◈ Neurosciences · Informatique · Ingénierie biomédicale ◈
Les interfaces cerveau-machine (BCI — Brain-Computer Interface) établissent un canal de communication directe entre l'activité neuronale et des systèmes informatiques, sans passer par les voies neuromusculaires classiques.
« Un BCI est un système de communication ou de contrôle qui ne passe pas par les voies normales de sortie du cerveau que sont les nerfs périphériques et les muscles. »
Microélectrodes dans le cortex (Utah Array, Neuropixels). Enregistrement de potentiels d'action unitaires (spikes). Haute résolution spatiale et temporelle. Risque chirurgical, réponse immunitaire, dérive du signal. Ex: Neuralink, Synchron Stentrode.
Grilles d'électrodes posées sur la surface corticale (épidural ou subdural). Meilleur rapport signal/bruit qu'EEG sans les risques des implants profonds. Utilisé en neurochirurgie épilepique. Recherche BCI haute performance.
EEG : électrodes de surface, accessible, portable, résolution temporelle ms. fNIRS : imagerie optique proche-infrarouge, hémodynamique. MEG : magnétoencéphalographie, très haute résolution mais lourd. Compromis accessibilité vs performance.
Neurone : dépolarisation (Na⁺ influx), repolarisation (K⁺ efflux). EEG mesure les champs électriques sommés de millions de neurones. Rythmes : delta (1-4Hz, sommeil), thêta (4-8Hz), alpha (8-13Hz, repos), bêta (13-30Hz, focus), gamma (>30Hz).
« Les neurones qui s'activent ensemble se connectent ensemble. » LTP (Long-Term Potentiation) : base de l'apprentissage et de la mémoire. Neurofeedback : renforcement des patterns désirables. Base du BCI adaptatif.
Homoncule moteur de Penfield : représentation spatiale du corps dans le cortex moteur primaire (M1). Neurones miroirs. Population coding : un mouvement est encodé par l'activité collective d'une population de neurones.
P300 : onde positive 300ms après un stimulus rare (paradigme oddball). N200, N400 (traitement sémantique). ERN (Error-Related Negativity). SSVEP : réponse cérébrale à une stimulation visuelle périodique. Bases des BCI passifs.
| Type | Signal source | Paradigme | Application |
|---|---|---|---|
| BCI actif | Activité intentionnelle | Imagerie motrice, SSVEP | Contrôle orthèse, navigation |
| BCI réactif | Réponse à stimuli | P300, N200 | Clavier mental, communication |
| BCI passif | Activité spontanée | Alpha, bêta, charge cognitive | Monitoring pilote, gaming adaptatif |
| BCI décodeur moteur | Cortex moteur (invasif) | Firing rates, LFP | Bras robotique, curseur 2D/3D |
| Neurostimulation | Sortie vers le cerveau | DBS, tDCS, TMS | Parkinson, dépression, mémoire |
| BCI hybride | Multi-modal | EEG + EOG + EMG | Fiabilité accrue |
Système 10-20 (19-256 électrodes). Gel conducteur ou électrodes sèches (actives). Amplificateur différentiel, CMRR ≫60dB. Résolution temporelle : 1ms. Résolution spatiale : ~cm². Systèmes : BrainProducts, OpenBCI, g.tec, Emotiv.
fMRI (BOLD signal) : résolution spatiale mm, temporelle 1-2s. Excellent pour la localisation. fNIRS : optodes posées sur le scalp, mesure HbO₂ et HHb. Portable, résistant aux artefacts moteurs. Applications : neurofeedback, BCI en conditions réelles.
Utah Array : 96-1024 microélectrodes en silicium, enregistrement multi-unités. Neuropixels : sonde à 960 électrodes sur 10mm, dense sampling d'une colonne corticale. Neuralink : 1024 électrodes flexibles, implantation robotique.
Artefacts musculaires (EMG), oculaires (EOG), cardiaques (ECG), mouvement électrode, 50/60Hz secteur. Filtrage : filtre passe-bande, notch. ICA (Independent Component Analysis) pour séparer les sources. Rééchantillonnage, interpolation.
Puissance spectrale par bande (Welch, FFT). CSP (Common Spatial Patterns) : maximise la variance entre classes. Cohérence inter-électrodes. Connectivité fonctionnelle (PLI, PLV). Features temporels : amplitude, kurtosis, entropie de Shannon.
LDA (Linear Discriminant Analysis) : classifieur de référence, rapide. SVM (kernel RBF). Riemannian geometry : espace des matrices de covariance SPD → très performant (Braindecode). Deep Learning : EEGNet, ShallowConvNet, EEGPT.
Pipeline : acquisition → prétraitement → extraction → classification → feedback. Latence <100ms requise. Fenêtrage glissant. Adaptation online (LDA adaptatif). BCI2000, OpenViBE, MOABB (benchmark).
La variabilité intra/inter-sujet est le principal défi. Domain adaptation : aligner les distributions EEG de différentes sessions/sujets. CORAL, DANN, Euclidean alignment. Base de données : MOABB, BCI Competition datasets.
import mne from mne.decoding import Vectorizer from sklearn.pipeline import make_pipeline from sklearn.discriminant_analysis import LinearDiscriminantAnalysis from sklearn.model_selection import cross_val_score # Charger les données EEG raw = mne.io.read_raw_edf("p300_subject01.edf", preload=True) raw.filter(1, 40) # Filtre passe-bande # Epochs (0-700ms post-stimulus) events, ev_id = mne.events_from_annotations(raw) epochs = mne.Epochs(raw, events, ev_id, tmin=0, tmax=0.7, baseline=(0,0.1), preload=True) # Extraction features + LDA clf = make_pipeline(Vectorizer(), LinearDiscriminantAnalysis()) X, y = epochs.get_data(), epochs.events[:, 2] scores = cross_val_score(clf, X, y, cv=5, scoring='roc_auc') print(f"AUC P300: {scores.mean():.3f} ± {scores.std():.3f}")
Imaginer un mouvement (main gauche/droite, pied) active le cortex moteur → Désynchronisation ERD dans la bande mu (8-12Hz) et bêta. Paradigme le plus étudié. Accuracy typique : 70-85%. Base de nombreuses orthèses BCI.
Fixer une cible clignotant à une fréquence précise (8, 10, 12, 15 Hz) génère une réponse cérébrale à cette fréquence. Détection par FFT. Accuracy >95%, high ITR (Information Transfer Rate). Fatigue oculaire.
Matrice de symboles : flashs aléatoires de lignes/colonnes. La cible génère un P300 (attention involontaire). Moyenne de répétitions → meilleur SNR. ITR ~25 bits/min. Première démonstration par Farwell & Donchin (1988).
L'utilisateur reçoit un retour en temps réel de son EEG (visuel/auditif) et apprend à moduler ses rythmes cérébraux volontairement. Applications : TDAH, épilepsie, dépression, entraînement cognitif, méditation assistée.
Clavier mental P300 : BrainGate (Brown Univ.), cursor control. Copeland (2024) : patient SLA peut écrire 90 caractères/min via implant ECoG. Utter via EEG : communication entièrement paralysés. Changer de vie.
Décodage d'intention motrice → commande bras robot (DEKA, BrainGate2). FES (Functional Electrical Stimulation) : contourner la lésion médullaire, réactiver les muscles paralysés. Mindwalker, Rewalk Robotics.
Neuralink N1 (2024) : 1024 électrodes, wireless, 10h batterie. Premier patient : contrôle curseur PC, jeu en pensée. Concurrent Synchron Stentrode : implant endovasculaire (pas de craniotomie). Course à la commercialisation.
DBS (Deep Brain Stimulation) : Parkinson, tremblement essentiel. TMS (Transcranial Magnetic Stimulation) : dépression résistante (FDA cleared). tDCS : modulation cognitive, réhabilitation AVC. Closed-loop DBS adaptatif (Medtronic).
Emotiv EPOC, Muse (méditation), Neurosity Crown (productivité). BCI gaming : contrôle par alpha/bêta. Passive BCI : adaptation difficulté selon charge cognitive pilote/conducteur. Neurable : casque gaming EEG.
DARPA RAM : stimulation hippocampique pour améliorer la mémoire de travail (+15%). Kernel Flow : casque fNIRS haute densité. Objectif : assistance mémoire pour Alzheimer, augmentation des capacités cognitives humaines.
Le Chili a inscrit dans sa constitution la protection de l'activité cérébrale comme donnée personnelle sensible — une première mondiale. Droit à l'identité mentale, à l'intégrité cognitive, à la continuité psychologique.
L'EEG révèle l'état émotionnel, les intentions, les pathologies et peut identifier une personne. Qui possède ces données ? Comment les protéger ? NeuroRights Foundation (Rafael Yuste) : 5 droits fondamentaux proposés à l'ONU.
Si une BCI contrôle un bras robotique qui cause un dommage, qui est responsable ? Patient, fabricant, médecin, IA ? Expériences de Libet : l'activité cérébrale précède la prise de conscience de décision — implications philosophiques.
Risque d'une société à deux vitesses : accès aux augmentations cognitives selon le revenu. Quid de l'emploi si certains sont « neurotechnologiquement augmentés » ? Besoin de régulation internationale et de politiques d'accès équitable.