Des chercheurs de l'Institut des sciences cognitives de Lyon (CNRS) en collaboration avec des chercheurs de l'Université catholique de Louvain et de l'Université de Rochester, mettent en évidence, à l'aide de modèles mathématiques, dans Nature Neuroscience du mois de juillet, la capacité d'un neurone d'une région du cerveau, le cortex pariétal, d'intégrer des informations spatiales provenant de signaux visuels, sonores, et mécaniques à la surface du corps. Ces intégrations multisensorielles permettent de localiser un objet le plus précisément possible à partir d'indices visuels, mécaniques et auditifs partiels, mais également de prédire au mieux une entrée sensorielle à partir d'une autre
Les chercheurs et théoriciens ont mené en parallèle des mesures de l'activité électrique dans le cerveau de singes soumis à des stimulations multisensorielles et des « mesures » de l'activité simulée au sein d'un réseau de neurones artificiels mimant l'organisation du cortex pariétal. Ces mesures présentent un double intérêt, permettant d'une part de comparer les activités neuronales réelles à celles qui émergent des neurones simulés, et d'autre part d'évaluer à un niveau plus global, qui n'est pas accessible aux mesures in vivo, la capacité du réseau à transformer et représenter correctement les informations sur la localisation des objets.
Les deux hypothèses avancées par les théoriciens ont été vérifiées expérimentalement. Premièrement, pour être combinées, les informations sensorielles et posturales convergent sur des ensembles de cellules au sein d'aires intermédiaires, ces cellules répondant à des combinaisons de positions de l'objet et de positions du corps. C'est la notion de codage populationnel. Ces populations sont essentielles pour nouer un véritable dialogue entre les cartes visuelles primaires et les cartes somatosensorielles.
Deuxièmement, les voies de communication nerveuse sont à double sens, et permettent ainsi à l'information de circuler et recirculer de manière itérative d'une région à l'autre, il s'agit cette fois de la notion de réseau récurrent. Ce type de réseau est particulièrement intéressant car il permet de réaliser deux des fonctions les plus fondamentales du cerveau : l'intégration multisensorielle et la prédiction. En l'occurrence, on peut calculer la localisation la plus probable d'un objet, à partir d'indices visuels et auditifs partiels comme cela se produit lorsque l'on recherche la personne qui nous appelle au milieu d'une foule bigarrée et bruyante. Un joueur de football peut ainsi déterminer le point d'impact d'un ballon se déplaçant sur une trajectoire de collision avec sa tête afin de le dévier, ou un boxeur anticiper la prochaine attaque de son adversaire.
Les résultats montrent que les données empiriques sont conformes aux prédictions du modèle, même lorsque ces prédictions ne sont pas intuitives a priori. Par exemple, le modèle prédisait que les cartes neuronales visuelles et somatosensorielles pouvaient ne pas être dans un alignement parfaitement congruent, c'est-à-dire qu'elles ne se projettent pas toujours sur le même bord du champ visuel. C'est effectivement le cas et cette situation ne nuit pas à la capacité du réseau à intégrer correctement les deux types d'information.
