Cette IA finlandaise dévoile pourquoi nos yeux sautent des mots en lisant

Des chercheurs de l’université Aalto en Finlande ont développé une intelligence artificielle capable de reproduire avec une précision inédite les mouvements de nos yeux pendant la lecture. Plus fort encore : elle explique pourquoi notre cerveau saute automatiquement certains mots sans que nous nous en rendions compte.

Quand l’IA devient microscope du cerveau

Lire semble simple : nos yeux parcourent les lignes, notre cerveau décode. Pourtant, ce processus cache une mécanique d’une sophistication redoutable. « Pour la première fois, nous avons utilisé des méthodes d’IA pour comprendre, et non simplement imiter, comment les gens lisent », explique le professeur Antti Oulasvirta de l’université Aalto dans un communiqué.

Publiée dans la prestigieuse revue Nature Human Behaviour, cette recherche menée conjointement avec la Hong Kong University of Science and Technology, la City University of Hong Kong et la National University of Singapore inverse le paradigme habituel de l’intelligence artificielle. Au lieu de chercher à rendre les machines plus humaines, les scientifiques utilisent ici l’IA comme un instrument d’observation du fonctionnement cognitif humain.

Le modèle repose sur une architecture à trois niveaux de décision. Au niveau le plus bas, il détermine quelles lettres examiner pour reconnaître un mot. Le niveau intermédiaire gère les déplacements entre mots, incluant les sauts et retours en arrière. Enfin, le niveau supérieur évalue le texte dans son ensemble et décide quand revenir sur des passages déjà lus.

Une précision troublante : 99,99 % de corrélation avec l’humain

Pour valider leur modèle, les chercheurs ont constitué un nouveau jeu de données impliquant 71 participants. Trente-neuf volontaires ont été suivis par un dispositif de suivi oculaire (eye-tracking) tandis que 32 autres répondaient à des questionnaires de compréhension, le tout sous contrainte temporelle : 30, 60 ou 90 secondes par texte.

Les résultats sont spectaculaires. Avec plus de temps disponible, la vitesse de lecture humaine diminue naturellement de 191 à 166 mots par minute en moyenne. Dans le même temps, le taux de mots sautés recule et les « régressions » — ces retours en arrière du regard — augmentent. La compréhension grimpe en parallèle, passant de 59 % à 83 % de bonnes réponses.

La simulation reproduit chacune de ces tendances avec une corrélation de 0,9999 entre résultats humains et prédictions du modèle. Selon Futura Sciences, une version du modèle dotée d’une mémoire illimitée reproduit nettement moins fidèlement le comportement humain, confirmant que nos contraintes cognitives façonnent activement notre manière de lire.

Le cerveau, champion de l’optimisation sous contrainte

L’apport majeur de cette recherche réside dans son principe fondateur : les lecteurs disposent de ressources limitées en temps, mémoire et capacité d’attention visuelle. Le modèle a été entraîné par apprentissage par renforcement — la même technique utilisée en robotique — pour maximiser la compréhension dans ces conditions contraintes.

Résultat : l’IA a spontanément développé des stratégies de lecture étonnamment similaires à celles des humains. Elle saute les mots courts, fréquents ou prévisibles (articles, prépositions), fixe plus longuement les termes rares ou complexes, et revient en arrière lorsque le sens d’une phrase lui échappe.

« Notre cerveau ne lit pas chaque mot », souligne Actualidad Literatura. « Il prend des décisions constantes sur où fixer le regard et quelle information prioriser. » Cette « lecture sélective » n’est pas un défaut d’attention mais une stratégie d’efficacité optimale développée par notre architecture cognitive.

Des applications concrètes pour l’éducation et l’accessibilité

Au-delà de la prouesse scientifique, cette découverte ouvre des perspectives d’application concrètes. « L’intelligence artificielle pourrait modifier la manière dont on lit », suggère Futura Sciences, évoquant la possibilité de textes qui s’adaptent automatiquement au profil de chaque lecteur.

Pour les personnes dyslexiques — environ 10 % de la population mondiale selon les estimations —, ce modèle pourrait révolutionner le diagnostic et l’accompagnement. Plusieurs études récentes explorent déjà l’utilisation de l’eye-tracking combiné à l’IA pour détecter précocement les troubles de la lecture, avec des résultats prometteurs.

Les applications pourraient également transformer les interfaces de lecture numérique. Imaginez une liseuse qui ajuste automatiquement la taille des caractères, l’espacement ou la longueur des lignes en fonction de votre fatigue cognitive détectée par vos patterns oculaires. Ou des applications éducatives capables d’identifier précisément où un enfant bloque dans l’apprentissage de la lecture.

Dans le domaine de la réalité augmentée, les chercheurs évoquent des affichages plus intelligents qui présenteraient l’information en tenant compte de la façon naturelle dont nos yeux scannent l’environnement visuel.

Les limites et questions éthiques

Malgré son impressionnante précision, ce modèle comporte des limites. Il a été principalement entraîné sur des textes en anglais et des lecteurs adultes sans troubles cognitifs. Sa capacité à généraliser à d’autres langues — notamment celles qui s’écrivent de droite à gauche (arabe, hébreu) ou de haut en bas (chinois traditionnel) — reste à démontrer.

La recherche soulève également des questions éthiques importantes. Si nos mouvements oculaires deviennent aussi distinctifs qu’une empreinte digitale, comme le suggèrent certains travaux, cela crée à la fois des opportunités (authentification biométrique, ultra-personnalisation) et des risques (surveillance cognitive, profilage comportemental).

Comme le note Euronews, l’utilisation de technologies de suivi oculaire dans des contextes commerciaux ou éducatifs devra être encadrée pour éviter les dérives. Savoir précisément ce qu’un utilisateur lit, comment il le lit et ce qu’il comprend représente un niveau d’intrusion cognitive sans précédent.

Vers une révolution de la lecture personnalisée ?

Cette recherche pourrait également remettre en question un marché lucratif : celui de la lecture rapide. De nombreuses méthodes commerciales promettent d’atteindre 1 000 mots par minute ou plus. Pourtant, une méta-analyse de 2019 portant sur 18 573 participants établit la vitesse moyenne de lecture silencieuse à 238 mots par minute, avec un plafond biologique autour de 500 mots par minute pour maintenir une vraie compréhension.

Si ce modèle d’IA confirme que notre cerveau saute déjà optimalement certains mots en fonction du contexte, cela invaliderait l’idée qu’on puisse « entraîner » notre cerveau à lire beaucoup plus vite sans sacrifier la compréhension. Le cerveau ferait déjà ce que les méthodes de speed-reading prétendent enseigner.

À moyen terme (1 à 3 ans), les experts anticipent l’extension du modèle à d’autres langues et systèmes d’écriture, ainsi que des partenariats potentiels avec des éditeurs de liseuses comme Amazon (Kindle) ou Kobo pour tester des interfaces adaptatives. Des applications pilotes dans l’éducation spécialisée pourraient également voir le jour.

Conclusion : l’IA comme outil de connaissance scientifique

Cette avancée illustre une évolution majeure de l’intelligence artificielle : de simple outil de productivité, elle devient instrument de découverte scientifique. En révélant les mécanismes cachés de notre cognition, elle nous aide à mieux comprendre ce qui nous rend humains.

Reste une question ouverte : si une IA peut modéliser la lecture avec une telle précision, que révélera-t-elle d’autre sur notre fonctionnement mental ? La créativité, la prise de décision, les émotions pourraient-elles être décodées par des modèles similaires ? Et surtout, jusqu’où voulons-nous que cette transparence cognitive aille ?