Christophe Pouzat

Carte non disponible

De l’aléa dans le cerveau

vendredi 28 juin 2019, 9h30 - 10h30

Salle du conseil, espace Turing


Ce qui frappe dans le comportement humain (en général), comme animal, n’est pas son caractère aléatoire. Quand nous tendons la main pour saisir un verre, nous y arrivons de façon « reproductible » ; quand nous marchons, nos pas s’enchaînent de façon stable et régulière sans que nous ayons à y réfléchir. Je pourrais multiplier les exemples. Pourtant, lorsqu’on commence à étudier les neurones « en fonctionnement », on est vite frappé par le caractère aléatoire ou variable de leur comportement. Cela suggère fortement qu’un modèle « acceptable » de dynamique neuronale devrait inclure une composante stochastique. Les mêmes considérations surgissent lorsque nous étudions le niveau « plus élevé » celui des réseaux formés par ces neurones. Là encore, des modèles de graphes aléatoires semblent s’imposer.

Je commencerai par exposer quelques données clés justifiant du point de vue de l’expérimentateur, l’emploi de modèles aléatoires pour l’étude des réseaux neuronaux. Je continuerai avec deux exemples d’applications : le premier, plus statistique, où on essaie d’estimer l’intensité de processus ponctuels pour les séquences de potentiels d’action d’un groupe de neurones enregistrés simultanément ; le second, plus probabiliste, où nous pouvons démontrer (je parle de théorèmes) qu’un modèle de réseau de neurones avec de la « plasticité synaptique » (le couplage entre les neurones change de façon réversible en fonction de leur activité) présente des états méta-stables qui pourraient constituer un mécanisme de mémoire à court terme. Je conclurai par des problèmes ouverts qui intéressent les expérimentateurs et qui devraient aussi intéresser les probabilistes.