Un nombre croissant de données suggère qu’une fraction substantielle des résultats publiés en neuroscience ne peut être reproduite. Le problème n’est ni la fraude ni le manque de rigueur, il est ancré dans l’architecture statistique de la façon dont la recherche sur le cerveau est menée, et les leçons qu’il offre vont au-delà des taux de réplication, jusqu’à des questions fondamentales sur la façon dont nous inférons le fonctionnement cérébral.
La crise de réplication en neuroscience n’est pas un échec isolé, mais un schéma récurrent. La recherche en imagerie cerveau-comportement, en particulier, s’avère difficile à reproduire. Lorsque des laboratoires indépendants répètent des expériences publiées en utilisant les mêmes méthodes, ils obtiennent souvent des résultats différents. L’écart entre le résultat original et la tentative de réplication est devenu suffisamment large pour que certains chercheurs se demandent quelle part de la littérature en neuroimagerie repose sur des bases solides.
Le problème sous-jacent est la puissance statistique, ou plutôt son absence. De nombreuses études en neuroscience, notamment celles utilisant l’imagerie par résonance magnétique fonctionnelle (IRMf), sont menées sur des échantillons de 20 à 30 participants. Ces petits échantillons produisent des estimations bruitées de l’activité cérébrale. Une région du cerveau qui semble « activée » lors d’un scan de 20 personnes peut ne pas apparaître dans un autre, non pas parce que le premier résultat était erroné, mais parce que le rapport signal sur bruit est tout simplement trop faible pour qu’un petit échantillon le détecte de manière fiable.
Ce phénomène est aggravé par la flexibilité des analyses. Un ensemble de données IRMf comportant 100 000 voxels (pixels 3D) peut être analysé de milliers de façons défendables. Le chercheur qui exécute un pipeline d’analyse et trouve un résultat significatif peut capitaliser sur des caractéristiques aléatoires du bruit, et non sur un véritable signal neuronal. La tentative de réplication, utilisant un pipeline différent ou même le même avec un nouvel échantillon, ne trouve rien.
Ce que cela signifie pour la science du cerveau
Le problème de réplication a forcé un réexamen de la façon dont la neuroscience infère le fonctionnement cérébral. Une seule étude IRMf montrant qu’une région du cerveau « s’allume » pendant une tâche n’établit pas, en soi, que cette région est nécessaire à cette tâche. Cela nécessite des preuves convergentes issues d’études de lésions, de modèles animaux et de techniques causales telles que la stimulation magnétique transcrânienne, preuves que de nombreuses études publiées ne fournissent pas.
La bonne nouvelle est que le domaine réagit. Des collaborations multi-laboratoires à grande échelle, comme le projet Many Labs et l’International Brain Laboratory, mènent des réplications coordonnées avec des tailles d’échantillon que les laboratoires individuels ne pourraient jamais atteindre seuls. Un effort de 2021 de l’International Brain Laboratory, par exemple, a montré qu’une tâche comportementale standardisée chez la souris produisait des résultats cohérents dans sept laboratoires, démontrant que la réplication est possible lorsque les méthodes sont rigoureusement standardisées.
La pré-enregistrement, qui consiste à soumettre le plan d’analyse à un registre public avant le début de la collecte des données, devient plus courante. Des revues telles que Nature Neuroscience et NeuroImage exigent désormais un pré-enregistrement pour certains types d’articles. Certaines agences de financement soutiennent directement les études de réplication.
La leçon plus profonde
La crise de réplication en neuroscience est parfois présentée comme une crise de crédibilité, mais elle pourrait être mieux comprise comme une leçon d’humilité statistique. Le cerveau humain est l’objet le plus complexe de l’univers connu, avec environ 86 milliards de neurones formant des billions de connexions synaptiques. S’attendre à ce que des études à petits échantillons cartographient de manière fiable son fonctionnement a toujours été optimiste.
Le passage à des échantillons plus larges, des protocoles standardisés et des analyses pré-enregistrées ne signifie pas que la littérature plus ancienne était sans valeur. Cela signifie que le domaine développe de meilleurs outils pour distinguer le signal du bruit, et apprend, ce faisant, que le cerveau est encore plus difficile à étudier que les chercheurs ne l’avaient imaginé.
Sources : Live Science (2026), « Neuroscience findings often can’t be replicated, and it’s a big problem for what we know about the brain »; International Brain Laboratory (2021), « Standardized and reproducible measurement of decision-making in mice », eLife; projets de réplication Many Labs; diverses méta-analyses de la reproductibilité en IRMf.
Traduit par Lydie