Edouard Dendauw a soutenu, en décembre 2025, sa thèse en psychologie cognitive : « Du choix à l’action : vers une théorie unifiée des mécanismes décisionnels et moteurs » – une thèse inscrite dans le projet de recherche « TIDA – théorie intégrée de la prise de décision et de l’action » porté par Mathieu Servant à la MSHE (1). Visant à développer une théorie de la relation décision-action, la recherche menée par Edouard a pris appui sur le parc instrumental ESCCo, dédié aux expérimentations pour les sciences du comportement et de la cognition. Le jeune docteur revient sur le rôle essentiel du parc ESCCo dans son travail de modélisation.
Quel était l’objet de votre thèse ?
Edouard Dendauw : La prise de décision est au fondement de toutes les activités humaines, et se traduit généralement par une action motrice. Les travaux en psychologie et en neuroscience cognitives qui se sont intéressés à la prise de décision, depuis les années 70, ont produit de nombreux modèles de la prise de décision. Mais jusqu’à présent presque tous ces modèles ont négligé l'action qui résulte de la décision, la considérant comme une simple conséquence de cette dernière.
Mon travail a donc consisté à élaborer une théorie qui englobe les différents mécanismes en jeu, mécanismes décisionnels et moteurs. C’est un travail de modélisation, une modélisation mathématique qui vise à formaliser les processus décisionnels et moteurs dans un modèle unifié. Je précise que dans le développement de ce modèle nous avons considéré l’entièreté du système dans lequel il se place, c’est-à-dire l'humain. Notre modèle répond à pourquoi, comment et où ces différents processus prennent forme chez l’humain. Alors que la plupart des modèles précédents négligent au moins une de ces questions.
Vous avez mené des expérimentations sur le parc ESCCo, de quelles expérimentations s’agissait-il ? Et en quoi ont-elles été utiles ?
E. D. : Nous avons effectivement fait des expériences à la MSHE, qui ont été indispensables, car les données produites ont servi à tester notre modèle et à poursuivre son développement. Les expérimentations nous permettent de mettre le « decision-maker » dans des situations très spécifiques. J’ai surtout travaillé sur deux situations, qui sont le biais des connaissances a priori et la force requise pour exprimer la réponse.
Concrètement, pendant les expériences, la personne est face à un écran d’ordinateur où elle voit un nuage de points qui bouge vers la droite ou la gauche ; elle a une manette dans chaque main, et on lui demande d’indiquer la direction du mouvement en appuyant sur un bouton avec son pouce droit ou gauche. Ensuite, on introduit des consignes et des degrés de difficulté. Par exemple les connaissances a priori étaient induites par les instructions données au participant, du type « attention, dans ce bloc, 75 % des essais ont pour réponse le bouton droit ». Ou bien, dans une autre expérience, nous avons fait varier la force requise à exercer sur le bouton pour valider sa réponse.
Pour chaque expérience, on prend des mesures du temps de réaction, de la précision de la réponse, soit correcte ou incorrecte, et des données électrophysiologiques. J’ai systématiquement enregistré l'électromyographie ou EMG, c’est-à-dire l’activité électrique des muscles – dans notre cas, le muscle qui permet au pouce de fléchir lorsqu'on appuie sur un bouton tenu dans la main. En fin de thèse, j’ai également enregistré l’activité électrique du cerveau avec l’EEG, soit électroencéphalographie. Les mesures ont été faites avec du matériel ESCCo, auquel j’ai été formé, car il s’agit de matériel de pointe qui demande une formation poussée.
Ces mesures ont produit beaucoup de données, de l’ordre de 200 giga, à partir desquelles j’ai dressé des statistiques par participant et par type de situation expérimentale, qui viennent alimenter notre modèle. Plus spécifiquement, à partir de toutes ces mesures, nous pouvons qualifier et quantifier comment les variations de consigne ou de difficulté affectent la décision du participant, du point de vue du temps de réaction, du pourcentage de réponses correctes et aussi des signaux électriques des muscles, donc de la manière dont est exécutée la réponse. Et nous avons constaté que ces signaux varient différemment en fonction des consignes expérimentales.
Ensuite, nous avons utilisé notre modèle mathématique de la prise de décision pour formaliser ces variations dans le temps de réaction, etc. Notre modèle contient quelques paramètres clés. Chacun correspond à un mécanisme abstrait mais interprétable, par exemple la vitesse à laquelle l’information est accumulée, le niveau de prudence avant de répondre, ou le délai lié à l’exécution du mouvement. Ces paramètres ne sont pas mesurés directement. On les estime en les ajustant pour que le modèle soit capable de reproduire des données similaires à celles enregistrées dans les expériences, c’est ce qu’on appelle un ajustement ou un fit. Concrètement, nous avons fait varier les paramètres du modèle jusqu’à ce que ses prédictions reproduisent au mieux les temps de réaction, les taux de bonnes réponses et les signatures musculaires observées.
Une fois ce lien établi, nous avons comparé les paramètres entre conditions expérimentales. C’est là que la théorie entre en jeu. Si une consigne plus difficile modifie systématiquement un paramètre précis du modèle, nous inférons que cette consigne agit sur un mécanisme cognitif particulier. Autrement dit, nous traduisons des différences observables en hypothèses quantitatives sur la façon dont le cerveau ajuste ses stratégies de décision selon le contexte.
Que pouvez-vous dire des apports de votre travail ?
E. D. : Notre modèle est une tentative de compréhension de la prise de décision sur des tâches simples. Ce qui me semble intéressant de souligner, c’est effectivement qu’on se rend compte que les caractéristiques de l'action affectent le processus décisionnel – ce que les modèles de la prise de décision existants ne peuvent pas appréhender parce qu’ils négligent l’action justement.
Notre modèle n’a pas d’application directe, mais son utilisation comme outils de mesure d'autres aspects cognitifs, par exemple la mémoire ou la confiance, est actuellement en cours dans d’autres travaux. Le modèle fournit un cadre suffisamment contraint pour dissocier des processus qui sont habituellement confondus, comme la préparation et l’exécution motrices. Cette capacité de décomposition fine est précisément ce qui le rend prometteur pour la caractérisation de troubles cliniques, notamment lorsque décision et action sont toutes deux affectées. En poursuivant le développement des liens entre paramètres et aspects cognitifs, il pourrait permettre de mieux identifier des sources de problèmes comportementaux observés chez certaines pathologies comme la maladie de parkinson. Là aussi, d’autres chercheurs travaillent actuellement sur ces questions.
A présent, vous êtes à Dublin…
E. D. : Oui, je suis en post-doctorat à University College Dublin (UCD), School of Electrical and Electronic Engineering. Mon travail est très proche que ce que j’ai fait pendant la thèse, la nuance est sur le focus du type de données : ici je fais beaucoup d’EEG, d’électroencéphalographie. Je vais notamment étudier les processus neuraux lors des changements d'avis pendant une décision et comment ces « hésitations » sont elles-mêmes impactées par des modulations de difficulté ou de contexte.
(1) La thèse a été dirigée par Djamila Bennabi, professeure des universités-praticienne hospitalier en psychiatrie au CHU de Besançon, et Mathieu Servant, professeur des universités en psychologie cognitive à l’UMLP. Edouard Dendauw était doctorant au LINC (Laboratoire de recherches Intégratives en Neurosciences et psychologie Cognitive UMR 1322).
Photos
à la une : Edouard Dendauw avec un bonnet EEG en 2024 à la MSHE © Johan Achard
à droite : illustration de l'expérience © E. Dendauw