L'EEG ne lit pas les pensées : décodage vocal sans hype

L'EEG-texte reste limité par le signal, pas par le modèle

Le fait principal est simple : le décodage vocal non invasif par EEG ne ressemble toujours pas à une libre « pensée en texte ». La revue Frontiers sur le décodage de la parole cachée énumère clairement un faible SNR, des artefacts musculaires, une résolution spatiale médiocre et des problèmes pratiques de configuration ; la revue de 2025 y ajoute la variabilité inter-sujets et de petits corpus hétérogènes.

Il faut donc lire les démonstrations avec prudence. Un article Frontiers de 2024 rapporte une précision d'environ 70-80 % sur des tâches très restreintes, mais sur des scénarios plus complexes les chiffres tombent à environ 20-50 %. Ce n'est pas un « mauvais produit », c'est la physique du canal : électrode, gel, artefacts musculaires, session, individu particulier.

Ma première question pour toute annonce de ce type : qu'est-ce qui est décodé exactement ? Une phrase libre, un mot choisi, un symbole d'interface, une classe de scène ou une réaction à un stimulus ? Ces éléments sont souvent regroupés dans un titre accrocheur, bien que du point de vue de l'ingénierie ce soient des tâches différentes avec des coûts d'erreur différents.

Les pipelines réels sont souvent plus malins que les gros titres

La voie la plus fiable aujourd'hui n'est pas de « lire la pensée », mais de restreindre l'espace de choix. L'eye-tracking montre où la personne regarde, les ERP comme P300 confirment la réaction au symbole ou au mot voulu, et le modèle classifie non pas à partir d'un langage infini, mais d'un petit menu.

C'est là que le marketing commence souvent à jongler avec les mots. Si un système affiche un clavier, capture le regard sur un symbole et confirme le choix par un potentiel évoqué, cela peut être un BCI utile. Mais parler de « pensée en texte » à part entière est déjà exagéré.

Pour la vidéo, l'histoire est similaire. En une décennie, ce n'est pas la magie du décodage cérébral qui a fortement progressé, mais la qualité des générateurs : GAN, diffusion, DiT, flow matching. Le pipeline « signal -> classification de scène -> génération tape-à-l'œil » peut ressembler à la lecture de l'expérience visuelle, bien que l'EEG contienne souvent une sémantique grossière, pas une image précise.

Là où cela change vraiment la donne

La valeur réelle se trouve là où la tâche est encadrée dès le départ : sélection de commandes, jeux simples, interfaces à boutons, communication clinique, mouvements imaginés. Là, une bande passante faible ne gâche pas le scénario si le système est conçu honnêtement autour des contraintes.

Le principal risque est la précision inter-patients. Un modèle qui semble correct sur une personne ou une session peut s'effondrer sur un autre patient, un autre jour et un autre jeu d'électrodes. Les approches invasives obtiennent un bien meilleur signal, mais même là, la complexité du pipeline ramène vite tout le monde sur terre.

Ma conclusion brute : le BCI par EEG est vivant et parfois très utile, mais le « décodage de pensées » reste souvent un habillage pour un classifieur, une interface de sélection et un bon générateur. Ce qui est le plus intéressant ici, ce ne sont pas les démos tape-à-l'œil, mais la frontière honnête entre le signal et l'embellissement.

Nous avons déjà analysé des outils d'IA actuels pour la transcription et le résumé de réunions, comme Otter.ai et Granola. Leur précision et les risques d'hallucinations font écho au défi de convertir les signaux EEG en texte significatif, où l'interprétation des données est encore plus complexe.