Un temps d’intégration fini peut déplacer la sensibilité optimale loin de la criticalité

Pourquoi le temps compte pour les décisions nettes

Nos cerveaux, nos sens et même de nombreux dispositifs artificiels font face au même défi : ils doivent repérer de petites différences dans le monde et les transformer en décisions fiables, souvent en une fraction de seconde. Une idée répandue en physique et en neurosciences est que ces systèmes fonctionnent au mieux lorsqu’ils se situent exactement à la frontière d’un changement soudain de comportement, un point dit critique. Cette étude pose une question simple mais souvent négligée : si l’on ne dispose que d’un temps limité pour observer la réponse d’un système, ce bord est‑il vraiment le meilleur endroit pour opérer ?

Le point optimal n’est pas toujours à la frontière

Les auteurs étudient un modèle simplifié d’un circuit de type cérébral : un grand réseau d’unités émettrices de spikes qui s’excitent mutuellement en boucle. Un petit sous‑ensemble d’unités reçoit un signal externe, comme l’intensité d’une odeur ou d’un son, et un autre sous‑ensemble fournit la sortie. Une unité de lecture séparée ne réagit pas instantanément ; elle moyenne plutôt les spikes de sortie sur une fenêtre temporelle choisie, à la manière d’un seau qui se remplit et se vide lentement. Deux réglages contrôlent le système. L’un fixe la force d’excitation entre les unités, ce qui détermine la proximité du réseau par rapport à un point critique où l’activité exploserait ou s’éteindrait. L’autre règle détermine la durée pendant laquelle la lecture collecte les spikes avant de rendre un verdict.

Quand plus de sensibilité apporte plus de confusion

Près du point critique, le réseau devient extrêmement sensible aux petites variations d’entrée, ce qui est en général bénéfique. Mais dans ce régime, l’activité fluctue aussi fortement et plus lentement au fil du temps. Les auteurs montrent que ces tremblements internes peuvent brouiller le signal si l’on n’observe que pendant un court laps de temps. Pour quantifier cela, ils définissent à quel point un observateur idéal pourrait distinguer deux niveaux d’entrée différents en ne regardant que la sortie, et ils comptent combien d’entrées distinctes peuvent être distinguées de manière fiable en maintenant la probabilité d’erreur en dessous d’un seuil choisi. Ils généralisent ensuite la mesure classique de « plage dynamique », qui décrit l’étendue des intensités d’entrée qu’un système peut coder, de façon à prendre explicitement en compte ces fluctuations bruitées.

Les observateurs limités dans le temps favorisent des réseaux plus calmes

En utilisant des calculs exacts dans deux limites extrêmes — lecture instantanée et moyenne infiniment longue — ainsi que de vastes simulations numériques pour les cas intermédiaires, les auteurs tracent comment la performance de discrimination dépend à la fois du couplage du réseau et du temps de lecture. Pour tout temps d’observation fini, ils constatent que la meilleure performance n’a pas lieu exactement au point critique. À la place, il existe un réglage « sous‑critique » optimal où le réseau reste sensible mais où ses fluctuations sont davantage contenues, permettant à la lecture de former une image plus nette dans le temps disponible. À mesure que la fenêtre d’intégration s’allonge, ce point optimal se rapproche de la criticalité, car la lecture a le temps d’êtrer moyennée sur les fluctuations sauvages et de tirer parti de la sensibilité accrue.

Implications pour les cerveaux et les machines

Ce compromis entre sensibilité et fiabilité apparaît chaque fois qu’un système bruité avec de fortes interactions internes doit prendre des décisions rapidement. Les auteurs soutiennent que leurs résultats aident à expliquer pourquoi les mesures issues de cerveaux réels montrent des échelles de temps de traitement finies plutôt qu’un comportement parfaitement critique et infiniment lent. De nombreuses décisions perceptives chez les animaux se prennent en bien moins d’une seconde, si bien que des réseaux légèrement éloignés de la criticalité peuvent offrir un meilleur compromis entre rapidité et précision. Les résultats suggèrent aussi des règles de conception pour des systèmes artificiels, tels que les réseaux neuronaux récurrents et les dispositifs physiques de « reservoir computing » : si la lecture est presque instantanée, le réseau interne devrait rester plus éloigné de la criticalité ; si la lecture peut intégrer sur de longues périodes, l’appareil peut être réglé plus près de la frontière pour gagner en sensibilité sans sacrifier la fiabilité.

Trouver l’équilibre plutôt que la perfection

En termes quotidiens, l’étude montre que « monter la sensibilité à fond » n’est pas toujours avisé lorsqu’il faut décider rapidement et composer avec le bruit. Pour des temps d’observation finis, il existe un point idéal légèrement en dessous de l’état le plus excitable, où les signaux restent suffisamment forts pour être remarqués sans être tellement instables qu’ils se confondent. Cet équilibre entre réactivité et confiance peut être un principe général expliquant comment les systèmes vivants et artificiels s’accordent aux exigences des tâches du monde réel.

Citation: Azizpour, S., Priesemann, V., Zierenberg, J. et al. Finite integration time can shift optimal sensitivity away from criticality. Commun Phys 9, 119 (2026). https://doi.org/10.1038/s42005-026-02584-w

Mots-clés: criticalité, réseaux neuronaux, plage dynamique, traitement de l’information, temps d’intégration