Une équipe de scientifiques de l'Université de Stanford a utilisé l'intelligence artificielle pour observer avec une précision sans précédent comment l'activité cérébrale évolue lors du traitement de l'information, selon le rapport de l'institut Stanford HAI.
Dans leur étude, publiée en mars 2026, les chercheurs ont utilisé des modèles avancés d'IA capables d'analyser des données d'imagerie par résonance magnétique fonctionnelle (IRMf) et de révéler des modèles d'activation dans différentes régions cérébrales.
Selon l'institut, la recherche a permis de suivre, milliseconde par milliseconde, la séquence dans laquelle différentes zones du cerveau participent à des activités telles que la perception visuelle, la prise de décision et la mémoire de travail. Le système d'IA développé a identifié des trajectoires d'activité neuronale qui étaient auparavant impossibles à visualiser par des méthodes conventionnelles.
Équipe dirigée par Kaidi Cao et Daniel Yamins, en collaboration avec le département de neurosciences de l'Université de Stanford, a entraîné le modèle avec de grands volumes de données provenant d'images cérébrales humaines.
Stanford HAI a détaillé que l'IA a réussi à décomposer le flux d'informations dans le cerveau en phases temporelles discrètes, facilitant ainsi l'identification de quand et où se produisent les réponses neuronales face à des stimuli externes.
Séquençage de l'activité cérébrale par IA
Une des principales découvertes est que l'activité cérébrale ne se répartit pas de manière uniforme, mais suit des trajectoires séquentielles qui varient en fonction de la tâche accomplie. “Nous avons découvert que l'information voyage dans le cerveau en suivant des chemins qui se chevauchent, mais qui divergent également selon la nature de la tâche”, a expliqué Kaidi Cao dans des déclarations recueillies par Stanford HAI.
Cette observation contredit certaines théories antérieures qui soutenaient une participation simultanée de multiples régions à tous les processus cognitifs.
La fusion des analyses a permis à l'équipe de montrer plus clairement la manière dont l'activité neuronale passe par différentes régions et moments, établissant une carte temporelle détaillée, impossible avec des techniques antérieures. Ces résultats soulignent l'utilité de l'intelligence artificielle pour éclaircir des modèles cérébraux complexes.
Une autre des contributions de l'étude est la possibilité de distinguer des phases spécifiques dans la réponse cérébrale, grâce à la décomposition détaillée du flux d'informations. Cela constitue une base pour le développement de nouvelles stratégies dans l'évaluation du fonctionnement cognitif.
L'institut d'intelligence artificielle de Stanford soutient que la méthodologie employée peut être étendue pour étudier des phénomènes cérébraux plus larges, comme l'intégration sensorielle ou la coopération entre des zones éloignées du cerveau lors de tâches complexes.
Implications pour la neurosciences et nouveaux traitements
L'étude a également signalé que les modèles d'intelligence artificielle utilisés peuvent être transférés à d'autres domaines des neurosciences, y compris la recherche sur les troubles psychiatriques et les maladies neurodégénératives.
Stanford HAI a souligné l'importance de cette approche pour progresser dans le diagnostic précoce et le développement de traitements personnalisés, car elle permet de détecter des anomalies dans la séquence d'activation cérébrale avant que des symptômes cliniques clairs ne se manifestent.
L'application de ces technologies ouvrirait la voie à l'identification précoce de pathologies et à des interventions adaptées à la dynamique cérébrale particulière de chaque patient. Selon l'institut, cette méthode aidera à personnaliser les alternatives thérapeutiques et à tracer des parcours préventifs dans les populations à risque.