14 janvier 2026

Avec son équipe, Dr Mark Brandon, chercheur au Centre de recherche Douglas et professeur agrégé au département de psychiatrie de l’Université McGill, vient de publier un article qui examine comment l’hippocampe apprend à partir de l’expérience pour prédire les récompenses futures. L’article, intitulé « Predictive Coding of Reward in the Hippocampus » (Codage prédictif de la récompense dans l’hippocampe), a été publié le 14 janvier 2026 dans Nature. Ce travail est le fruit d’une collaboration avec un autre chercheur du Douglas, le Dr Sylvain Williams, et le groupe du Dr Cengiz Pehlevan à l’Université Harvard.

À retenir

L’étude révèle que l’hippocampe fait bien plus que cartographier les environnements spatiaux. Il réorganise dynamiquement son activité pour anticiper les récompenses futures. Au fil du temps, la représentation de la récompense dans les neurones hippocampiques diminue, tandis que la représentation des indices qui prédisent les récompenses devient plus forte. Les neurones individuels déplacent progressivement leur activité vers le passé, passant de l’encodage de la récompense elle-même à l’encodage des événements qui la prédisent. Ces changements sont cohérents avec les prédictions d’un modèle d’apprentissage par différence temporelle, ce qui suggère que la dynamique hippocampique s’aligne sur les principes de l’apprentissage par renforcement.

Pourquoi c’est important

Comprendre comment l’hippocampe prédit les récompenses futures est essentiel pour faire progresser nos connaissances sur l’apprentissage et la mémoire. Cette découverte établit un lien entre les neurosciences et l’intelligence artificielle en fournissant des éclairages sur la manière dont le codage prédictif soutient la prise de décision et le comportement adaptatif. Elle pourrait également avoir des implications pour la compréhension et le traitement des troubles liés au traitement des récompenses, tels que la dépendance et la dépression.

Méthodologie

Les chercheurs ont enregistré l’activité des neurones CA1 chez des souris en utilisant l’imagerie calcique montée sur la tête pendant plusieurs semaines. Au cours de cette période, les souris ont effectué une tâche sur écran tactile de type “non-correspondance différée à la localisation”, nécessitant mémoire et prise de décision. L’équipe a appliqué des méthodes analytiques avancées pour suivre l’évolution des représentations de la récompense et des indices précédant la récompense au fil du temps. Elle a également développé un modèle computationnel basé sur l’apprentissage par renforcement avec différence temporelle (TDRL) afin d’expliquer la dynamique neuronale observée.

Résultats

Les résultats montrent que l’encodage de la récompense dans l’hippocampe diminue avec l’expérience, tant au niveau de la population qu’au niveau des cellules individuelles. En revanche, la représentation des indices prédictifs de la récompense, tels que les touches sur l’écran et les mouvements d’approche, devient de plus en plus marquée. Environ 21 % des neurones initialement accordés à la récompense ont déplacé leur activité vers le passé pour encoder les indices prédictifs. Les simulations utilisant un modèle d’apprentissage par différence temporelle ont reproduit ces décalages vers l’arrière, confirmant que le codage prédictif peut émerger des signaux d’erreur de prédiction de récompense.

Interprétation

Ces résultats indiquent que l’hippocampe n’est pas une carte spatiale statique, mais un moteur prédictif qui réorganise son codage pour anticiper les récompenses futures. En déplaçant sa représentation vers les indices qui annoncent les récompenses, l’hippocampe optimise l’apprentissage et le comportement. Cette dynamique reflète les signaux d’erreur de prédiction de récompense observés dans les neurones dopaminergiques, ce qui suggère que l’apprentissage prédictif implique un réseau plus vaste comprenant à la fois l’hippocampe et les circuits dopaminergiques.

Perspectives

Les recherches futures examineront comment ces dynamiques hippocampiques interagissent avec le système dopaminergique et d’autres régions cérébrales. Des études chez l’humain pourraient déterminer si un codage prédictif similaire se produit lors de tâches d’apprentissage complexes. Ces découvertes pourraient inspirer le développement de modèles d’intelligence artificielle informés par la biologie, intégrant des mécanismes prédictifs similaires à ceux de l’hippocampe. De plus, comprendre ces processus pourrait conduire à de nouvelles approches pour traiter les troubles liés à la mémoire et à la récompense.

L’étude

Yaghoubi, M., Kumar, M.G., Nieto-Posadas, A. et al. Predictive coding of reward in the hippocampus. Nature (2026). https://doi.org/10.1038/s41586-025-09958-0