Sophie Deneve

Lauréate d'une ERC Starting Grant 2012

Laboratoire de neurosciences cognitives (LNC) - Inserm/ENS Paris

Sophie Deneve est normalienne de formation et soutient sa thèse en 2003 à l’Université de Rochester aux Etats-Unis. Elle réalise ensuite un post-doctorat au sein de l’Unité de neurosciences computationnelles Gatsby du Collège universitaire de Londres (UCL) au Royaume-Uni, puis intègre, en 2004, l’Institut des sciences cognitives (ISC) du CNRS à Lyon. En 2005, elle obtient une bourse d’excellence Marie Curie pour créer, avec Boris Gutkin, le Groupe de neurosciences théoriques (GNT) à l’Ecole normale supérieure (ENS) de Paris. Cette équipe travaille sur le codage neural, l’apprentissage et la décision, avec un intérêt particulier pour la représentation et la gestion des incertitudes. Elle parvient à établir un modèle influent d’intégration multi-sensorielle et démontre, grâce à des enregistrements neurophysiologiques dans l’aire VIP, qu’un tel processus a effectivement lieu au sein du cerveau. Elle propose alors un mécanisme par lequel les réseaux sensorimoteurs pourraient intégrer l’information sensorielle et motrice de façon optimale. Une telle intégration est très vite vérifiée par le biais d’études comportementales réalisées directement chez l’être humain. Convaincue que les mêmes principes de gestion de l’incertitude s’appliquent également aux structures microscopiques, l’équipe de Sophie Deneve s’intéresse aujourd’hui aux codages dans les neurones uniques, les potentiels d’action et les synapses. Elle relève ainsi l’un des plus grands défis des neurosciences, celui de découvrir les principes qui relient la biophysique des neurones au comportement.

Codage prédictif par potentiel d'action : comment les réseaux neuronaux adaptent leur dynamique à leur fonction (Predispike)

Malgré toutes les connaissances accumulées sur la biophysique et la dynamique des neurones, il existe des aspects trop souvent mis de côté. Les potentiels d’action sont considérés comme des molécules dans un gaz et ne prennent donc de signification que dans leur participation à un comportement collectif, ici le taux de décharge moyen. De même, alors que les approches neurophysiologiques sont descriptives (modèle d’encodage), les approches fonctionnelles sont quant à elles représentatives (modèle de décodage). La translation de résultats d’un niveau d’analyse à un autre, du comportement au réseau neural ou au neurone, est donc particulièrement compliquée. Le but du projet « Predispike » est de développer une approche alternative, basée sur l’idée que les potentiels d’action représentent des erreurs de prédiction et que les réseaux de neurones ferment eux-mêmes la boucle en minimisant la différence entre leurs entrées (encodage) et leur propre prédiction de ces entrées (décodage). Ce principe explique la balance entre l’excitation et l’inhibition neuronale, ainsi que l’extrême variabilité des réponses des neurones corticaux, tout en suggérant une forme entièrement nouvelle de codage. Permettant de prédire la dynamique d’un réseau à partir de sa fonction comportementale et vice-versa, ce principe est utilisé par les chercheurs pour développer de nouvelles approches expérimentales des représentations sensorielles, des enregistrements multi-unitaires, de l’attention et de la neuro-modulation.