Un modèle qui reproduit le balayage oculaire humain
Des chercheurs de l'université Aalto, en Finlande, rapportent dans la revue Nature Human Behaviour avoir entraîné un modèle d'intelligence artificielle à lire de la même manière qu'un humain si on lui impose des contraintes analogues à celles que rencontrent les lecteurs humains. La démarche pourrait, selon les auteurs, permettre à terme de personnaliser la présentation des textes sur nos écrans pour en faciliter la lecture.
Méthode : imposition de contraintes et apprentissage par renforcement
Plutôt que de chercher uniquement à imiter des trajectoires oculaires observées, l'équipe a choisi d'imposer au modèle des limites comparables à celles des humains : contraintes liées au langage, à la mémoire, à la vision et à la vitesse des mouvements oculaires. Le système a ensuite été placé « dans un monde contenant des millions de textes » et entraîné via l'apprentissage par renforcement pour optimiser ses déplacements oculaires en vue d'améliorer la compréhension du texte.
« Nous avons placé le modèle dans un monde contenant des millions de textes. Ensuite, grâce à l'apprentissage par renforcement basé sur l'IA, nous l'avons entraîné à optimiser les mouvements oculaires afin qu'il comprenne vraiment ce qu'il lit »
Les décisions du modèle ont été comparées à des données issues de suivi oculaire humain. Les chercheurs indiquent avoir observé des comportements similaires entre l'IA et les sujets humains, ce qui suggère que ce sont bien les contraintes imposées qui expliquent, au moins en partie, le comportement de lecture chez les humains.
Implications : vers une lecture adaptée à chacun
Si ces résultats sont confirmés et généralisés, ils ouvrent la porte à des applications pratiques : adaptations automatiques du formatage du texte (taille, espacement, découpage en phrases), modifications de la présentation selon la capacité de mémoire de travail d'un lecteur, ou encore optimisations pour des utilisateurs présentant des particularités visuelles. Les auteurs évoquent la possibilité d'adapter le texte pour le rendre plus facile à lire pour chacun, sans toutefois présenter d'applications concrètes déjà déployées.
Contraintes identifiées et effets observés
Le travail met l'accent sur l'idée que la variabilité interindividuelle de la lecture ne provient pas uniquement d'habitudes culturelles, mais aussi de limites cognitives et perceptives. Les éléments mis en cause sont les suivants :
- Langage — influence la manière de parcourir le texte ;
- Mémoire — conditionne la quantité d'information retenue entre deux fixations ;
- Vision — affecte la portée et la précision du regard ;
- Vitesse des yeux — détermine la fréquence des fixations et des saccades.
| Contraintes imposées | Effet observé |
|---|---|
| Langage, mémoire, vision, vitesse oculaire | Influencent les déplacements du regard, le fait de lire chaque mot ou de sauter des passages |
Ce que dit la recherche — et ce qu'elle ne dit pas
Les résultats présentés sont expérimentaux et reposent sur la comparaison entre un modèle artificiel et des enregistrements oculaires humains. Ils renforcent l'hypothèse que des limites cognitives et perceptives suffisent à produire les motifs observés de lecture. En revanche, l'étude ne fournit pas encore de solution opérationnelle prête à être intégrée dans des produits grand public, ni d'évaluation longitudinale de l'efficacité d'une personnalisation automatique sur l'amélioration durable de la compréhension.
Reste que la démarche illustre une piste fertile pour l'intersection entre sciences cognitives et intelligence artificielle : plutôt que d'imiter aveuglément des trajectoires, on peut contraindre un modèle par des principes cognitifs et observer l'émergence d'un comportement comparable à celui des humains. À terme, cela pourrait influer sur la manière dont sont conçus interfaces et supports de lecture numériques.
