Lire une phrase dans le cerveau, sans implant

Meta AI dévoile Brain2Qwerty v2, un modèle non invasif décodant l'activité cérébrale MEG en phrases textuelles avec une précision moyenne par mot de 61%.

Meta AI partage Brain2Qwerty v2, une nouvelle étape de ses travaux sur le décodage brain-to-text non invasif.

La première version, publiée dans Nature Neuroscience, montrait déjà qu’un modèle pouvait reconstruire des phrases tapées à partir d’enregistrements EEG ou MEG, avec un net avantage pour la magnétocéphalographie. La v2 pousse le dispositif plus loin : environ 22 000 phrases ont été enregistrées auprès de neuf volontaires, chacun équipé d’un casque MEG pendant dix heures, puis utilisées pour entraîner un pipeline capable de passer des signaux cérébraux bruts à des phrases cohérentes. Meta indique une précision moyenne de 61% au niveau des mots, et jusqu’à 78% pour le meilleur participant, avec environ la moitié des phrases décodées avec au plus une erreur.

La différence se joue aussi dans l’architecture : Brain2Qwerty v2 combine représentations caractère, mot et phrase, avec un LLM fine-tuné pour exploiter le contexte sémantique. Le code de Brain2Qwerty v1 et v2 est publié, tandis que le BCBL met à disposition le dataset v1. Reste une réserve importante : ces résultats concernent encore des volontaires en bonne santé, dans un contexte MEG de laboratoire. Le passage à des patients privés de communication reste l’étape décisive.