Évaluation objective de la familiarité musicale par imagerie mentale et apprentissage automatique basé sur l’EEG

Pourquoi les chansons dans votre tête comptent

La plupart des gens ont déjà vécu l’expérience d’une chanson favorite qui continue de jouer dans leur esprit même après l’arrêt de la musique. Cette étude pose une question saisissante : peut-on déterminer, uniquement à partir de l’activité cérébrale pendant ces moments silencieux, si une personne imagine une chanson qu’elle connaît bien ou une qu’elle n’a jamais entendue ? En combinant enregistrements d’ondes cérébrales et apprentissage automatique, les chercheurs montrent que notre cerveau porte une signature distincte et mesurable de la familiarité musicale, même lorsqu’aucun son n’atteint les oreilles.

Écouter de la musique qui s’interrompt soudainement

Pour sonder cette bande-son mentale cachée, l’équipe a recruté vingt adultes sans formation musicale formelle. Chaque participant a choisi cinq chansons populaires qu’il connaissait très bien dans sa langue natale. Les scientifiques ont ensuite apparié chacune de ces chansons avec une chanson similaire mais inconnue, d’artistes moins célèbres. Au cours de l’expérience, les sujets ont écouté des extraits de deux minutes de ces dix chansons pendant que leur activité cérébrale était enregistrée à l’aide d’un casque haute densité comportant plus de 200 électrodes. Sans avertissement, chaque morceau comportait de courts intervalles silencieux de deux secondes disséminés tout au long de l’extrait. Les participants devaient simplement écouter attentivement ; on ne leur demandait pas d’imaginer quoi que ce soit, mais ils ont ensuite évalué dans quelle mesure ils comblaient mentalement les passages manquants.

Lire les ondes cérébrales pendant les moments de silence

Les mesures cruciales provenaient des ondes cérébrales enregistrées uniquement pendant ces brefs silences. Comme aucun son n’était présent, toute différence entre chansons familières et non familières devait provenir d’une activité générée en interne, telle que la mémoire, la prédiction ou l’imagerie musicale spontanée. Les chercheurs ont traité les signaux électriques pour éliminer le bruit et les ont découpés en courts segments centrés sur chaque intervalle silencieux. Ils ont ensuite traduit ces motifs d’ondes complexes en caractéristiques numériques, capturant à la fois des propriétés rythmiques simples et des cartes plus riches de la manière dont différentes régions cérébrales fluctuaient ensemble au fil du temps.

Apprendre aux machines à repérer les airs familiers

Ensuite, l’équipe a entraîné des algorithmes informatiques à distinguer les intervalles silencieux qui suivaient des chansons familières de ceux qui suivaient des chansons non familières. Pour chaque personne, ils ont construit des modèles séparés, reflétant le fait que les cerveaux et les histoires musicales diffèrent d’un auditeur à l’autre. Un ensemble de modèles utilisait des mesures classiques de la puissance des ondes cérébrales dans différentes bandes de fréquence, telles que les rythmes dits thêta et alpha liés à la mémoire et à l’attention interne. Une seconde approche, plus avancée, traitait le motif des connexions entre électrodes comme des points sur un espace mathématique courbe, puis aplatisait cet espace d’une manière qui préserve sa structure avant de l’exploiter dans le classificateur. Dans l’ensemble, cette seconde stratégie a permis à l’ordinateur de distinguer la familiarité avec une meilleure précision.

Où la musique silencieuse réside dans le cerveau

Lorsque les chercheurs ont examiné quelles électrodes comptaient le plus pour les décisions de l’ordinateur, un tableau clair est apparu. Les signaux au-dessus des régions auditives du cerveau, sur les côtés de la tête, surtout à droite, portaient une large part de l’information utile. Les régions frontales, vers l’avant du crâne, jouaient également un rôle clé, et les schémas de couplage entre ces zones étaient particulièrement informatifs. Cette répartition concorde avec des travaux d’imagerie cérébrale antérieurs montrant que la musique familière relie les régions auditives à des réseaux de mémoire et de contrôle, aidant le cerveau à prédire le déroulement des mélodies. Il est intéressant de noter que les évaluations personnelles des participants sur la vivacité de leur imagination musicale ou sur le degré de familiarité ressenti n’expliquaient pas fortement les performances des modèles, ce qui suggère que des processus subtils et automatiques étaient captés au-delà des rapports conscients.

Ce que cela signifie pour la mémoire et la lecture de pensée

L’étude montre qu’en « écoutant » le cerveau pendant des silences soigneusement placés, il est possible de dire avec environ trois quarts de précision si une personne entend dans son esprit une chanson bien connue ou inconnue. Pour l’instant, il s’agit d’une preuve de concept menée sur un petit groupe de jeunes adultes en bonne santé, enregistrée avec du matériel de laboratoire sophistiqué. Mais cela laisse entrevoir des outils futurs susceptibles d’évaluer la mémoire musicale — et peut-être d’autres formes de mémoire — sans demander aux patients de répondre à des questions ou d’exécuter des tâches. Si cette approche est reproduite dans des échantillons plus larges et plus variés, et adaptée à des systèmes d’enregistrement cérébral plus simples, elle pourrait un jour aider à suivre l’évolution de la mémoire dans des affections telles que la démence, en n’utilisant rien d’autre que des chansons préférées et des moments de silence.

Citation: Darçot, B., Nicolier, M., Giustiniani, J. et al. Objective assessment of familiarity in music using imagery and EEG-based machine learning. Sci Rep 16, 8689 (2026). https://doi.org/10.1038/s41598-026-41988-0

Mots-clés: mémoire musicale, EEG, ondes cérébrales, apprentissage automatique, familiarité musicale