1 La perception: objets visuels et auditifs

La perception est le processus par lequel nous reconnaissons et interprétons les objets de notre environnement, qu'ils soient visuels ou auditifs. Ce processus complexe opère des regroupements d'informations sensorielles pour construire une représentation cohérente du monde.

Plusieurs théories majeures tentent d'expliquer comment nous reconnaissons les objets visuels. Parmi les plus influentes, on trouve la théorie computationnelle de Marr, la théorie de la reconnaissance par composants de Biederman et l'approche écologique de Gibson.

Selon D. Marr, la reconnaissance visuelle procède par étapes successives, transformant les informations de l'image rétinienne en représentations de plus en plus élaborées. Cela inclut le « primal sketch » (esquisse primaire brute en 2D), l'esquisse 2 1/2D (partiellement tridimensionnelle intégrant texture et profondeur), et la représentation 3D (indépendante du point de vue, intégrant les connaissances de l'observateur via des processus descendants).

I. Biederman propose que la reconnaissance des objets repose sur la perception d'éléments géométriques de base appelés géons (contraction de géométrie et ion). Une quarantaine de ces géons (cylindres, arcs, parallélépipèdes) permettraient de construire tous les objets. Cette théorie est basée sur des processus ascendants (bottom-up), où la reconnaissance est construite à partir de ces unités sans nécessiter de connaissances préalables. La reconnaissance des objets familiers ne dépend pas du point de vue de l'observateur, un argument en faveur de cette théorie.

Contrairement aux théories basées sur les représentations mentales, l'approche écologique de Gibson prône une perception directe de l'environnement. Toutes les informations nécessaires à la perception seraient directement présentes dans le réseau optique ambiant et saisies par l'observateur, sans traitement complexe, comme une résonance entre le système cognitif et l'environnement. Le déplacement de l'observateur est essentiel dans cette approche.

Bien que la théorie de Biederman privilégie les processus ascendants (bottom-up), de nombreuses recherches soulignent l'importance des processus descendants (top-down). Ceux-ci impliquent l'utilisation de nos connaissances et attentes pour faciliter la reconnaissance, surtout lorsque la perception est difficile. Des études en neuro-imagerie ont montré que l'activation du cortex orbito-frontal (impliqué dans les processus descendants) peut précéder l'activation des aires temporales de reconnaissance, facilitant ainsi l'identification des objets.

La reconnaissance des scènes visuelles est extrêmement rapide. Des expériences utilisant la Présentation Visuelle Séquentielle Rapide (RSVP - Rapid Sequential Visual Presentation) ont montré que l'humain est capable de détecter la présence d'un animal dans une scène en moins de 150 ms, un temps très court compte tenu de la vitesse de conduction neuronale. Cette rapidité impose des contraintes importantes aux modèles de la reconnaissance visuelle et est corroborée par des enregistrements de potentiels évoqués (EEG).

Les visages sont traités différemment des autres objets visuels. Ils transmettent des informations cruciales (identité, émotion, sexe, âge) et leur reconnaissance est rapide et précoce dès la naissance. Le traitement des visages est holistique, signifiant que les éléments constitutifs sont intégrés en un tout plutôt que traités isolément.

L'effet d'inversion montre que les visages sont plus difficiles à reconnaître lorsqu'ils sont présentés à l'envers, un phénomène moins prononcé pour d'autres objets. Les figures de Mooney illustrent cette difficulté en montrant qu'un visage perçu à l'endroit devient indéchiffrable une fois inversé. L'effet 'part-whole' indique que la reconnaissance d'éléments faciaux isolés est inférieure à celle de la configuration faciale globale, ce qui suggère que les visages sont stockés de manière intégrée en mémoire.

Les agnosies visuelles sont des troubles de la reconnaissance et de l'identification des objets visuels, survenant en l'absence de déficit d'acuité visuelle. Elles sont classées en deux catégories : les agnosies aperceptives, qui affectent le traitement perceptif (difficulté à reconnaître un objet sous un angle inhabituel), et les agnosies associatives, où le patient peut décrire l'objet mais ne peut en identifier la signification ou l'usage. Cette distinction est aujourd'hui jugée insuffisante en raison de dissociations observées entre différents types d'objets.

La prosopagnosie est un déficit spécifique de la reconnaissance des visages, qui peut être acquise (suite à une lésion cérébrale) ou développementale (présente dès la naissance). Elle met en évidence une double dissociation : des patients peuvent ne pas reconnaître les visages mais identifier d'autres objets, et inversement. Ce trouble est un argument majeur en faveur de la spécificité du traitement des visages.

L'expertise faciale, c'est-à-dire notre grande familiarité avec les visages, ne peut expliquer à elle seule ce trouble. Des cas de patients prosopagnosiques experts dans d'autres domaines (comme un éleveur de moutons ou un collectionneur de soldats) qui reconnaissent leurs objets d'expertise mais pas les visages, ou inversement, soutiennent l'idée d'un traitement distinct pour les visages. L'alexie est un autre trouble spécifique, concernant la reconnaissance des mots écrits.

Le système perceptif est capable de reconnaître et d'identifier les objets qui produisent un son, même sans support visuel. Cette capacité implique l'analyse d'indices acoustiques spécifiques, que ce soit pour la musique ou les sons de l'environnement, et met en jeu des processus complexes.

La reconnaissance d'un air musical repose sur des variations de hauteur (organisation mélodique) et temporelles (rythme et métrique). Deux indices sont particulièrement importants : le contour mélodique, qui est la trajectoire des montées et descentes de hauteur, et les intervalles musicaux, représentant la différence de hauteur entre des notes successives. Le système perceptif utilise ces deux indices pour identifier une mélodie.

Des études, comme celles de Dowling et Fujitani (1971), ont montré que le contour est un indice crucial, surtout pour les mélodies nouvelles. Pour les mélodies familières, les intervalles et la tonalité (les règles de combinaison des hauteurs) sont également des facteurs de reconnaissance importants. La tonalité est une connaissance implicite qui permet de détecter les fausses notes, même sans être musicien.

Dowling (1978) a proposé un modèle de reconnaissance à deux composantes : les notes, le contour et la tonalité seraient utilisés pour les mélodies nouvelles, tandis que les intervalles seraient prédominants pour les mélodies familières stockées en mémoire à long terme. Ce modèle est conforté par des observations neuropsychologiques sur des patients amusiques, distinguant ces deux processus.

Pour les sons de l'environnement, nous identifions les objets qui les produisent même hors de notre champ visuel. L'attaque du son, la rapidité avec laquelle l'onde sonore atteint son amplitude maximale, est un indice majeur pour la reconnaissance des instruments de musique et des sources sonores en général. Par exemple, une attaque rapide pour un piano et plus lente pour un instrument à vent.

Le timbre, qualité spécifique d'un son qui permet de distinguer deux instruments produisant la même note à la même intensité, est également fondamental. La modification de ces indices rend l'identification difficile, comme l'expérience du son de piano joué à l'envers qui est perçu comme un accordéon. La théorie écologique de Gibson, bien que souvent associée à la vision, trouve un argument dans la perception des sons, suggérant que nous extrayons directement les propriétés physiques des sources sonores (comme la géométrie des objets) à partir de leurs émissions acoustiques.

La voix, à l'instar des visages, est un objet auditif unique, véhiculant des informations cruciales sur l'identité de l'individu et son état émotionnel. La reconnaissance vocale est non seulement rapide mais aussi précoce, les nouveau-nés étant capables de discriminer les voix, y compris celle de leur mère, même avant la naissance. Cette spécificité suggère un traitement dédié.

Des études en IRMf, notamment celles de Belin et al. (2000), ont révélé qu'une région spécifique du cerveau, le sillon temporal supérieur, s'active préférentiellement pour les sons vocaux, avec une activité plus marquée dans l'hémisphère droit. Cette zone est considérée comme l'analogue auditif du gyrus fusiforme pour les visages, indiquant une sélectivité neuronale pour la voix. La rapidité de traitement de la voix est attribuée à ses caractéristiques spectrales et temporelles.

Les agnosies auditives sont des troubles de la reconnaissance et de l'identification des sons ou des séquences sonores, en l'absence de déficits auditifs primaires. Elles peuvent se manifester sous diverses formes selon la nature du son affecté.

L'amusie acquise, comme le cas de la patiente I.R., se caractérise par une incapacité à reconnaître tout air musical, même familier, tout en conservant une bonne maîtrise du langage. Cela démontre une double dissociation entre les traitements musicaux et linguistiques. L'amusie congénitale, qui toucherait environ 2,5 % de la population, se manifeste par des difficultés à percevoir la hauteur des notes et à chanter juste sans s'en rendre compte. Elle est souvent associée à une anomalie de connexion entre les cortex temporal et frontal et peut avoir une composante génétique.

Les études sur l'amusie, notamment celles de Peretz (1990), ont mis en évidence l'importance du contour mélodique et des intervalles dans la reconnaissance musicale, confortant le modèle à deux composantes de Dowling. Des lésions dans l'hémisphère droit affectent le traitement du contour, tandis que des lésions dans l'hémisphère gauche impactent le traitement des intervalles lorsque le contour est préservé, suggérant une hiérarchie dans l'encodage musical.

L'imagerie mentale est la capacité de percevoir intérieurement des images ou des sons sans stimulation externe. La question se pose de savoir si imaginer et percevoir impliquent les mêmes traitements cérébraux.

Des études utilisant la Tomographie par Émission de Positons (TEP) (Zatorre et al., 1996) et l'IRMf (Halpern et al., 2004) ont montré un recouvrement significatif des aires cérébrales activées lors de la perception et de l'imagerie mentale de la musique. Cela suggère une forte similitude entre les processus sous-jacents.

La théorie de l'anticipation perceptive de Stephen Kosslyn postule que les traitements de l'imagerie mentale sont identiques à ceux de la perception. À l'inverse, Zenon Pylyshyn propose que l'imagerie repose sur une connaissance implicite plutôt que sur une représentation perceptive directe. L'existence de doubles dissociations entre perception et imagerie chez des patients cérébro-lésés (par exemple, l'aphantasie, trouble de l'imagerie mentale sans troubles perceptifs, et inversement) nuance le débat, suggérant que, bien que similaires, certains processus peuvent être distincts.