Dans les sociétés animales comme dans les sociétés humaines, on observe régulièrement des individus qui produisent des ressources et d’autres qui les captent. Contrairement à ce que les théories évolutives(1) pouvaient jusqu’alors laisser penser, ces rôles sociaux ne sont pas uniquement dépendants de prédispositions individuelles. Au contraire, selon une étude menée chez des souris par des scientifiques du CNRS(2) et de Sorbonne Université, leur répartition et leur stabilisation dans des groupes d’individus émergent d’une dynamique collective reposant sur le hasard de premières interactions et sur de l’apprentissage. Les rôles sociaux ne sont donc pas figés, mais dynamiques et très flexibles, permettant à chaque individu de changer de rôle lorsque le système dans lequel il évolue se transforme.

Ces résultats, qui viennent de paraître dans la revue Nature sous le titre « Dopaminergic mechanisms of dynamical social specialization », reposent sur l’analyse des rôles endossés par des souris dans un environnement semi-naturel où la nourriture s’obtient en appuyant sur un levier.

En distinguant des individus adoptant un comportement de « producteurs », produisant plus qu’ils ne consomment, de « profiteurs », consommant plus qu’ils ne produisent, et d’ « accumulateurs », qui consomment de façon équilibrée, l’équipe de recherche a mis en évidence de manière étonnante que dans les groupes de souris étudiés, la répartition des rôles sociaux repose sur des dynamiques différentes entre groupes de sexes opposés. Alors qu’une division du travail basée sur la compétition se met en place dans les groupes de mâles, les groupes de femelles restent au contraire remarquablement homogènes, sans qu’une spécialisation ne s’installe : chaque individu adopte un comportement similaire, sans chercher à exploiter les ressources produites par ses congénères. En revanche, l’introduction d’un seul mâle dans un groupe de femelles peut suffire à faire basculer ces dernières vers un comportement compétitif.

Au niveau cérébral, les scientifiques ont observé que la dopamine accompagne la stabilisation des rôles sociaux : un pic d’activité de ces molécules, impliquées dans l’apprentissage par la récompense(3), est relevé chez les individus « producteurs » lors de leur propre action sur le levier permettant d’obtenir de la nourriture, alors que chez les « profiteurs » ce pic est identifié au moment où un autre individu utilise ce même levier. La dopamine ne définit pas le rôle social adopté par les individus, mais elle constitue le mécanisme par lequel la dynamique du groupe consolide un rôle que l’expérience des premières interactions a initié.

Notes
(1) Les théories évolutives ont longtemps traité ce phénomène comme un équilibre stable entre stratégies, ce qui peut donner l’impression que les rôles sont prédéfinis.
(2) Travaillant au laboratoire « Plasticité du cerveau » (CNRS/ ESPCI PARIS – PSL) et à l’Institut des systèmes intelligents et de robotique (CNRS/Sorbonne Université), ainsi qu’à l’Institut de génomique fonctionnelle (CNRS/Inserm/Université de Montpellier) et au laboratoire « Gènes, synapses et cognition » (CNRS/Institut Pasteur).
(3) La dopamine ne déclenche pas directement le bonheur, mais participe à l’anticipation de la récompense. 

Bibliographie
Dopaminergic mechanisms of dynamical social specialization. 
C. Solié, A. Nicolson, R. Justo, Y. Layadi, B. Morin, C. Batifol, L.M. Reynolds, T. Le Borgne, S.L. Fayad, A. Gulmez, Y. Rodriguez Quevedo, J. Allegret-Vautrot, G. Centene Guglielmi, F. de Chaumont, S. Didienne, N. Debray, J-P. Hardelin, B. Girard, A. Mourot, J. Naudé, C. Viollet, F. Marti, B. Delord et P. Faure. Nature, le 1^er avril 2026.

Contacts :
– Philippe Faure, Chercheur CNRS, phfaure@gmail.com
– Bruno Delord, Enseignant-chercheur à l’ISIR de Sorbonne Université, bruno.delord@gmail.com
– Aurélie Meilhon, Attachée de presse CNRS, +33 1 44 96 43 90, aurelie.meilhon@cnrs.fr

En savoir plus sur les travaux « Dopaminergic mechanisms of dynamical social specialization » dans la revue Nature.

Publié le 03/04/2026

C’est de ce constat qu’est né le projet Audio-touch, une recherche menée à l’ISIR. Il s’appuie sur une intuition originale : exploiter les liens entre toucher et audition pour traduire des gestes tactiles affectifs en sons. En d’autres termes, il s’agit de rendre le toucher audible, pour mieux le faire percevoir à distance.

Ce projet est le fruit d’une collaboration entre Alexandra de Lagarde, doctorante à l’ISIR, Catherine Pelachaud, directrice de recherche CNRS à l’ISIR, Malika Auvray, directrice de recherche CNRS à l’ISIR, et Louise P. Kirsch, maîtresse de conférences à l’Université Paris Cité et ancienne post-doctorante à l’ISIR. Cette étude s’inscrit également dans le cadre du programme ANR MATCH, qui explore la perception du toucher dans les interactions avec des agents virtuels. 

Et si l’on pouvait entendre une caresse ?

Le projet Audio-touch repose sur une observation simple : le toucher et l’audition partagent une base physique commune, celle des vibrations. Les recherches en sonification ont déjà démontré qu’il était possible de traduire des mouvements et leurs propriétés en sons. Le projet prolonge cette idée en se demandant s’il est possible de convertir les gestes du toucher social, comme une caresse, une tape ou une pression, en signaux auditifs compréhensibles.

L’objectif est double : étudier la faisabilité technique de convertir du toucher peau à peau en sons, et déterminer expérimentalement quelles informations du toucher social les stimuli audio-touch pouvaient communiquer aux personnes qui les écoutent. Le projet s’inscrit dans une approche expérimentale, menée au croisement des interactions humain-agent, de la cognition sociale, de l’haptique et de l’acoustique.

Quatre expériences pour tester la perception sonore du toucher

Au cœur du projet, une série de quatre expériences ont permis d’évaluer la reconnaissance de ces gestes et émotions à partir des sons audio-touch créés : 

– les participant-es ont correctement catégorisé les gestes (expérience 1) ;

– les participant-es ont identifié les émotions transmises (exp. 2) ;

– leur reconnaissance a été influencée selon la surface sur laquelle le toucher avait lieu (exp. 3 et 4).

Les participant-es qui écoutaient les stimuli audio-touch peau à peau ont associé avec précision les sons à des gestes spécifiques et ont identifié de façon cohérente les intentions socio-émotionnelles sous-jacentes aux touchers convertis en sons. De plus, les mêmes mouvements ont été enregistrés avec des objets inanimés, et des expériences supplémentaires ont révélé que la perception des participant-es était influencée par les surfaces impliquées dans les interactions tactiles (peau vs plastique). Ces résultats sont significatifs : ils démontrent que les gestes tactiles sociaux, leurs intentions socio-émotionnelles et la surface touchée peuvent être reconnus à partir des sons produits. 

Vers de nouvelles formes de communication multisensorielle

Ce projet vient compléter les travaux du projet ANR MATCH, qui vise à simuler l’illusion du toucher dans des environnements virtuels. L’approche du projet Audio-touch contribue à la compréhension des stratégies multisensorielles, en fournissant des données empiriques sur la perception du toucher via l’audition. Il alimente ainsi la réflexion sur le design des agents virtuels immersifs, capables de susciter un sentiment de lien social grâce à une combinaison subtile de signaux sensoriels.

Ces travaux font l’objet d’une parution dans la revue scientifique Proceedings of the National Academy of Sciences (PNAS) sous le titre « Paving the way for social touch at a distance: Sonifying tactile interactions and their underlying emotions » . En démontrant que des gestes affectifs peuvent être reconnus à travers leur seule traduction sonore, cette recherche ouvre des perspectives prometteuses pour le développement de nouvelles formes de communication multisensorielle, notamment dans les contextes d’interaction à distance ou avec des agents virtuels.

Contacts scientifiques à l’ISIR : Malika Auvray, directrice de recherche CNRS, Alexandra de Lagarde, doctorante, et Catherine Pelachaud, directrice de recherche CNRS. 

Publié le 23/05/2025.

L’intelligence artificielle progresse à grands pas, notamment grâce aux techniques d’apprentissage automatique (deep learning). Mais le principal inconvénient de ces systèmes est leur forte consommation d’énergie, rédhibitoire pour des applications  »embarquées », que ce soit dans le domaine médical (suivi de patient), ou dans la surveillance de bâtiments et d’installations industrielles via des capteurs intelligents. 

Dans un ordinateur traditionnel, la consommation d’énergie par les algorithmes d’IA est principalement liée aux mouvements de données entre la mémoire et l’unité de calcul, toujours séparés. Pour résoudre ce problème, une équipe associant trois laboratoires du CNRS (le Centre de nanosciences et de nanotechnologies (C2N, CNRS/Univ Paris-Saclay), l’Institut matériaux microélectronique nanosciences de Provence, (IM2NP, CNRS/Aix-Marseille université) et l’Institut des systèmes intelligents et robotique (ISIR, CNRS/Sorbonne université)), le CEA-Leti et la startup Hawai.tech, ont réalisé un prototype de machine d’intelligence artificielle basée sur une nouvelle technologie de nanocomposants, les memristors, qui intègrent les fonctions de calcul et de mémoire. Ces résultats ont été publiés dans la revue Nature Electronics.

La nouvelle machine est composée de 2048 memristors en oxyde d’hafnium et 30 080 transistors en silicium. Pour la réaliser, l’équipe a dû relever deux défis : intégrer des technologies électroniques très différentes, et inventer des techniques permettant d’éliminer les erreurs inhérentes aux composants memristors sans augmenter la consommation d’énergie de la machine. Le prototype met en œuvre des raisonnements bayésiens. Une technique d’intelligence artificielle qui peut fonctionner avec peu d’informations, contrairement au deep learning qui construit un modèle à partir de très nombreux exemples. De plus, les raisonnements bayésiens peuvent être entièrement expliqués, ce qui n’est pas le cas du deep learning.

Les scientifiques ont montré que la machine bayésienne à memristors savait reconnaître un geste humain – l’écriture d’un chiffre ou d’une signature – en utilisant des milliers de fois moins d’énergie qu’une solution basée sur un microcontrôleur traditionnel. Les recherches vont maintenant se poursuivre dans le cadre du PEPR d’accélération Électronique. Par ailleurs, le laboratoire C2N va continuer les recherches sur la machine bayésienne à memristors, avec un prototype à plus grande échelle qui permettra de tester des applications réalistes. Un transfert de la technologie vers la start-up Hawai.tech est envisagé.

Source de l’article : site de l’INSIS.

• Contact scientifique à l’ISIR :

Pierre Bessiere, directeur de recherche CNRS ;
Jacques Droulez, directeur de recherche émérite CNRS.

Un essaim de robots permet d’accomplir des tâches nécessitant une coopération entre plusieurs individus. À ce jour, les essaims de robots sont conçus pour fonctionner exclusivement dans un environnement dilué, c’est à dire en évitant les collisions. Ce n’est pourtant pas le cas dans les organismes vivants, ou l’on peut observer une grande flexibilité dans des environnements aussi bien dilués que très denses, que ce soit pour les cellules, les colonies de bactéries ou de fourmis, les bancs de poissons, les nuées d’oiseaux, ou encore les humains. Cela suggère que des comportements primitifs simples sont suffisants pour obtenir des comportements collectifs, y compris en milieu dense. Les interactions physiques peuvent ainsi être utilisées à l’avantage d’un essaim, y compris s’il est constitué de robots. L’étude et l’exploitation de ces interactions physiques entre robots est l’objet d’un article à l’interface de la robotique, de l’informatique et de la physique publié dans Science Robotics le 22 février 2023 par des chercheurs de l’ESPCI Paris – PSL et de Sorbonne Université.

Dans cet article, les auteurs tirent parti d’une réponse mécanique générique : la tendance qu’a une particule à se réorienter en réponse à une force extérieure. Ils révèlent l’importance de cette réponse morphologique dans différentes tâches robotiques, tant pour un robot seul que pour un essaim de robots. Les auteurs montrent que la façon dont les robots réagissent en cas de collisions dépend de leur corps et leur permet de s’aligner avec ou contre une force externe comme par exemple, un autre robot, un objet ou un mur. En comprenant l’effet des interactions physiques entre les robots et leur environnement, il devient alors possible de définir le comportement collectif qui résultera des multiples collisions entre robots de l’essaim. Selon l’exosquelette qui habille les robots, on peut ainsi observer qu’un robot s’alignera à une force externe tandis qu’un autre s’y opposera. En cas de collision, un robot peut ainsi pousser, ou glisser le long d’un obstacle ou d’un autre robot, et ce uniquement grâce à la dynamique passive induite par sa conception mécanique.

Les auteurs de cet article ont aussi montré qu’il était possible d’apprendre à exploiter les interactions entre robots pour réaliser des tâches de robotique collective nécessitant de la coopération, comme l’agrégation collective dans une zone lumineuse de l’environnement. Pour ce faire, les auteurs décrivent un algorithme d’apprentissage par renforcement décentralisé inspiré de l’apprentissage social : les robots suffisamment proches échangent des informations concernant les stratégies de comportement les plus efficaces pour accomplir la tâche assignée à l’essaim de robots. Les meilleures stratégies se diffusent ainsi de robot à robot, en permettent d’exploiter au mieux les propriétés physiques et les capacités de calcul des robots de l’essaim.

Légende : Coopération entre 64 Morphobots pour une tâche de phototaxie (recherche de lumière). Les morphobots qui se trouvent dans la zone illuminée forme un agrégat qui croît au cours du temps, en exploitant les propriétés données par leurs morphologies. En cas de collision, chaque Morphobot se réoriente naturellement pour faire face à l’objet à l’origine de la force subie. La formation d’un agrégat dans la zone lumineuse résulte simplement d’un ralentissement de la vitesse de déplacement des Morphobots, qui s’opère si l’intensité lumineuse dépasse un seuil appris au cours du temps. La morphologie fait le reste. ©Matan_Yah_Ben_Zion

Les auteurs (dans l’ordre) :

• Matan Yah Ben Zion (Post-doctorant, financé par le projet ANR MSR, actuellement post-doc à l’Université de Tel Aviv) ; 
• Jérémy Fersula (doctorant à l’ISIR, financé par SCAI, Sorbonne Université, co-encadrement N. Bredeche (50%) et O. Dauchot (50%)) ;
• Nicolas Bredeche (Professeur des Universités, ISIR, Sorbonne Université) ; 
• Olivier Dauchot (Directeur de recherche CNRS, Gulliver lab, ESPCI et Paris PSL).

Mehdi Khamassi, directeur de recherche au CNRS, réalise ses activités de recherche à l’interface entre les neurosciences et la robotique. L’objectif principal de ses recherches est de comprendre quels mécanismes d’apprentissage peuvent permettre aux agents autonomes de montrer une flexibilité comportementale et des capacités d’adaptation dans leur environnement partiellement inconnu et changeant. 

Son livre sur les neurosciences cognitives propose une introduction aux recherches actuelles à l’interface entre psychologie, neurosciences et modélisation.

En quoi faire des neurosciences à l’ISIR est différent que dans un laboratoire de neurosciences expérimentales ? 

La grande différence, c’est qu’on ne baigne pas au quotidien dans le milieu où se font les expériences neurobiologiques chez l’humain ou chez l’animal, mais plutôt dans le milieu où se discutent les aspects théoriques et où se font les expériences sur des robots.

C’est complémentaire à ce qui se fait dans les autres laboratoires. Cela permet de prendre du recul par rapport aux données, pour adopter une vue plus large, mieux ancrée dans la théorie. Par exemple, en se demandant d’un point de vue normatif quels calculs un agent devrait tenter de faire pour que son comportement soit le plus adapté à la variété d’environnements à laquelle il est exposé. Après avoir trouvé une réponse à cette question du côté théorique, on peut revenir vers les données expérimentales. On peut essayer d’en faire sens en regardant si le cerveau semble réaliser certains de ces calculs d’une manière qui ne soit pas forcément spécifique à la tâche expérimentale, mais plus générale. En ce sens, on trouve parfois des explications à des activités cérébrales mesurées ou à des comportements observés expérimentalement, qui ne semblent pas optimaux ou rationnels par rapport à la tâche en jeu, mais s’avèrent en réalité adaptés à la variété des situations auxquelles l’agent est confronté dans sa vie.

À l’extrême inverse, il faut faire attention à ne pas être trop loin des données ! Il me semble toujours bon d’avoir vu de près du comportement humain/animal et à quoi ressemble l’activité cérébrale enregistrée en laboratoire pour pouvoir concevoir des modèles computationnels pertinents. J’ai moi-même travaillé plusieurs années dans des laboratoires de neurosciences expérimentales par le passé. Et dans l’équipe AMAC à l’ISIR nous continuons d’avoir des échanges fréquents avec des expérimentalistes pour (1) concevoir de nouvelles expériences visant à tester les prédictions des modèles, et (2) pour confronter les données récoltées à ces mêmes modèles.

En retour, travailler au quotidien dans un laboratoire de robotique et d’Intelligence Artificielle peut permettre d’informer les collègues de ces domaines sur ce qu’on sait du fonctionnement du cerveau, en espérant que cela puisse constituer une source fertile d’inspiration et de biomimétisme.

En quoi travailler à l’ISIR colorie ta façon de voir et a influencé le contenu de ton livre ? 

Travailler à l’ISIR a contribué à façonner ma façon d’aborder la cognition. Être plongé dans un laboratoire qui fait des recherches en robotique ou en Intelligence Artificielle permet de se nourrir des avancées dans ces domaines. Ce sont des sources d’inspiration qui peuvent aider à enrichir les modèles pour les neurosciences et la psychologie. 

En effet, lorsque l’on cherche comment permettre à un robot de choisir de manière autonome ses actions et d’apprendre sur la base des conséquences de ses actions, on trouve parfois des solutions qui nous aident à mieux comprendre la nature des mécanismes nerveux qui sous-tendent des problèmes similaires dans le cerveau biologique.

On peut aussi mentionner que la robotique oblige à penser le rôle du corps dans la cognition, et pas juste comment des programmes d’intelligence artificielle désincarnés doivent résoudre les problèmes auxquels le robot est confronté. Comme ces marcheurs passifs dynamiques mis au point dans les années 90 à l’Université de Cornell, qui produisent un mouvement de marche fluide par la simple dynamique des articulations mécaniques du robot, sans pilotage par le moindre algorithme.

La robotique nous oblige aussi à penser à comment faire communiquer différentes fonctions cognitives (perception, décision, mouvement, apprentissage, etc.) dans une même architecture, dans un même agent. Cela nous oblige donc à prendre en compte les interactions entre différents mécanismes supposés impliquer différentes aires cérébrales, et à formuler de nouvelles hypothèses sur ces interactions.

Pour toutes ces raisons, je pense que l’ISIR a contribué à ce que ma vision de la cognition soit à un niveau très systémique. C’est une vision très proche de celle des sciences cognitives. C’est pour cela que mon livre aborde à la fois des questions de perception et de mouvement, de cognition sociale et non-sociale, de langage et d’action, de décision et de méta-cognition, de mémoire et de conscience.

Une des originalités du livre est de proposer un chapitre d’initiation à la modélisation computationnelle, avec du code source ouvert associé. La modélisation pour les neurosciences et la psychologie a connu un grand essor récemment, et n’apparaît encore que trop rarement dans les manuels existants de neurosciences cognitives.

« Neurosciences cognitives », par Mehdi Khamassi

Les éditions de Boeck Supérieur vont publier le 12 octobre 2021 un ouvrage intitulé « Neurosciences cognitives », dirigé par Mehdi Khamassi, qui propose une introduction aux recherches actuelles à l’interface entre psychologie et neurosciences.

Le champ de la psychologie s’est incroyablement étendu et diversifié depuis que les sciences cognitives ont fait leur apparition, à tel point qu’il devient difficile, pour l’étudiant, de se repérer parmi les multiples disciplines. Quel est le rapport entre processus psychologiques et réseaux neuronaux ? Comment se traduisent les soubassements neurologiques dans la psychologie des individus ? Autant de questions auxquelles répond ce livre organisé selon les principales fonctions psychologiques : l’action, l’attention, le langage, la mémoire et la perception, leurs soubassements neurobiologiques, leurs dysfonctionnements pathologiques ainsi que leur remédiation thérapeutique.

Contact référent : Mehdi Khamassi, Directeur de recherche CNRS