Catalogue des cours

Ce cours offre un large panorama des neurosciences, conçu pour être accessible à un public aux parcours académiques variés. Il aborde les concepts neuroscientifiques fondamentaux, la structure et le fonctionnement du système nerveux, les grandes fonctions cérébrales ainsi que les méthodologies les plus récentes de la recherche en neurosciences.

Le cours explique méthodiquement que les phénomènes cérébraux résultent d’activités et d’interactions neuronales spécifiques au sein de réseaux neuronaux complexes, composés de neurones actifs comme inactifs. Cette compréhension fondamentale lève l’ambiguïté qui entoure les processus cognitifs et en offre une perspective claire et scientifiquement fondée.

Le cours pose des bases solides pour celles et ceux qui se destinent à une spécialisation en neurosciences, en leur assurant la maîtrise de ces principes essentiels. Dans le même temps, ces connaissances enrichissent considérablement la compréhension des sciences cognitives dans tout un éventail de disciplines, de la linguistique, l’anthropologie, la philosophie et les sciences sociales jusqu’à l’informatique et l’intelligence artificielle.

Ce cours couvre les bases de trois processus psychologiques fondamentaux : la perception humaine, les connaissances fondamentales (core knowledge) et la mémoire. Il s’appuie principalement sur la psychologie expérimentale, la neuropsychologie et la neurophysiologie, et propose un aperçu des corrélats comportementaux et neuronaux de ces trois piliers de la psychologie humaine.

Ce cours poursuit un double objectif : (1) présenter l’éventail des modèles computationnels largement utilisés en neurosciences, en sciences cognitives et en intelligence artificielle, et (2) introduire les concepts clés de ces domaines. Pour le premier objectif, les étudiantes et étudiants découvriront différents types de modèles et les hypothèses implicites qu’ils comportent. Pour le second, le cours présente différents cadres computationnels, du neurone isolé jusqu’à l’interaction sociale. Les équations essentielles seront expliquées pour illustrer ces concepts, mais il ne sera pas demandé de les résoudre ni de les manipuler. Aucune formation quantitative préalable n’est donc requise.

Ce cours vise à fournir les concepts et les outils fondamentaux nécessaires à l’étude du comportement humain et des sociétés selon une approche intégrative. Des concepts clés de la biologie évolutive, de l’écologie comportementale et de la psychologie cognitive seront mobilisés pour expliquer une grande variété de phénomènes sociaux, des attitudes politiques aux fictions narratives. À travers divers cas d’étude interdisciplinaires, les étudiantes et étudiants apprendront à appliquer ces théories à des problèmes concrets : réticence à la vaccination, changement climatique ou décrochage scolaire. Tout en se concentrant principalement sur le comportement social humain, le cours abordera aussi l’influence de la variabilité environnementale, des stratégies de subsistance et des héritages écologiques sur les sociétés humaines.

Objectifs d’apprentissage :

À l’issue de ce cours, les participantes et participants devraient être capables de :

• comprendre l’interaction entre facteurs évolutifs, cognitifs et culturels dans la formation du comportement humain, ainsi que le rôle de la variabilité environnementale dans ce processus ;

• maîtriser les concepts clés de la psychologie évolutionnaire et de l’écologie comportementale, tels que les traits d’histoire de vie, les stratégies évolutionnairement stables, la coopération conditionnelle et la signalisation ;

• développer une compréhension critique de la façon dont les humains produisent des structures sociales, et dont les institutions et les actions collectives émergent en réponse à des facteurs environnementaux et culturels ;

• appliquer les concepts clés de la psychologie évolutionnaire et de l’écologie comportementale à des questions de sciences sociales telles que les croyances religieuses, les attitudes politiques et les préférences esthétiques.

Ce cours est une introduction à l’étude raisonnée du langage humain. Notre intérêt et notre objectif principaux sont d’examiner des théories mathématiquement rigoureuses portant sur (des fragments de) la capacité cognitive humaine de langage. À cette fin, nous présenterons les concepts et les théories fondamentaux de la phonologie, de la morphologie, de la syntaxe, de la sémantique et de la pragmatique. Nous discuterons assez précisément les fondements philosophiques de l’étude du langage humain dans cette perspective cognitive et mathématiquement intelligible : tous les symboles formels qui figurent dans nos théories sont-ils, d’une manière ou d’une autre, dans la tête ?

Plus brièvement, faute de temps, nous présenterons également les travaux classiques, et dans certains cas des recherches récentes, sur les bases neurobiologiques du langage humain (neurolinguistique), sur la manière dont la capacité humaine de langage est mise en œuvre dans la production et la compréhension (psycholinguistique), sur la façon dont les enfants apprennent leur langue maternelle sans effort et sans instruction véritable (acquisition du langage), et sur les points de convergence et de divergence entre la faculté humaine de langage et les performances comportementales impressionnantes des grands modèles de langue actuels.

L’évaluation repose sur huit devoirs à la maison (60 %), un examen final sur table (30 %), ainsi que l’assiduité et la participation en cours et en séance de travaux dirigés (10 %).

Ce cours n’a aucun prérequis ; en particulier, il ne suppose aucune connaissance de la grammaire traditionnelle au-delà de ce que vous aurez inévitablement vu au lycée, ni aucune familiarité avec la théorie des langages formels ou les domaines voisins.

Ce cours vise à (i) poser les fondements conceptuels de la philosophie des sciences cognitives et (ii) initier les étudiantes et étudiants à ses débats majeurs.

Ce cours propose une formation intégrée pour devenir une bonne ou un bon scientifique cognitif quantitatif. Une grande part du métier de scientifique cognitif (et, en réalité, de tout métier scientifique) relève de la science des données : savoir recueillir les bonnes données, les organiser correctement, les visualiser, en tirer des inférences, écrire à leur sujet et les partager ouvertement. Le cours combine plusieurs éléments. Il initie au langage de programmation statistique R. Il offre un cours de base en statistiques et en visualisation de données. Il aborde la conception des études et les questions de mesure. Enfin, il traite des bonnes pratiques de recherche telles que le préenregistrement, la validité, la fidélité et la reproductibilité.

L’objectif de ce cours est de familiariser les étudiantes et étudiants avec les méthodes de recherche en psychologie expérimentale, selon une approche à la fois théorique et pratique. Le cours introduit la théorie de la détection du signal et l’analyse de l’observateur idéal. Suit une présentation systématique des paradigmes expérimentaux classiques (par exemple, paradigmes à intervalle unique ou à intervalles multiples ; échelles de magnitude) et des aspects de la chronométrie mentale (mesure des temps de réaction). Les concepts enseignés seront illustrés par des exemples pratiques (comment choisir entre des paradigmes expérimentaux selon des contraintes théoriques et pratiques). L’objectif est de fournir une boîte à outils à celles et ceux qui souhaitent poursuivre des recherches en psychologie expérimentale, ou dans toute autre science cognitive utilisant le comportement comme mesure. Un autre objectif est de permettre de développer un regard critique sur les méthodes de la psychologie et sur l’adéquation d’une méthode donnée à une question scientifique particulière.

L’objectif de ce cours est d’introduire les fondements de l’anatomie cognitive à travers 13 cours magistraux (le lundi, 2 heures par semaine, 8 h 30 – 10 h 30, salle Ribot, 29 rue d’Ulm) et 10 séances pratiques (2 heures par semaine, le vendredi, 14 h – 16 h, salle Ribot, 29 rue d’Ulm). Deux séances finales seront consacrées aux évaluations, dont la présentation en groupe d’un projet de recherche. Chaque cours magistral couvrira systématiquement un système cognitif particulier, des réseaux sensoriels et moteurs de bas niveau jusqu’aux fonctions cognitives supérieures, plus complexes et distribuées. Le contenu abordera trois aspects principaux de chaque système :

1. Les structures et réseaux neuro-anatomiques clés impliqués, leur organisation topographique générale et leur localisation dans différents types d’imagerie cérébrale.

2. Les contributions cognitives/fonctionnelles sous-tendant les mécanismes physiologiques, y compris les tests d’évaluation pertinents pour explorer ces processus.

3. Des exemples de pathologies associées aux dysfonctionnements de ces systèmes, utilisées comme modèles expérimentaux pour explorer ces processus ou à des fins diagnostiques et thérapeutiques.

Programme des cours magistraux

Après une introduction au cours 1 : Anatomie cognitive et méthodes du domaine, les systèmes abordés ce semestre comprendront : cours 2 : les systèmes oculomoteurs et des mouvements oculaires ; cours 3 : l’action volontaire et les systèmes d’apprentissage moteur, dont le cervelet ; cours 4 : les voies auditives et les structures centrales de traitement du son ; cours 5 : les systèmes de traitement visuel et d’attention spatiale ; cours 6 : les systèmes sous-tendant la mémoire, l’apprentissage et les effets du sommeil et des émotions ; cours 7 : les systèmes de contrôle exécutif et cognitif ; cours 8 : prise de décision, ganglions de la base et apprentissage ; cours 9 : systèmes de motivation et de récompense et émotions ; cours 10 : systèmes du langage et de la communication ; cours 11 : les bases neuronales et les systèmes sous-tendant la conscience ; cours 12 : bases neuronales et systèmes de l’interaction sociale ; et nous conclurons par un cours 13 plus général : anatomie du cerveau, plasticité et rééducation.

Programme des séances pratiques

Les séances pratiques débuteront par la séance 1, qui comprendra une visite du CENIR (plateforme d’imagerie de l’Institut du Cerveau (ICM), à l’hôpital de la Pitié-Salpêtrière, 82 boulevard de l’Hôpital, bâtiment ICM, hall de l’étage -1, Paris, <Métro> Chevaleret, ligne 6, ou Saint-Marcel, ligne 5). Les séances suivantes seront divisées en 4 parties : les séances 2, 3 et 4 porteront sur l’IRM structurelle ; les séances 5 et 6 couvriront l’IRM fonctionnelle ; les séances 7 et 9 aborderont respectivement l’imagerie par ultrasons et la stimulation cérébrale non invasive couplée à des enregistrements EEG. Enfin, les séances 8 et 10 couvriront les méthodes et analyses EEG, MEG et sEEG. Au cours de ces séances, d’autres techniques d’exploration de l’anatomie et des fonctions du cerveau seront présentées, telles que l’électrophysiologie intracrânienne et les ultrasons fonctionnels (FUS). Dans certaines de ces séances pratiques, nous chercherons à montrer comment ces techniques fonctionnent et comment elles mènent à des conclusions, des données brutes aux résultats finis, à partir de jeux de données humaines réelles et de scripts d’analyse sur mesure.

Travaux notés à la maison et évaluations

Les étudiantes et étudiants devront se constituer en groupes de trois et rédiger conjointement un essai de 10 à 15 pages (hors références et annexes) sur un sujet de recherche « brûlant » en neuro-anatomie cognitive, impliquant des participants humains sains ou des populations de patients et un ou plusieurs des systèmes cognitifs abordés en cours. L’essai sera noté et devra prendre la forme d’un projet de recherche, comprenant les sections suivantes : (1) Titre et résumé (½ page) : un bref aperçu du projet ; (2) État de l’art (3 à 5 pages) : une revue systématique des recherches existantes dans le domaine d’intérêt choisi ; (3) Question de recherche et objectifs (1 à 2 pages) : l’identification d’une question de recherche pertinente et nouvelle dans ce contexte, ainsi que les objectifs généraux et spécifiques du projet ; (4) Méthodologie et plan d’étude (3 à 5 pages) : une description détaillée des méthodes et du plan expérimental les mieux adaptés pour répondre à la question de recherche et tester l’hypothèse ; (5) Prédictions et hypothèses (1 à 2 pages) : une série de résultats attendus pour chaque objectif spécifique ; (6) Risques méthodologiques et expérimentaux (1 page) : l’identification des principaux risques et des alternatives proposées pour en atténuer l’impact sur l’étude ; (7) Considérations éthiques (1 page) : une discussion des risques médicaux et psychologiques, des droits des participants (dont le respect de la vie privée et la confidentialité des données), des biais de genre, et des solutions proposées ; (8) Impact scientifique et sociétal (1 page) : une explication de l’impact scientifique, clinique, social et technologique potentiel du projet ; (9) Références : la liste de toutes les références citées ; (10) Figures et annexes : figures supplémentaires ou documents complémentaires (sans limite de pages).

Deux séances d’évaluation seront organisées (séances 11 et 12), durant lesquelles chaque groupe préparera une présentation PowerPoint et exposera oralement son projet en 15 minutes devant ses pairs et les coordinateurs, suivie d’une séance de questions-réponses. Les équipes qui présentent seront évaluées sur leur capacité à communiquer efficacement les aspects clés de leur projet dans un temps limité et à répondre aux questions de l’auditoire. Les équipes présentes seront également notées sur leur capacité à soulever et à poser des questions pertinentes à leurs pairs. À chaque séance, après les présentations et les discussions, un court quiz évaluera la capacité des étudiantes et étudiants à identifier des structures cérébrales sur des images et à en décrire le nom et les fonctions cognitives.

La note finale sera la moyenne pondérée de l’essai/projet écrit (40 %), de sa présentation et défense publiques par les trois membres (40 %) et des résultats des quiz d’anatomie (20 %). Un bonus de +10 % sera ajouté pour les questions pertinentes et perspicaces posées lors des présentations de projets. À noter : l’essai/projet écrit, la défense publique et le bonus de +10 % évaluent un effort collectif coordonné et seront attribués à chaque membre du groupe.

L’objectif de ce cours pratique est d’apprendre à implémenter des modèles computationnels de systèmes neuronaux et à réaliser des analyses de base de données neuronales. Les étudiantes et étudiants utiliseront Python pour mener une série de projets couvrant les thèmes suivants :

1 - Estimer les statistiques d’activité à partir d’une activité neuronale enregistrée

2 - Modéliser et simuler un neurone à potentiels d’action

3 - Codage de population : extraire l’information de l’activité neuronale

4 - Simuler et analyser des modèles de réseaux à propagation avant et récurrents

5 - Entraîner des réseaux à réaliser des tâches cognitives par apprentissage profond.

Ce cours est à suivre conjointement avec le cours de neurosciences computationnelles.

Ce cours présente des approches mathématiques et computationnelles du traitement de l’information par le cerveau. L’objectif est d’initier les étudiantes et étudiants aux neurosciences computationnelles et d’enseigner des concepts quantitatifs clés. Le cours est organisé en trois modules :

1. Modélisation de la cognition et du comportement (conditionnement classique et opérant, apprentissage par renforcement, prise de décision)
2. Traitement de l’information (décodage neuronal, codage de population, traitement sensoriel, champs récepteurs linéaires)
3. Dynamique et mécanismes (biophysique des neurones, réseaux de neurones à propagation avant et récurrents, plasticité synaptique, mémoires associatives)

Objectifs d’apprentissage

Les étudiantes et étudiants seront initiés et familiarisés aux concepts de la modélisation computationnelle en neurosciences.

À l’issue du cours, ils seront capables de :

• comprendre les modèles d’apprentissage par renforcement
• comprendre les modèles de décodage neuronal fondés sur la théorie de la détection du signal
• comprendre les modèles de codage de population et de prise de décision fondés sur l’activité d’un neurone unique
• comprendre les modèles de biophysique neuronale et de dynamique des réseaux
• lire et analyser des articles de neurosciences computationnelles

Ce cours explore certains des cadres computationnels les plus répandus pour comprendre l’intelligence et la cognition humaines. Les psychologues, parmi d’autres spécialistes des données, doivent composer avec des jeux de données du comportement humain de plus en plus vastes et multidimensionnels. La modélisation cognitive computationnelle vise à comprendre ce type de données comportementales complexes, en construisant des descriptions mathématiques des processus cognitifs latents (cachés) qui produisent les données observées. Au cours de la dernière décennie, les modèles cognitifs computationnels sont devenus déterminants en sciences cognitives pour comprendre, et même prédire, le comportement humain à l’aide de descriptions mathématiques de l’esprit. L’objectif principal de ce cours est de présenter les objectifs, la philosophie et les fondements techniques de la modélisation cognitive computationnelle.

Au fil des cours, les étudiantes et étudiants exploreront divers sujets : théorie de la détection du signal, apprentissage par renforcement, modélisation bayésienne, ajustement de modèles, comparaison de modèles et réseaux de neurones artificiels. Les exemples de modélisation couvrent un large éventail de capacités psychologiques telles que la catégorisation, l’apprentissage, la mémoire, la prise de décision et le raisonnement. À l’issue du cours, ils auront une compréhension plus fine de la façon dont la modélisation computationnelle peut faire avancer les sciences cognitives lorsqu’elle est appliquée de manière adéquate à une question de recherche donnée. Ils acquerront aussi les compétences pour ajuster, évaluer et comparer des modèles cognitifs computationnels afin de mieux comprendre des données comportementales complexes et multidimensionnelles.

Pourquoi les modes vont-elles par cycles ? Sur combien de générations une légende peut-elle se transmettre ? Peut-on prédire le succès d’un film ? Tels sont les types de questions auxquelles cherchent à répondre les spécialistes de l’évolution culturelle. Ce champ émergent combine des modèles issus de l’étude de l’évolution biologique avec les méthodes des sciences du comportement pour éclairer la dimension culturelle de la vie sociale. Dans cette perspective, la culture peut s’analyser comme un ensemble d’idées, de normes et de schémas d’action transmis. Les sciences cognitives sont de plus en plus mobilisées pour mieux comprendre le fonctionnement de cette transmission ; en retour, elles ont permis de mieux saisir des sujets tels que la nature de l’apprentissage social ou les motivations de la coopération. Ce cours cherche à introduire les bases de la recherche en évolution culturelle telle qu’elle se pratique aujourd’hui, dans un esprit œcuménique, en couvrant les notions de toutes les « écoles » actives dans le domaine (écologie comportementale, psychologie évolutionnaire, évolution culturelle, attraction culturelle).

Objectifs d’apprentissage : il s’agit d’apprendre à prendre part aux débats contemporains de l’évolution culturelle, à comprendre et appliquer des modèles simples d’évolution culturelle, et à analyser des données culturelles issues d’expériences, de sources historiques ou de données web.

Avoir suivi le cours « Fondements évolutionnaires des comportements sociaux et culturels » est recommandé mais pas obligatoire.

L’objectif de ce cours est de former les étudiantes et étudiants aux méthodes statistiques permettant d’estimer des relations causales, à l’aide d’expériences randomisées ou de quasi-expériences. Ces méthodes consistent soit à mettre en œuvre des protocoles expérimentaux contrôlés, soit à exploiter des données statistiques pour tirer parti d’expériences « naturelles » ou d’événements sociaux, économiques ou institutionnels qui, sous certaines hypothèses, produisent une exposition différenciée au traitement selon les populations, rendant plausible une interprétation causale.

Les principaux chapitres sont :

1. Modèles causaux de Rubin et essais contrôlés randomisés
2. Conformité imparfaite
3. Variables instrumentales et LATE
4. Différences de différences
5. Régression sur discontinuité
6. Inférence fondée sur le plan d’expérience
7. Plans expérimentaux
8. Introduction à l’apprentissage automatique pour les modèles causaux
9. Sujets divers

L’évaluation reposera sur des quiz remplis régulièrement avant ou pendant les cours et sur un examen final.

L’objectif de ce cours est de présenter une introduction à plusieurs cadres formels pertinents pour la linguistique (principalement issus des mathématiques discrètes). La première partie porte sur la théorie des langages formels (automates à états finis, grammaires formelles, complexité des langages formels et naturels). Vient ensuite la logique du premier ordre, envisagée surtout comme un moyen de représenter la sémantique du langage naturel. Enfin, quelques éléments de lambda-calcul seront présentés, afin de donner un premier aperçu du programme de recherche de Montague : traiter l’anglais comme un langage formel.

Ce cours est une introduction rapide à la sémantique et à la pragmatique des langues naturelles.

Les êtres humains peuvent produire et comprendre, sans effort apparent, des phrases qui n’ont jamais été ni produites ni comprises auparavant. Cette capacité doit reposer sur un mécanisme par lequel le sens d’une expression complexe peut être calculé à partir du sens de ses parties et de la façon dont elles sont combinées (sémantique compositionnelle). De plus, l’interprétation des phrases ne dépend pas seulement de leur sens linguistiquement encodé, mais aussi de toutes les inférences que nous sommes capables de tirer, dans un contexte donné, sur les intentions communicatives des locuteurs (pragmatique). La sémantique et la pragmatique formelles visent à explorer ces deux dimensions du sens.

Le cours s’organise grosso modo autour de trois grands thèmes :

Sémantique compositionnelle : sémantique extensionnelle ; compositionnalité ; prédication et modification ; pronoms et quantification ; phénomènes de polarité (60 %)

Sémantique et pragmatique : présuppositions et implicatures scalaires, questions et réponses (25 %)

Sémantique intensionnelle (15 %) : limites des approches extensionnelles ; modalité ; attitudes propositionnelles.

Le cours est dispensé en anglais, mais les questions peuvent être posées en français comme en anglais, et les remarques formulées dans l’une ou l’autre langue. Les devoirs peuvent être rendus en anglais ou en français.

Le cours explore ce que les êtres humains savent des systèmes sonores de leurs langues, comment ils l’apprennent et comment ce savoir est représenté dans leur esprit. Nous commençons par un aperçu des grandes caractéristiques des systèmes sonores et introduisons les concepts phonologiques fondamentaux (phonème, trait, alternance). Nous examinerons ensuite les recherches qui ont cherché à déterminer quelles généralisations phonologiques les locuteurs extraient des données d’apprentissage, ainsi que les implications de ces résultats pour parvenir à un cadre grammatical descriptivement adéquat : notation de base des règles, traits et interaction de contraintes. Nous considérerons ensuite diverses méthodes utilisées pour déterminer le savoir phonologique implicite des locuteurs, des modèles computationnels de l’acquisition phonologique, et le rôle de la perception auditive dans la formation des grammaires phonologiques. Les étudiantes et étudiants apprendront aussi les concepts fondamentaux de la phonétique articulatoire et acoustique, et des outils de base pour analyser le signal de parole en unités de représentation abstraites.

Ce cours vise à enseigner les compétences de rédaction philosophique aux étudiantes et étudiants qui ont décidé de se spécialiser en philosophie.

Effectif maximal : 6 étudiantes et étudiants

Dans ce cours, nous aborderons une série de débats actuels en philosophie de la psychologie. Nous nous demanderons comment les découvertes récentes des sciences cognitives éclairent des questions philosophiques traditionnelles portant sur des capacités psychologiques telles que l’émotion, la perception, la mémoire, l’imagination et la cognition de haut niveau.

Première année, second semestre

Nombre d’heures : 24 h

Le cours aborde divers concepts gravitant autour du code neuronal et des calculs neuronaux, avec des exemples tirés à la fois de la littérature expérimentale et des modèles computationnels. Ces concepts peuvent être compris avec un bagage mathématique minimal. Le cours est organisé en modules distincts, chacun ciblant un concept central des neurosciences cognitives. Nous discuterons des défis méthodologiques et épistémologiques et de la façon dont ils structurent la recherche actuelle. Les exemples seront tirés de tous les champs de la cognition (par exemple, mémoire et apprentissage, conscience, prise de décision) et porteront aussi bien sur l’humain que sur l’animal.

Objectifs d’apprentissage

À l’issue de ce cours, les étudiantes et étudiants devraient être capables de :

• comprendre les concepts clés des neurosciences cognitives et leur lien avec les stratégies expérimentales, in vivo et in silico
• identifier les contraintes d’interprétation dans les articles de recherche expérimentale
• développer un esprit critique dans l’analyse de la littérature et la construction d’un projet de recherche
• comprendre comment les concepts ont évolué et continuent d’évoluer

Niveau : M2

Nombre d’heures : 24 h

Langue : anglais

Le cours vise à comprendre comment les humains prennent des décisions volontaires et agissent de manière adaptative dans leur environnement. Il aborde notamment les bases neuronales des fonctions exécutives centrales (jugement et prise de décision) chez l’humain. Ces fonctions, associées aux lobes frontaux, constituent la capacité de décider non seulement en réponse à des événements externes, mais aussi en lien avec des intentions et des choix issus de motivations, de préférences et de croyances, qui découlent à leur tour de comportements manifestes et de raisonnements internes. Le cours traitera cette question du point de vue des neurosciences cognitives et computationnelles et, dans une moindre mesure, de la philosophie moderne.

Ce cours propose un panorama des approches comportementales et computationnelles de la prise de décision fondée sur la valeur. Il examine comment les variables de décision (l’utilité espérée et ses composantes : valeur, probabilité, risque et délai) se combinent pour guider les choix.

L’accent est mis sur l’usage des modèles computationnels, qui servent à formaliser des hypothèses sur la prise de décision et à relier le comportement observé aux processus cognitifs sous-jacents. Le cours présente les principaux cadres de modélisation employés pour décrire la manière dont on évalue des options, dont on apprend de l’expérience et dont on décide en situation de risque et d’incertitude. Il examine aussi comment les observations comportementales révèlent des écarts systématiques aux prédictions normatives, et comment ces écarts peuvent être intégrés à des modèles descriptifs et mécanistes du choix.

La dernière partie du cours étend ces approches aux questions contemporaines de l’interaction humain–machine : la façon dont les personnes évaluent, utilisent et reçoivent les recommandations ou les décisions produites par des systèmes computationnels.

Plus d’informations via ce lien.

Ce séminaire poursuit un double objectif. D’abord, fournir des connaissances de base sur l’« hypothèse du cerveau bayésien », l’idée selon laquelle l’inférence bayésienne est utile pour décrire le fonctionnement de l’esprit (psychologie) et du cerveau (neurosciences). Le cours illustrera plusieurs domaines de la cognition où cette hypothèse a connu du succès. Il sera aussi critique, en soulignant les réserves et les limites de cette hypothèse. À l’issue du cours, les étudiantes et étudiants connaîtront mieux ce champ et porteront un regard nuancé sur l’« hypothèse du cerveau bayésien », en distinguant ses différentes composantes (l’usage des a priori, des prédictions, de l’incertitude, de la règle de Bayes, des probabilités conditionnelles).

La première partie du cours apportera des éléments de connaissances de fond. Le séminaire se concentrera ensuite sur des aspects plus spécialisés et actuellement très débattus du cerveau bayésien, en présentant des questions et des études à la pointe de la recherche actuelle. L’objectif de cette seconde partie n’est pas d’être exhaustif, mais de présenter un échantillon représentatif de sujets brûlants.

Le cours explore les interactions entre la littérature sur le soi et celle sur la conscience. Nous nous demanderons si la conscience implique un certain degré de représentation de soi, et nous verrons aussi les nombreuses façons dont le soi peut influer sur la conscience. Pour ce faire, nous nous appuierons sur l’analyse philosophique, des construits psychologiques et des mécanismes neurobiologiques. Un accent particulier est mis sur le soi en tant qu’il fait l’expérience à un instant donné.

Les sciences cognitives et l’art traitent toutes deux de l’esprit humain, souvent avec des méthodes différentes, mais toujours avec un même émerveillement devant le plus déroutant des phénomènes. L’objectif du cours « Sciences cognitives & art » est de présenter des approches artistiques et cognitives parallèles sur des sujets actuels intéressant les deux champs.

Pour chaque sujet, nous aurons des séminaires conjoints réunissant une chercheuse ou un chercheur de l’un des laboratoires du Département d’études cognitives de l’ENS, et une ou un artiste (ou une chercheuse ou un chercheur d’une discipline culturelle). Il sera en outre possible de découvrir trois institutions créatives à Paris, lors de cours « hors les murs » à l’École des arts décoratifs (ENSAD), au Sony Computer Science Lab (Sony CSL) et à l’Institut de recherche et coordination acoustique/musique (Ircam).

Le cours sera profondément interdisciplinaire, avec des contributions de la plupart des laboratoires et disciplines du master en sciences cognitives, mais sans prérequis, de sorte que tous les profils sont les bienvenus. Étant donné ce format quelque peu inhabituel, les étudiantes et étudiants ne doivent pas s’attendre à une transmission académique traditionnelle des connaissances : ils devraient plutôt avoir envie de prendre part à des discussions ouvertes avec des personnes qui contribuent, en ce moment même, au dialogue continu (et peut-être en accélération) entre l’art et la science.

La liste des sujets et des intervenantes et intervenants pour 2025/2026 est disponible ici :

https://moodle.psl.eu/course/view.php?id=25358

Le cours vise à offrir aux étudiantes et étudiants un panorama du champ de la cognition comparée et une présentation de ses concepts et méthodes. À partir d’une brève présentation du domaine, ils seront confrontés à une variété de questions telles que la communication, la socialité, les mécanismes cognitifs et la métacognition. Chaque séance sera divisée en deux parties : la première moitié (1 h) consistera en un cours magistral donné par une experte ou un expert du domaine, et la seconde en discussions autour d’une étude donnée (« journal club »), animées par deux étudiants. Par ailleurs, chaque étudiante ou étudiant présentera, pour la fin du semestre, une revue de littérature (rapport écrit ou présentation orale) sur un sujet de son choix. L’objectif d’un panorama aussi large, combiné à ce travail, est de faire prendre conscience des grandes questions de recherche du domaine et de permettre de comprendre et de discuter de façon critique les études en cognition comparée.

Contenu du cours :

Introduction à l’inférence bayésienne, probabilité conditionnelle et théorème de Bayes

Inférence asymptotique, entropie d’une distribution, entropie croisée, distribution a posteriori, divergence de Kullback-Leibler, non-pertinence de la distribution a priori, entropie d’un processus de Poisson

Information et entropie de Shannon, information mutuelle, principe du maximum d’entropie

Analyse en composantes principales, directions les plus informatives et composantes principales ; transition de phase de l’apprentissage retardé

Partitionnement (clustering), ACP en ligne

Régularisation par a priori et parcimonie, a priori pour les régressions aux moindres carrés, validation croisée pour la force optimale de l’a priori

Inférence graphique : reconstruction de réseaux pour des variables gaussiennes multivariées, modèle d’Ising et modèle d’Ising inverse, pseudo-vraisemblance, apprentissage de machines de Boltzmann, inférence en champ moyen, inférence des couplages à partir de données neuronales

Apprentissage non supervisé : auto-encodeurs, machines de Boltzmann restreintes ; fonctions d’activation linéaires et non linéaires, représentations

Classification par réseau de neurones et algorithme d’apprentissage du perceptron, réseaux de neurones multicouches

Modèles de Markov et modèles de Markov cachés

L’objectif de ce cours est de présenter et de discuter les réseaux de neurones artificiels et leurs applications à l’étude de la cognition. Le cours vise à exposer les avancées les plus récentes de l’apprentissage automatique et leur usage pour comprendre notre cognition, tout en soulignant les limites des techniques actuelles lorsqu’on les considère comme des modèles du cerveau. Une première partie présentera les bases fondamentales, l’histoire et le développement de ces techniques. Après une présentation du perceptron, de la descente de gradient et de l’algorithme de rétropropagation, le cours abordera les principales méthodes et architectures neuronales contemporaines, en particulier les réseaux convolutifs, les réseaux récurrents (tels que les LSTM) et les Transformers, ces réseaux modernes fondés sur une notion d’attention, utilisés dans les grands modèles de langage comme ChatGPT. Dans une deuxième partie, des intervenantes et intervenants invités présenteront l’usage qu’ils font de ces modèles dans leurs recherches en sciences cognitives. Une attention particulière sera portée à la comparaison entre les motifs d’activation des systèmes neuronaux artificiels et biologiques. Une séance sera consacrée à l’implémentation d’un algorithme d’apprentissage. La dernière partie sera consacrée aux présentations des étudiantes et étudiants, qui font partie intégrante du cours.

À noter : ce cours ne se substitue pas à un cours avancé d’apprentissage profond ou, plus largement, d’apprentissage automatique. Il n’aborde pas les questions d’inférence statistique.

Niveau recommandé : biologie, sciences cognitives : M2 ; mathématiques, physique, informatique : M1 ou au-delà. Le cours présente également un intérêt pour celles et ceux qui préparent un doctorat ou un postdoctorat en sciences cognitives ou en neurosciences computationnelles.

Page du cours : https://l-bg.github.io/dlcs/

Ce cours est une introduction avancée aux neurosciences théoriques et computationnelles. Il présente des approches quantitatives de questions centrales en neurosciences : quelles fonctions et quels calculs le cerveau accomplit-il ? Par quels mécanismes ? Le cours poursuit un triple objectif. D’abord, présenter un certain nombre de questions pour lesquelles une approche quantitative est pertinente. Ensuite, introduire les outils mathématiques nécessaires à l’étude de ces questions, ainsi qu’à celle de questions similaires dans des domaines connexes (psychophysique, informatique, biophysique…). Enfin, et c’est peut-être le plus important, discuter des exemples concrets, pertinents pour le fonctionnement cérébral, où la modélisation permet de progresser. Parmi les questions et exemples abordés : comment les neurones codent-ils les entrées du cerveau ? La « fonction » est-elle assurée par des neurones isolés ou par des groupes de neurones ? Comment modéliser l’apprentissage et le stockage des souvenirs ? Comment le cerveau génère-t-il des sorties telles que les sorties motrices ?

L’éducation peut être vue comme un terrain idéal pour la traduction de la recherche en sciences cognitives vers la société, et comme une étude de cas exemplaire pour réfléchir aux opportunités, aux limites, aux conditions et aux enjeux de la recherche translationnelle.

Ce cours explore l’impact des sciences cognitives sur l’éducation. Comment peuvent-elles y contribuer ? À quelles conditions, de quelle manière ? Quelles sont les contraintes, les limites et les écueils possibles ?

Au fil de 11 séances, le cours couvrira les grands domaines de l’application des sciences cognitives à l’éducation. Trois thèmes directeurs guideront la discussion :

1. Du cerveau à la salle de classe. Les connaissances fondamentales et la façon dont elles peuvent aider à concevoir l’éducation.
2. L’« éducation fondée sur les preuves » et la « recherche translationnelle » en éducation : qu’est-ce que cela signifie ? Pourquoi est-ce important ? Quelles sont les méthodes ?
3. De la théorie à la pratique : comment concevoir et produire des interventions en éducation, inspirées de la recherche en sciences cognitives ?

À titre d’aperçu, les séances aborderont notamment les sujets suivants :

• Éducation fondée sur les preuves et recherche expérimentale en éducation
• Neuromythes en éducation
• Apprendre à lire
• Apprendre les mathématiques
• Expériences sociales en éducation
• Enseignement explicite
• Métacognition
• Mémoire et apprentissage
• Évaluations internationales
• Esprit critique
• Inné et acquis

Au cours de la dernière décennie, des gouvernements du monde entier ont mis en place des unités de sciences comportementales afin d’améliorer la conception et la mise en œuvre des politiques publiques : la Social and Behavioral Sciences Team d’Obama, la Behavioural Insights Team de Downing Street, l’EU Policy Lab, etc. Leur influence a grandi, suscitant parfois des réactions de rejet dans l’opinion publique. Ce cours présente le pourquoi et le comment de l’application des sciences comportementales aux politiques publiques. Nous présentons les théories de base et les résultats expérimentaux les plus couramment mobilisés pour concevoir des politiques et des modes de mise en œuvre tenant compte des comportements. Nous proposons en parallèle une expérience pratique, à travers l’analyse d’expérimentations de politiques réellement informées par les comportements et la conception de nouvelles.

L’écologie scientifique s’est surtout intéressée aux échanges de matière et d’énergie. L’« écologie sensorielle » adopte une autre perspective, centrée sur l’acquisition de l’information et sur la façon dont les organismes vivants répondent à cette information sensorielle pour organiser leurs interactions avec leur environnement terrestre ou marin. Von Uexküll (1921) fut le premier promoteur de l’écologie sensorielle à souligner l’unicité des mondes sensoriels dans lesquels vivent les différents organismes et, par conséquent, à reconnaître la nécessité d’identifier les caractéristiques de l’environnement pertinentes pour chaque espèce. Cette information sensorielle est cruciale pour comprendre comment les organismes vivants répondent aux changements environnementaux rapides induits par l’humain. L’écologie sensorielle peut alors servir d’outil dans les stratégies de conservation et de gestion, pour comprendre comment certaines espèces réagissent à ces changements rapides et comment en atténuer les impacts négatifs. Ce cours interdisciplinaire se situe à l’interface de la neuro-éthologie, de l’écologie, de la psychologie expérimentale et de la philosophie. Son but est de familiariser les étudiantes et étudiants avec les concepts fondamentaux de l’écologie sensorielle et d’amorcer une réflexion sur ses applications à l’humain. Le cours commence par une présentation générale du cadre conceptuel de l’écologie sensorielle, suivie d’une présentation de la diversité des « mondes sensoriels » visuels, auditifs, tactiles et chimiques des mammifères, oiseaux, amphibiens et insectes. Cette présentation est ensuite enrichie d’une problématisation et d’une analyse philosophique des questions et concepts de l’écologie sensorielle. Elle se conclut par une présentation des enjeux écologiques liés à la « pollution » acoustique, visuelle et chimique des habitats, aux « zones de danger sensoriel » et aux « pièges écologiques ».

La science est un miracle. Nous sommes des mammifères au cerveau à peine plus gros que la moyenne, des chimpanzés dotés d’un système de communication avancé. Et pourtant, nous avons découvert des galaxies lointaines, compris les détails complexes du métabolisme cellulaire et saisi les lois fondamentales de la nature. Comment est-ce possible ? Comment un singe sans poils peut-il créer la science et ses merveilles infinies ? L’esprit humain a évolué pour se soucier des proies et des prédateurs, des amis et des ennemis, non des galaxies lointaines, des détails du métabolisme cellulaire ou des lois fondamentales de la nature. Des scientifiques ont consacré leur carrière, risqué leur vie, pour explorer, découvrir et comprendre des choses dont les humains ne devraient avoir que faire. Pour tester d’abstruses théories de la perception visuelle, Isaac Newton a inséré une aiguille entre son œil et son orbite. Marie Curie a lentement, péniblement, broyé des tonnes de minerai d’uranium pour isoler moins d’un gramme d’un nouvel élément sans utilité pratique (à l’époque) évidente, s’empoisonnant lentement au passage. Albert Einstein s’est interrogé sans fin sur ce que ce serait de chevaucher un rayon de lumière, alors même qu’il n’a jamais cru que ses découvertes auraient la moindre application. Nous explorerons les particularités de la psychologie humaine qui engendrent ces obsessions étranges, sans lesquelles il n’y aurait pas de science. Nous expliquerons aussi pourquoi les scientifiques tiennent tant à partager leur savoir durement acquis, comment ils parviennent à un consensus, et pourquoi ils sont financés et jugés dignes de confiance par les gouvernements et le public, malgré une compréhension limitée de la science.

Ce cours examine comment les approches évolutionnistes de la psychologie éclairent un large éventail de phénomènes sociaux : identité de groupe, coalitions, religion, politique, équité, morale, coopération, rôles de genre, parentalité, et bien d’autres. S’appuyant en partie sur le récent ouvrage de Pascal Boyer, « Minds Make Societies », le cours vise à montrer comment des mécanismes cognitifs ayant évolué aident à expliquer la structure et la dynamique des sociétés humaines.

Comment suivons-nous une conversation dans un café bondé, ou reconnaissons-nous une mélodie longtemps appréciée dans un morceau de musique que nous n’avons peut-être pas entendu depuis des années ? Même si ces prouesses paraissent à la plupart d’entre nous naturelles et sans effort, les problèmes acoustiques à résoudre sont d’une complexité redoutable. En partant d’une description du signal acoustique et des tentatives historiques pour quantifier la perception auditive, nous couvrirons des questions classiques telles que les seuils de détection, le masquage, la hauteur tonale et le timbre, pour progresser vers des axes de recherche plus récents : modèles computationnels du traitement auditif, conséquences des déficiences auditives, analyse de scènes auditives, plasticité neuronale, mémoire, attention, codage de la parole et musique. L’objectif d’un panorama aussi large, combiné au travail personnel des étudiantes et étudiants fondé sur la discussion de publications récentes, est de prendre conscience des nombreuses questions de recherche ouvertes et stimulantes du domaine, et d’être techniquement et conceptuellement outillé pour en approfondir certaines au besoin.

L’objectif de ce cours est de vous donner les clés pour comprendre les concepts fondamentaux de la perception visuelle, selon une approche pluridisciplinaire mêlant neurosciences, psychologie et modélisation. En neurosciences, le système visuel est présenté du traitement de l’image rétinienne jusqu’au cortex. Chez l’adulte humain sain, nous présentons comment la scène visuelle est analysée dans son mouvement, sa forme, sa couleur et sa profondeur, et comment l’attention module la perception. D’un point de vue computationnel, les principes du codage et du décodage neuronaux sont exposés, ainsi que ceux qui sous-tendent la perception inférentielle. Diverses techniques expérimentales sont présentées, dont celles fondées sur le traitement du signal et celles analysant les mouvements oculaires, comme la pupillométrie. Enfin, le cours propose une approche comparative de la vision entre espèces, de la mouche à l’humain, ainsi qu’un débat sur la révolution de l’apprentissage profond pour la vision.

Quelles sont les caractéristiques du cerveau humain qui permettent l’existence et la création du langage ? Comment l’environnement contribue-t-il à son développement ? Une fois les réseaux du langage stabilisés, comment façonnent-ils la perception et la production d’une variété de stimuli ? Nous nous appuyons sur les apports de la recherche actuelle et classique dans de nombreuses disciplines (par exemple : théorie linguistique et linguistique de laboratoire, psychologie expérimentale et développementale, neuropsychologie, neuro-imagerie, modélisation computationnelle) pour éclairer quelques questions psycholinguistiques clés, de la phonologie à la sémantique.

L’objectif du cours est d’aborder l’importance des langues des signes dans la découverte des propriétés de la faculté humaine de langage. Le cours offre une compréhension approfondie des grands enjeux de la linguistique des langues des signes à différents niveaux. Une sélection de phénomènes importants pour comprendre la structure des langues des signes et leur rapport aux langues orales est présentée et discutée.

Si la sémantique formelle a été l’une des grandes réussites de la linguistique contemporaine, elle s’est étroitement concentrée sur la langue orale. Des extensions systématiques de son programme de recherche ont récemment été explorées : au-delà de la langue orale, au-delà du langage humain, au-delà du langage proprement dit, et même au-delà des systèmes dotés d’une syntaxe explicite. Premièrement, le développement de la sémantique des langues des signes appelle des systèmes intégrant la sémantique logique à une riche composante iconique. Cette sémantique avec iconicité est aussi cruciale pour comprendre l’interaction entre les gestes co-verbaux et les opérateurs logiques, un point de comparaison important pour les langues des signes. Deuxièmement, plusieurs articles récents ont proposé des analyses de la sémantique/pragmatique des cris d’animaux, une extension d’actualité importante de la sémantique. Troisièmement, des recherches récentes ont développé une sémantique de la musique, fondée en partie sur les apports de la sémantique iconique. Enfin, les méthodes de la sémantique formelle ont récemment été appliquées aux concepts, qui n’ont pas de syntaxe directement observable. Il en résulte une typologie des opérations de sens dans la nature bien plus large que celle dont on disposait il y a quelques années. Le cours offrira un panorama de certains de ces résultats, avec des sujets qui changeront d’une année à l’autre.

Pourquoi certaines régularités phonologiques se retrouvent-elles dans des langues très diverses, et que nous apprennent leurs bases phonétiques et cognitives sur les grammaires phonologiques ? Ce séminaire examine comment la perception de la parole, l’articulation, l’apprentissage et l’attention peuvent contribuer à façonner les régularités phonologiques. Nous étudierons des travaux classiques et récents portant sur la phonologie à fondement phonétique, sur les contraintes perceptives et articulatoires qui pèsent sur les contrastes, sur l’interaction entre structure prosodique et réalisation segmentale, sur les biais substantifs dans l’apprentissage phonologique, et sur les mécanismes par lesquels des biais phonétiques peuvent se phonologiser et se transmettre au fil du temps. Une dernière partie du cours portera sur la manière dont l’attention et les attentes temporelles modulent l’accès à l’information phonologique lors de la perception de la parole en temps réel.

Le cours s’organise autour de la discussion d’articles de recherche classiques et récents, qui associent propositions théoriques et données expérimentales issues de la phonétique, de la psycholinguistique, de la psychoacoustique et de l’apprentissage des langues. Une attention particulière sera portée à ce que les différents types de données expérimentales peuvent, ou ne peuvent pas, nous dire des représentations et de la grammaire phonologiques.

Ce cours est le second module de sémantique des langues naturelles proposé par le Département d’études cognitives. Nous y traiterons des questions avancées qui n’avaient pas été abordées en Sémantique I, et nous reviendrons sur certains points de Sémantique I sous un jour nouveau. Le cours s’organise autour des grands thèmes suivants.

• La quantification
• L’anaphore, en particulier la sémantique dynamique
• La sémantique intensionnelle : attitudes propositionnelles, modaux, conditionnels
• Le sens au-delà des déclaratives : questions et impératifs

L’évaluation repose sur un petit nombre de devoirs à la maison (deux ou trois), sur la discussion en cours d’articles de recherche, et sur un mémoire de fin de semestre.

Sémantique I est un prérequis pour ce cours. Si vous n’avez pas suivi Sémantique I et souhaitez néanmoins suivre celui-ci, contactez l’enseignant dès que possible pour savoir si c’est envisageable.

Le contenu de ce cours change chaque année ; cette année, il sera assuré par Pierre Jacob et portera sur :

La mentalisation humaine : portée et limites

Mentaliser, c’est attribuer un état mental (par exemple une croyance, une intention, un désir, une émotion, etc.) à soi-même et à autrui, c’est-à-dire former une croyance sur son propre état mental ou sur celui d’autrui. La capacité cognitive de mentaliser a largement été tenue pour acquise par les philosophes qui ont abordé des énigmes logiques telles que l’opacité référentielle, l’intensionnalité de l’attribution de croyances et l’aspectualité des croyances. Le cours passera en revue ces énigmes philosophiques, mais il accordera une attention particulière à l’étude, en psychologie du développement, de la façon dont la capacité de mentaliser apparaît dans l’ontogenèse humaine (et, dans une certaine mesure, dans la phylogenèse). Il examinera le rôle central attribué à la capacité d’attribuer de fausses croyances à autrui. Il abordera l’énigme soulevée par des résultats développementaux divergents et comparera les différentes solutions proposées au cours des dix dernières années environ. En particulier, il évaluera les approches dites à double processus (ou à deux systèmes) de la mentalisation. Comme le cours abordera aussi certaines limites de la capacité humaine de mentaliser, il soulignera à quel point la capacité humaine d’attribuer des raisons dépasse la capacité humaine de mentaliser.