Évaluation de la charge cognitive via la photopléthysmographie et les réponses d’impédance pendant des tâches d’arithmétique mentale

Pourquoi la charge de travail de votre cerveau compte

Que vous pilotiez un avion, surveilliez des patients ou révisiez pour un examen, il y a des moments où votre cerveau passe discrètement de l’état concentré à l’état surchargé. Pouvoir mesurer cette augmentation de l’effort mental en temps réel pourrait aider à prévenir les erreurs, l’épuisement et les accidents. Cette étude explore une nouvelle méthode non invasive pour suivre « à quel point votre cerveau travaille » à l’aide de petits capteurs placés sur la nuque et le front, évitant ainsi les casques volumineux ou l’équipement hospitalier compliqué.

Écouter le battement de cœur de la pensée

Plutôt que d’enregistrer les ondes cérébrales, les chercheurs ont exploité le lien étroit entre le cerveau et le cœur. Lorsque nous entreprenons une tâche exigeante, le système nerveux change de mode : le rythme cardiaque évolue, les vaisseaux sanguins se contractent ou se relâchent, et l’irrigation de régions cérébrales clés varie. L’équipe a utilisé deux techniques simples pour percevoir ces modifications. Un capteur optique sur la nuque (photopléthysmographie, ou PPG) a suivi la quantité de sang pulsant dans une artère majeure alimentant le cerveau. En parallèle, un ensemble de minuscules électrodes sur le front (pléthysmographie d’impédance, ou IPG) a détecté de subtiles variations du volume sanguin local à l’avant du cerveau, où se déroulent la planification, le calcul et la prise de décision. Ensemble, ces signaux offraient une fenêtre sur l’alimentation sanguine globale et locale pendant l’effort mental.

Mettre l’esprit sous pression avec des chiffres

Pour solliciter le cerveau de façon contrôlée, quinze volontaires sains, âgés de 20 à 35 ans, ont résolu des séries de problèmes d’arithmétique mentale sur ordinateur. Les tâches se déroulaient en quatre paliers : une période de repos, suivie d’additions faciles à un chiffre, puis d’additions à deux chiffres, et enfin de sommes à trois chiffres plus difficiles nécessitant mémoire et retenue. Chaque essai court commençait par des instructions à l’écran, se poursuivait avec cinq problèmes, et se terminait par un bref repos affichant une croix de fixation. Tout au long des essais, les capteurs de la nuque et du front enregistraient les données en continu, tandis que l’ordinateur consignait la vitesse et la précision des réponses. Comme prévu, les problèmes les plus difficiles entraînaient des réponses plus lentes et plus d’erreurs, surtout au niveau le plus ardu, confirmant que les tâches augmentaient bien la charge mentale.

Décoder des motifs cachés dans les signaux sanguins

Les formes d’onde brutes des deux capteurs ont été découpées en petites fenêtres temporelles puis nettoyées avec des filtres numériques pour éliminer dérives lentes et bruit haute fréquence. Pour chaque fenêtre, les chercheurs ont extrait des dizaines de descripteurs simples : valeurs maximales et minimales, moyennes, amplitude de variation, et répartition de l’énergie selon les différentes fréquences. Ils ont également mesuré les intervalles entre battements cardiaques et le retard entre l’impulsion au niveau de la nuque et celle du front, une grandeur connue sous le nom de temps de transit de l’impulsion. Ces caractéristiques numériques ont ensuite été introduites dans trois algorithmes d’apprentissage automatique standards — arbres de décision, forêt aléatoire et XGBoost — pour tester si un ordinateur pouvait apprendre à distinguer les niveaux de charge mentale uniquement à partir des motifs cardiovasculaires.

Dans quelle mesure un ordinateur peut-il lire votre effort mental ?

Lorsque chaque personne disposait de son propre modèle personnalisé, le système s’est montré remarquablement précis. Pour la tâche simple consistant à distinguer « repos » de « calcul », les trois algorithmes ont atteint 100 % de précision. Même pour le problème plus difficile à quatre classes — repos, calcul facile, moyen et difficile — la meilleure méthode, la forêt aléatoire, a identifié correctement le niveau dans 96 % des cas. Toutefois, les performances ont chuté lorsque le système a tenté de généraliser d’un groupe de personnes à un autre, la précision tombant à environ deux tiers. Cela suggère que les individus présentent de fortes différences dans leurs réponses cardiaques et hémodynamiques de base, et que les dispositifs réels pourraient nécessiter un court étalonnage personnel pour fonctionner de manière fiable pour chaque utilisateur.

Ce que révèlent les signaux les plus informatifs

En examinant les caractéristiques sur lesquelles les algorithmes s’appuyaient le plus, les chercheurs ont constaté que les mesures d’IPG au niveau du front concentraient une grande partie de l’information utile. En particulier, la moyenne et les valeurs extrêmes du signal frontal figuraient systématiquement parmi les plus importantes, devant les caractéristiques PPG de la nuque et la mesure combinée de timing. Cela s’accorde avec la compréhension actuelle du couplage sang–cerveau : lorsqu’on effectue un travail mental exigeant, l’avant du cerveau réclame plus d’énergie et le volume sanguin local varie en conséquence. Le capteur de la nuque apportait néanmoins une information utile en reflétant l’éveil cardiovasculaire global, mais les relevés localisés du front fournissaient les indices les plus nets sur la demande mentale moment par moment.

Des capteurs de laboratoire aux environnements de travail plus sûrs et plus intelligents

Pour un lecteur non spécialiste, le message clé est que l’effort mental laisse une empreinte distincte dans la façon dont le sang circule vers et à l’intérieur du cerveau, et que cette empreinte peut être captée par de petits capteurs portables plutôt que par des équipements complexes d’imagerie cérébrale. L’étude montre que la combinaison d’un capteur optique sur la nuque et d’électrodes simples sur le front permet aux algorithmes de suivre plusieurs niveaux de charge cognitive avec une précision comparable à de nombreux systèmes basés sur l’EEG, du moins lorsqu’ils sont ajustés à un individu. Avec des améliorations et un meilleur confort, cette technologie pourrait un jour aider les cockpits d’avion, les voitures, les salles de classe et les postes de contrôle à adapter automatiquement tâches et alertes, soulageant la pression avant que l’opérateur humain ne devienne dangereusement surchargé.

Citation: Huynh, D.N., Tran, T.N., Tran, K.T. et al. Assessment of cognitive load through photoplethysmography and bioimpedance responses during mental arithmetic tasks. Sci Rep 16, 7367 (2026). https://doi.org/10.1038/s41598-026-38782-3

Mots-clés: charge cognitive, arithmétique mentale, capteurs portables, interaction cerveau–cœur, apprentissage automatique