Brain2Qwerty v2 : décoder la pensée sans chirurgie

Imaginez des mots apparaissant là où il n'y a que du silence. Pour des millions de personnes ayant perdu la capacité de parler à cause d'une maladie neurodégénérative ou d'une lésion cérébrale grave, le silence n'est pas une pause temporaire - c'est une réalité quotidienne. Meta affirme que sa nouvelle Brain2Qwerty v2 pourrait changer cela.

Dans le laboratoire où les pensées se sont transformées en lettres

Des chercheurs à Saint-Sébastien ont demandé à neuf volontaires en bonne santé, âgés de 25 à 56 ans, de taper plus de 2 500 phrases au cours de dix séances tout en portant un appareil de magnétoencéphalographie, ou MEG. Cet appareil détecte les minuscules champs magnétiques produits par l'activité neuronale. L'activité cérébrale enregistrée, associée au texte tapé, a fourni les données d'entraînement qui ont appris au modèle à faire correspondre les signaux neuronaux au langage.

Le bond en performance a été saisissant. Là où la première version de Brain2Qwerty atteignait environ 48 % de précision au niveau des mots, la version deux a atteint environ 78 % lors de ses meilleurs tests. Concrètement, cette amélioration signifie que la plupart des phrases décodées comportaient au plus un mot incorrect. L'équipe souligne aussi une vérité simple : plus il y a de données d'entraînement, meilleur est le décodage.

Comment y sont-ils parvenus ? Les ingénieurs ont emprunté des techniques de reconnaissance de motifs popularisées par les grands modèles de langage. Le processus s'exécute en trois étapes. D'abord, un réseau neuronal convertit les signaux MEG bruts en jetons ressemblant à des lettres. Ensuite, un algorithme d'alignement réassemble ces jetons en mots candidats. Enfin, un grand modèle de langage affine la sortie pour produire des phrases fluides et porteuses de sens.

Les bénéfices sont clairs. Parce que Brain2Qwerty v2 utilise la MEG non invasive plutôt que des implants, il offre une voie de communication qui évite une chirurgie cérébrale risquée. Des personnes atteintes du syndrome d'enfermement, de la SLA et d'autres affections similaires pourraient un jour utiliser cette technologie pour s'exprimer sans implants.

Meta ne garde pas cela pour elle. L'entreprise a publié le code de base des versions un et deux en open source, invitant des chercheurs du monde entier à reproduire, valider et étendre le travail. Cette ouverture pourrait accélérer la recherche médicale et aider les équipes à faire évoluer les jeux de données et les garde-fous dont ce domaine a besoin.

Pourtant, des obstacles subsistent. Les systèmes de MEG sont volumineux et coûteux, et les patients réels présentent des signaux plus bruités que les volontaires en bonne santé. Les questions de vie privée et de consentement sont réelles et urgentes lorsque des machines commencent à décoder des pensées. Les essais cliniques, des jeux de données plus diversifiés et des cadres éthiques rigoureux détermineront si ce succès de laboratoire devient un outil fiable pour les patients.

Pour l'instant, Brain2Qwerty v2 ressemble à une étape marquante : il montre que le décodage neuronal non invasif passe d'une expérimentation prometteuse à une possibilité concrète. Les étapes à venir décideront de la rapidité avec laquelle cette possibilité deviendra une bouée de sauvetage.