Soutenance de thèse

Au-delà de l'illusion introspective : Une approche de l'interface cerveau-ordinateur pour la prise de décision

Intervenant(s)
Benjamin Rebouillat
Informations pratiques
27 novembre 2020
14h
Lieu

En ligne

LSCP

Résumé : Nous concevons d’ordinaire nos choix comme conscients et sous notre contrôle. Toutefois, de nombreuses études montrent que nos processus introspectifs sont largement illusoires. Dans notre première partie, nous proposons que l’introspection peut être conceptualisée comme un processus d’inférence hiérarchique, et nous avançons une nouvelle approche pour en étudier les mécanismes sous-jacents. A cette fin, nous employons un protocole de prise de décision dans lequel les sujets ne peuvent accéder ni à leurs informations motrices, ni à des informations de haut niveau. En outre, nous mesurons les signaux neuronaux impliqués dans la prises de décision ainsi que la conscience que les sujets ont de leurs décisions. Cette thèse se penche sur deux questions: Premièrement sous quelles conditions peut-on être conscient de ses décisions? Deuxièmement pouvons nous accéder à nos processus mentaux par l’introspection, ou cette dernière n’est elle qu’une illusion? Nos résultats suggèrent, qu’en dépit d’un sentiment de richesse subjective, nous n’avons qu’un accès partiel aux contenus de nos décisions. Si l’on peut savoir qu’une décision est imminente, son contenu échappe à la conscience. Toutefois, les sujets peuvent accéder à une représentation interne de leur choix a posteriori. Nos résultats soulignent cependant que cet accès reflète un processus intégratif au terme duquel notre introspection assimile à la fois des données internes et des informations exogènes. Les illusions introspectives sont dès lors le résultats d’une intégration déséquilibrée entre ces différents éléments. En conclusion, cette thèse offre de nouvelles perspectives ainsi que des outils méthodologiques pour l’étude de l’émergence de la conscience des décisions. Nos résultats convergent vers l’idée que la connaissance de soi est un processus d’inférence bayésien organisé hiérarchiquement et impliquant de multiples informations.

Jury :
Claire Sergent (Université Paris Descartes)
Elisa Flevich
Lucie Charles (UCL)
Valerian Chambon
(IJN/ENS)
Sid Kouider (LSCP/ENS - PhD supervisor)

Informations GoToMeeting : 
https://global.gotomeeting.com/join/792626445