ChatBCI, un BCI P300 pour lépellation avec prédiction contextuelle de mots exploitant de grands modèles de langage, du concept à lévaluation

Donner une voix aux pensées

Pour les personnes qui ne peuvent pas parler ou bouger facilement, formuler même une simple demande peut être lent et épuisant. Cette étude présente ChatBCI, une interface cerveau–ordinateur qui permet aux utilisateurs de taper des mots à lécran uniquement avec leurs signaux cérébraux, tandis quun puissant modèle de langage (semblable à ChatGPT) prédit ce quils veulent dire ensuite. En combinant signaux cérébraux et prédiction intelligente de mots, le système vise à rendre la communication plus rapide, moins fatigante et plus proche dune conversation quotidienne.

Comment le cerveau parle à un ordinateur

ChatBCI repose sur une approche bien connue appelée épelleur P300. Dans ce dispositif, une grille de lettres et de touches fonctionnelles clignote à lécran. Lorsque lutilisateur se concentre silencieusement sur la lettre souhaitée, son cerveau produit un signal bref et caractéristique environ 300 millisecondes après que la ligne ou la colonne de cette lettre ait clignoté. Des électrodes sur un bonnet EEG enregistrent ces minuscules variations de tension, et un logiciel détecte quelle ligne et quelle colonne ont produit la réponse la plus forte, révélant la touche visée. Traditionnellement, les utilisateurs doivent choisir chaque lettre une par une, ce qui est précis mais terriblement lent et mentalement exigeant pour des phrases longues.

Ajouter une prédiction de mots intelligente

Linnovation de ChatBCI consiste à brancher un grand modèle de langage directement dans ce processus dépellation. Le clavier à lécran affiche toujours des lettres, mais il montre désormais aussi dix suggestions de mots le long des côtés — des candidats fournis en temps réel par un modèle GPT‑3.5 en ligne. Dès que lutilisateur épelle une partie dun mot ou dune courte phrase, la phrase partielle est envoyée sous forme de texte au modèle de langage. Une invite soigneusement rédigée demande au modèle de retourner une liste concise de mots ou complétions probables. Le système analyse cette réponse et transforme chaque mot suggéré en une touche sélectionnable sur le clavier. La sélection dune de ces suggestions insère instantanément le mot entier (ou même une courte phrase) et ajoute un espace, permettant à lutilisateur de construire des phrases beaucoup plus rapidement que lettre par lettre.

Évaluer ChatBCI

Sept volontaires ont testé ChatBCI en plusieurs étapes. Dabord, leurs patrons cérébraux individuels ont été enregistrés pendant quils se concentraient sur des touches connues, ce qui a permis au système dentraîner un classificateur reconnaissant le signal P300. Ensuite, ils ont réalisé deux tâches réalistes de saisie de texte. Dans une tâche dépellation par copie, chaque personne choisissait une image, inventait une phrase significative à son sujet (comme une demande deau ou de toilettes), puis épelait cette phrase de deux manières : une fois en utilisant ChatBCI avec suggestions de mots et une fois en mode traditionnel lettre par lettre avec les suggestions désactivées. Dans une seconde tâche dimprovisation, on leur a demandé de composer librement leur propre phrase en commençant par une lettre choisie, en les encourageant à se reposer autant que possible sur les mots suggérés plutôt que dépeler tout depuis le début.

Messages plus rapides, moins de frappes

Les résultats montrent des bénéfices nets de la combinaison des signaux cérébraux et de la prédiction linguistique. Dans la tâche dépellation par copie, lutilisation de ChatBCI a réduit le temps moyen pour écrire une phrase d'environ 28 minutes à environ 10 minutes — une diminution de 62 % — tout en doublant plus que le taux de caractères correctement saisis par minute. Le nombre de frappes nécessaires a été réduit d'environ moitié, et la précision saméliore : les utilisateurs obtenaient presque toujours des phrases parfaitement orthographiées en utilisant ChatBCI. Pour quantifier le travail économisé par le système, les auteurs ont utilisé une mesure de « économies de frappes » et un nouveau « ratio de déficit déconomies de frappes », qui comparent la performance à des systèmes idéalisés capables toujours de deviner le mot correct après une ou deux actions. Dans la tâche dimprovisation libre, ChatBCI a atteint en moyenne environ 81 % déconomies de frappes, dépassant parfois même les limites théoriques parce que le modèle de langage proposait parfois des phrases multi-mots pouvant être insérées en une seule sélection.

Ce que cela signifie pour la communication en situation réelle

Pour les utilisateurs quotidiens — en particulier ceux présentant de sévères limitations de mouvement ou de la parole — le résultat clé est simple : ChatBCI permet de dire plus avec moins dépuisement mental et en beaucoup moins de temps. En confiant la prédiction linguistique à un grand modèle de langage distant, le système évite la nécessité dune formation locale ou de grands dictionnaires, tout en sadaptant à la phrase que lutilisateur souhaite créer. Bien que des travaux supplémentaires soient nécessaires chez des populations cliniques et pour traiter des questions de confidentialité, de coût et de fiabilité des modèles de langage basés sur le cloud, cette étude montre que lassociation des interfaces cérébrales et des technologies linguistiques modernes peut transformer lépellation lettre par lettre en un outil de conversation plus naturel au niveau de la phrase.

Citation: Hong, J., Wang, W. & Najafizadeh, L. ChatBCI, a P300 speller BCI with context-driven word prediction leveraging large language models, from concept to evaluation. Sci Rep 16, 6379 (2026). https://doi.org/10.1038/s41598-025-25660-7

Mots-clés: interface cerveau-ordinateur, épelleur P300, communication dassistance, prédiction de mots, grands modèles de langage