Un cerveau artificiel reproduit avec justesse la dyslexie
Letter dice representing dyslexia © iStock
Une équipe de l’EPFL a utilisé un modèle d'IA avancé capable de comprendre à la fois les images et le langage. Il leur a permis de modéliser la dyslexie, ouvrant la voie à de nouveaux traitements potentiels.
Trouble d'apprentissage le plus répandu qui affecte la lecture, l'orthographe et l'écriture, la dyslexie toucherait jusqu'à 20% de la population mondiale. Les approches traditionnelles pour étudier la dyslexie, telles que les méthodes comportementales et l’imagerie cérébrale, ont apporté des informations précieuses. Cependant, elles restent limitées pour tester les mécanismes sous-jacents des troubles de la lecture.
Une équipe du NeuroAI Lab de l’EPFL, rattachée aux facultés d’Informatique et de communication et des Sciences de la vie, a modélisé la dyslexie à l’aide de modèles Vision-Language de nouvelle génération, capables de reproduire l’ensemble du processus, de la perception des mots au traitement et à la compréhension du contexte.
Les chercheuses et chercheurs ont présenté leurs travaux cette semaine à l’une des conférences sur l’intelligence artificielle la plus en vue du moment, l’International Conference on Learning Representations 2026. Ils expliquent comment, à l’aide de stimuli issus des neurosciences cognitives, ils ont découvert que certaines parties du « cerveau numérique » de l’IA fonctionnent comme le cerveau humain pour traiter les mots écrits. Ils ont ensuite modifié le fonctionnement de ces parties.
Des similitudes de comportement
« Nous avons d’abord identifié les zones du cerveau de l’IA chargées de la reconnaissance visuelle des mots, c’est-à-dire celles qui réagissent fortement aux mots écrits. Puis, nous avons “désactivé ces parties” pour voir si le modèle possédait des neurones formant un réseau complet et capable de fonctionner de la même manière qu’un cerveau humain. Nous avons constaté que l’IA avait des difficultés à lire, mais qu’elle pouvait toujours comprendre les images et le langage en général… tout comme les personnes atteintes de dyslexie », explique Melika Honarmand, doctorante au NeuroAI Lab et autrice principale de l’article. « Cela a fonctionné et nous a montré des similitudes dans le comportement. »
Cette recherche s’appuie sur près d’une décennie de travaux utilisant séparément des modèles de vision et de langage. Elle n’a été possible que grâce à la toute dernière génération de modèles combinés de vision et de langage.
« Les modèles basés uniquement sur la vision ou sur le langage prédisent certes une partie de l’activité cérébrale et de certains comportements. Mais ils sont loin d’être parfaits », avance Martin Schrimpf, professeur au NeuroAI Lab. « Les modèles Vision-Language que nous avons utilisés n’ont été publiés que quelques mois avant le début du projet, et même les versions combinées antérieures n’étaient pas suffisamment performantes pour nous permettre de cibler la dyslexie. Les récents progrès exponentiels de l’IA ont changé la donne.»
En plus d’utiliser pour la première fois un modèle Vision-Langage de nouvelle génération, cette recherche se distingue des travaux antérieurs qui modélisaient une population en bonne santé pour se concentrer sur une population de patients et patientes.
« À ma connaissance, aucun autre travail en neuro-IA n’a fait cela, ajoute Martin Schrimpf. La dyslexie a la réputation d’être un trouble ou un dysfonctionnement très difficile à décrire, dont personne ne connaît vraiment le mécanisme. Mais d’un point de vue éthique, on ne peut pas neutraliser tous les neurones d’un être humain. Avec un modèle, nous pouvons effectuer des perturbations mécanistiques et modifier n’importe quel paramètre comme nous le souhaitons : c’était une formidable opportunité. »
Après cette phase de l’étude, les scientifiques ont évalué différentes polices de caractères, certaines couramment utilisées et d’autres développées spécifiquement pour les personnes dyslexiques.
Un cadre général pour étudier les troubles cérébraux
« Nous avons vérifié la précision avec laquelle le modèle pouvait reconnaître des textes utilisant différentes polices sans modifier aucun autre paramètre. Nous avons constaté qu’il obtenait des résultats nettement meilleurs avec les polices spécialement conçues pour les personnes dyslexiques, et moins bons avec celles connues pour leur poser problème. Nous utilisons désormais le modèle pour créer la police optimale pour lui-même et, par extension, pour les personnes dyslexiques », explique Melika Honarmand.
« Même si ces modèles ne reproduisent pas exactement l’architecture du cerveau, ils s’en inspirent et on peut donc observer certaines similitudes. Mais il est surprenant de voir qu’une hypothèse sur une composante spécifique du cerveau humain, dont l’altération entraîne un comportement particulier, se vérifie exactement de la même manière dans le modèle », poursuit la chercheuse.
Au-delà des résultats de l'étude, un des apports les plus importants de cette recherche est la mise en place d'un cadre computationnel pour étudier les troubles cérébraux.
« Nous l’avons appliqué à la dyslexie, mais nous pensons que le cadre général que nous avons développé peut être utilisé pour toute une série de dysfonctionnements cérébraux. Actuellement, nous étudions les hallucinations visuelles liées à la maladie de Parkinson et, plus largement, à la dépression. Certes, tous les cliniciens et cliniciennes ne seront pas immédiatement convaincus par l’utilisation de cerveaux numériques basés sur l’IA, mais le moment viendra où l’on ne pourra plus ignorer les preuves. Si les résultats sont là, cela deviendra au minimum un outil utile », conclut Martin Schrimpf.