Dans le cadre d’une expérimentation mettant en œuvre un implant cérébral et des algorithmes d’intelligence artificielle (IA), une femme ayant perdu l’usage de la parole à la suite d’un accident vasculaire cérébral il y a 18 ans est parvenue à « parler avec une réplique de sa propre voix et même transmettre une gamme limitée d’expressions faciales par l’intermédiaire de son avatar ».
Deux études indépendantes
Deux articles sur le sujet ont été publiés dans la revue Nature le 23 août [1]. En effet, deux équipes de recherche indépendantes décrivent des études similaires. Chaque étude a porté sur une femme qui avait perdu sa capacité à parler de manière intelligible, l’une à la suite d’un accident vasculaire cérébral et l’autre à cause de la SLA, une maladie neurodégénérative progressive.
Chacune des participantes s’est vu implanter un type différent de dispositif dans le cerveau, et toutes deux ont réussi à parler à un rythme d’environ 60 à 70 mots par minute, soit la moitié de la vitesse de la parole normale. Un rythme « plus de quatre fois plus rapide » que ce qui avait été rapporté dans de précédentes études (cf. Des implants redonnent la parole aux personnes paralysées).
Reproduire les expressions faciales sur un avatar
La première équipe, dirigée par Edward Chang, neurochirurgien à l’université de Californie à San Francisco, a également capté les signaux cérébraux contrôlant les petits mouvements qui produisent les expressions faciales, ce qui leur a permis de créer un avatar « presque en temps réel ».
L’implant n’enregistre pas les pensées. Il capte les signaux électriques qui contrôlent les mouvements musculaires des lèvres, de la langue, de la mâchoire et du larynx, tous les mouvements qui permettent la parole. Un port placé sur le cuir chevelu permet à l’équipe de transférer ces signaux à un ordinateur, où des algorithmes d’intelligence artificielle les décodent et où un modèle linguistique permet d’améliorer la précision de la correction automatique. Grâce à cette technologie, l’équipe a traduit l’activité cérébrale d’Ann en mots écrits à un rythme de 78 mots par minute, en utilisant un vocabulaire de 1024 mots, avec un taux d’erreur de 23%.
Les signaux musculaires captés ont permis à la participante, via l’avatar, d’exprimer trois émotions différentes (joie, tristesse et surprise) à trois niveaux d’intensité différents. L’équipe a utilisé un enregistrement de la vidéo de son mariage pour reproduire sa voix, afin que l’avatar lui ressemble.
Une autre étude avec des implants plus petits
La seconde équipe, dirigée par des chercheurs de Stanford, a implanté à une femme atteinte de SLA, Pat Bennett, quatre dispositifs beaucoup plus petits. Ces implants peuvent enregistrer les signaux des neurones individuellement. Pat Bennett a « entraîné » le système en lisant des syllabes, des mots et des phrases au cours de 25 séances.
Les chercheurs ont ensuite testé la technologie en lui faisant lire des phrases qui n’avaient pas été utilisées pendant la formation. Lorsque ces phrases étaient tirées d’un vocabulaire de 50 mots, le taux d’erreur était d’environ 9%. Lorsque l’équipe a élargi le vocabulaire à 125 000 mots, le taux d’erreur est passé à environ 24%.
Des performances à confirmer
Pour le moment il ne s’agit que de preuves de concept. En effet, reposant sur des connexions câblées et un système informatique volumineux pour gérer le traitement, les implants ne peuvent être utilisés que dans le cadre des expérimentations. En outre les systèmes n’ont été testés que sur deux individus. Or les lésions cérébrales sont « très hétérogènes ». Ainsi, « la généralisation, même au sein de la population des victimes d’AVC ou de SLA, est possible, mais elle n’est pas certaine » prévient Nick Ramsey, neuroscientifique au centre UMC Utrecht aux Pays-Bas.
[1] Edward Chang et. al., A high-performance neuroprosthesis for speech decoding and avatar control, Nature (2023). DOI: 10.1038/s41586-023-06443-4
Francis Willett et. al., A high-performance neuroprosthesis, Nature (2023). DOI: 10.1038/s41586-023-06377-x
Source : MIT technology review, Cassandra Willyard (23/08/2023)
