Dans des laboratoires d'Oxford et de Cambridge, des chercheurs enregistrent l'activité électrique du cerveau de volontaires qui sont simplement allongés, yeux fermés, sans aucune tâche à accomplir. Au lieu des expériences traditionnelles basées sur des stimuli et des réponses, les scientifiques appliquent des algorithmes d'apprentissage automatique à ces signaux « libres ». Les modèles obtenus permettent non seulement de capturer l'activité cérébrale, mais aussi de prédire ce à quoi la personne pense à un moment donné : une rencontre à venir, ou une conversation passée.
L'article de synthèse publié le 15 juillet 2026 dans Nature Reviews Neuroscience, est rédigé par Andrea Luppi et ses collègues d'Oxford, Cambridge, Montréal et Dublin. Luppi, boursier Wellcome Early Career Fellow au St John's College de Cambridge, est le premier auteur et l'auteur correspondant de l'article.
L'article soutient que l'activité cérébrale spontanée cesse d'être un obstacle à la compréhension de la conscience. Les auteurs montrent comment les approches basées sur l'analyse de données (approches data-driven) extraient des informations significatives de signaux que les chercheurs ignoraient auparavant comme étant du bruit. L'étude intègre des données d'EEG, de fMRI et une analyse comparative de l'activité cérébrale chez l'homme, la souris et le macaque, mais ne contient pas de nouvelles expériences ; il s'agit d'une revue systématique résumant des recherches déjà publiées. Les auteurs déclarent n'avoir aucun conflit d'intérêts ; le financement a été assuré par des subventions universitaires standard.
Les théories traditionnelles de la conscience, telles que la Global Workspace Theory (théorie de l'espace de travail global), étaient basées sur des recherches avec des stimuli externes, où l'attention de la personne est dirigée vers le monde extérieur. L'activité spontanée remet en question le scénario habituel : un mécanisme distinct est-il vraiment nécessaire pour un mode de pensée « interne » ? La Predictive Processing (traitement prédictif), une théorie alternative, suggère que le cerveau génère constamment des prédictions sur le monde extérieur.
Les données de Luppi et de ses collègues montrent que ces prédictions restent structurées et cognitivement significatives même lorsque la personne ne reçoit aucune entrée externe – le cerveau continue de modéliser, d'analyser et de prévoir. Cependant, la revue elle-même ne fournit pas de réponse définitive à la question fondamentale : cette activité spontanée structurée est-elle suffisante pour l'émergence de la conscience phénoménale (l'expérience subjective) ou reflète-t-elle simplement un traitement d'information fonctionnel sans prise de conscience associée.
Les limites méthodologiques sont évidentes : la plupart des études ont été menées sur de petits échantillons de participants, et les algorithmes d'apprentissage automatique ont été entraînés sur des données recueillies dans des conditions de repos complet, où le contrôle des pensées et de l'attention des volontaires est minime. Les auteurs reconnaissent honnêtement que la traduction de ces résultats scientifiques en pratique clinique – de la gestion de l'anesthésie lors des opérations au diagnostic des troubles de la conscience – nécessite des vérifications et des validations supplémentaires et rigoureuses sur des échantillons de patients plus importants.
Pour mieux comprendre la nature de cette approche, imaginez un train qui se déplace sur des rails sans horaire fixe. Auparavant, les ingénieurs n'étudiaient que les arrêts en gare – les moments où le train est immobile ou commence à bouger. Désormais, ils analysent comment le wagon se déplace entre les gares : sa vitesse, ses oscillations, l'interaction des systèmes. De même, les méthodes data-driven permettent de visualiser non seulement les pauses dans la pensée, mais aussi comment l'activité cérébrale spontanée « guide » les réactions ultérieures et prépare le cerveau à de nouvelles tâches.
Si cette approche s'ancre dans les neurosciences, non seulement la pratique expérimentale des chercheurs changera, mais notre compréhension fondamentale de ce qui est considéré comme la « norme » pour un cerveau sain évoluera également. Des études indiquent déjà une diminution de l'unicité et de la complexité de la connectivité fonctionnelle sous anesthésie et chez les nouveau-nés prématurés – des modèles qui pourraient servir de biomarqueurs de l'état de conscience.
