A., Musslick, S., Lieder, F., Kool, W., Griffiths, T. L., Cohen, J. D., & Botvinick, M. M. (2017). Toward a rational and mechanistic account of mental effort. Annual Review of Neuroscience, 40, 99–124. https://doi.org/10.1146/annurev-neuro-072116-031526
• Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). The MIT Press. https://mitpress.mit.edu/9780262039246/reinforcement-learning/
• Westbrook, A., Kester, D., & Braver, T. S. (2013). What is the subjective cost of cognitive effort? Load, trait, and dopamine afflictions revealed by a novel effort-discounting paradigm. Cognitive, Affective, & Behavioral Neuroscience, 13(3), 561–573. https://doi.org/10.3758/s13415-013-0169-5
• Wiehler, A., Branzoli, F., Adanyeguh, I., Mochel, F., & Pessiglione, M. (2022). A neuro-metabolic account of why prolonged cognitive work causes executive fatigue. Current Biology, 32(16), 3564–3575.e5. https://doi.org/10.1016/j.cub.2022.07.010