Le groupe Fundamental AI Research (FAIR) de Meta dévoile la version deux de son système Brain2Qwerty le 29 juin, démontrant la plus haute précision jamais atteinte pour un décodeur cerveau-texte non invasif. Le système traduit des enregistrements magnétoencéphalographiques (MEG) en phrases entières, sans chirurgie, sans implant.
Comment ça marche
Des volontaires portent un casque équipé de capteurs magnétiques qui mesurent les faibles champs magnétiques produits par l’activité électrique neuronale. Pendant qu’ils tapent, le système reconstruit les mots voulus en associant des motifs d’activité neuronale distribuée au texte. La mise à niveau par rapport à v1, qui décodait des caractères individuels, représente un bond en avant ambitieux : v2 traite des enregistrements MEG continus et reconstruit des phrases entières.
Le système a été entraîné sur environ 22 000 phrases tapées, collectées auprès de neuf volontaires, chacun passant environ 10 heures dans un scanner MEG.
Chiffres de précision
Brain2Qwerty v2 atteint 61 % de précision moyenne au niveau des mots chez tous les participants, le meilleur résultat atteignant 78 %. Au niveau des caractères, le taux d’erreur moyen est de 39 %, tombant à 22 % pour le meilleur participant.
Ces chiffres sont modestes comparés aux systèmes de synthèse vocale quasi parfaits ou aux interfaces cerveau-ordinateur invasives, l’implant N1 de Neuralink affiche des taux d’erreur inférieurs à 5 %, mais ils représentent une avancée majeure pour une approche totalement non invasive qui ne nécessite rien de plus qu’un casque à capteurs.
Science ouverte, pas propriétaire
Meta publie ouvertement le code du système et les données d’entraînement sur GitHub à l’adresse facebookresearch/brain2qwerty, accompagnés d’un fonds de 5 millions de dollars (environ 4 millions de livres sterling) pour la recherche ouverte en neurosciences. Les travaux sont simultanément publiés dans Nature Neuroscience.
L’approche open-source contraste avec le virage plus large de Meta vers des produits d’IA propriétaires, illustré par la gamme Muse Spark. L’engagement continu de FAIR en faveur de la recherche ouverte en neurosciences suggère que l’entreprise voit un intérêt stratégique à maintenir une identité de recherche indépendante.
L’avantage non invasif
La population cible de Brain2Qwerty est constituée de personnes ayant perdu la capacité de parler à cause de maladies neurologiques comme la SLA, un AVC ou le syndrome d’enfermement. Pour ces personnes, même 61 % de précision au niveau des mots représente un canal de communication là où il n’en existait aucun auparavant.
La technologie MEG présente encore des limitations pratiques majeures : les scanners sont des machines de la taille d’une pièce, coûtant des millions de dollars, nécessitant des environnements blindés magnétiquement. Un déploiement portable reste à des années de distance.
Néanmoins, les résultats de la v2 font évoluer la conversation autour des interfaces cerveau-ordinateur. Le domaine a longtemps supposé qu’un décodage neuronal de haute fidélité nécessitait de franchir la barrière du crâne. Brain2Qwerty v2 suggère que les améliorations algorithmiques peuvent réduire l’écart sans franchir le seuil chirurgical, rendant potentiellement la technologie accessible à des millions de personnes plutôt qu’aux seules personnes prêtes à subir des procédures invasives.
Traduit par Lydie