Comment le sens du nombre apparait chez l’être humain?

Nous utilisons tous les mathématiques dans notre vie de tous les jours, pour faire la monnaie dans un magasin, pour dire l’heure, pour choisir la file la plus courte au supermarché. La recherche suggère que le raisonnement numérique, essentiel pour notre fonctionnement, vient d’une capacité très basique qui est indépendante de la culture et de la langue: une capacité fondamentale d’estimer une quantité approximative d’items dans un ensemble sans les compter. Alors que de telles intuitions numériques sont communes à tous les adultes, leurs origines développementales sont pour l’instant méconnues. En fait, des études précédentes ont montrées que les bébés aussi jeunes que 6 mois pouvaient différencier des groupes d’objets composés de différents nombres d’items. Cependant ce n’est pas très clair de savoir si les bébés comparent ces groupes basés sur le nombre ou bien basés sur d’autres aspects non-numériques des quantités puisque les 2 sont inévitablement liés (Figure A)

Aujourd’hui, certaines théories suggèrent que notre sens du nombre est inné alors que d’autres maintiennent que les bébés peuvent seulement effectuer des jugements très généraux (de type “plus ou moins “) sans être capable de représenter les nombres indépendamment d’autres magnitudes parallèles.

Des capacités à distinguer les quantités à 3 mois et endormis!

Dans notre expérience, des nourrissons de 3 mois ont écouté des séquences composées soit de 4 sons, soit de 12 sons caractérisés par des durées et fréquences variables (Figure B).Pendant ce temps, nous avons enregistré leurs réponses cérébrales grâce à de l’electroencéphalographie à haute densité. Pour savoir si les nourrissons ont été capables d’estimer le nombre de tons dans les séquences, nous avons utilisé une technique basée sur l’intelligence artificielle. Plus précisément, nous avons entrainé des algorithmes  de machine learning afin de différencier les réponses neurales 4 VS 12 à travers des sessions multiples. Dans chaque session, nous avons seulement inclus certaines des séquences présentées dans la figure B.

Une fois l’apprentissage complété, nous avons testé si les algorithmes pouvaient deviner si c’était 4 ou 12 à partir des réponses neurales de séquences auditives non entraînées caractérisées par différentes caractéristiques quantitatives. Globalement cette stratégie nous a permis d’éviter de commettre des erreurs d’effets de fréquence et durée pour le traitement numérique.

Nous avons trouvé que les nourrissons encodaient les nombres approximatifs des sons composant les séquences d’une manière automatique (ils étaient endormis !!) et indépendamment d’autres quantités non-numériques qui définissaient les stimuli (telles que la fréquence et la durée).

Des capacités cross-modales!

Comment se fait-il que notre cerveau soit équipé avec un mécanisme primitif pour l’extraction de l’information numérique si précocement ? Après tout, à 3 mois et durant le sommeil, les nombres approximatifs ne semblent pas si pertinents à représenter… Nous pensons que les nombres puissent être spéciaux car c’est la seule quantité qui traverse/dépasse les sens, le temps et l’espace (par exemple “4 doigts”, “4 parfums”, “4 sons” n’ont perceptivement rien en commun mais partagent le même concept numérique). Etant donné cette considération, nous nous sommes demandés si les représentations numériques de nos jeunes participants étaient en effet abstraites. Certains des bébés ont pu être exposés à des présentations visuelles d’objets colorés (figure C).

Dans ce cas 4 et 12 étaient présentés dans un format complètement different:l’information était vue et plus entendue; c’était distribué dans l’espace (donc en simultané) et plus dans le temps (donc en séquentiel) et pour finir les bébés étaient réveillés et non endormis. De façon surprenante, nous avons trouvé que nos algorithmes de machine learning entraînés à distinguer 4 et 12 à partir des réponses cérébrales aux séquences auditives étaient capables d’estimer si le bébé avait vu 4 ou 12 objets à partir des réponses cérébrales collectées lors de la tâche visuelle.

En conclusion, nous avons prouvé que les très jeunes bébés extraient l’information numérique de l’environnement de façon automatique et ce indépendamment de sa modalité.

Résumé initial anglais de Giulia GENNARI.

 Marie Palu