Une aide auditive pilotée par le cerveau ? Décoder l’attention pour amplifier la bonne voix
Les aides auditives modernes savent déjà analyser la direction du son, le bruit, la parole et le rapport signal/bruit. Mais comment savoir quelle personne l’utilisateur veut réellement écouter ? Une étude de Nature Neuroscience répond avec une interface cerveau-machine en boucle fermée.
Étude principale analysée
Choudhari V., Nentwich M., Johnson S., et al. Real-time brain-controlled selective hearing enhances speech perception in multi-talker environments. Nature Neuroscience. 2026. DOI : 10.1038/s41593-026-02281-5.
Le véritable défi : savoir qui l’on veut écouter
Les aides auditives modernes savent déjà analyser la direction du son, le bruit ambiant, la présence de parole, l’environnement acoustique, le rapport signal/bruit et utilisent plusieurs microphones, parfois avec des réseaux neuronaux. Elles ne se contentent pas d’amplifier tous les sons : elles adaptent leur traitement en fonction du contexte.
Le problème étudié ici est différent : comment savoir quelle personne l’utilisateur veut réellement écouter ? Dans un restaurant, plusieurs conversations se chevauchent. L’aide auditive ne sait pas laquelle intéresse son porteur.
L’Auditory Attention Decoding (AAD) propose une approche radicale : utiliser l’activité cérébrale pour identifier la conversation sélectionnée par l’attention. Le cerveau « sait » déjà quelle voix il suit. Il suffit de lire ce signal.
À retenir
| Paramètre | Valeur |
|---|---|
| Participants contrôlant le système par iEEG | 4 |
| Type de mesure | iEEG intracrânien |
| Précision du décodeur offline | 72,0 à 90,3 % |
| Fenêtre de décision | 4 s |
| Mise à jour | 0,5 s |
| Historique neuronal | 400 ms |
| TMR possible | jusqu’à ±9 dB |
| Amélioration moyenne ON vs OFF | +12 dB TMR |
| Préférence système ON | 75 à 95 % des essais |
| Temps moyen de changement d’interlocuteur | 5,1 s |
| Validation secondaire avec perte auditive | 40 participants |
À noter : les 40 personnes présentant une perte auditive n’ont pas contrôlé elles-mêmes le système avec leur activité cérébrale.
Le principe général en un schéma
Participants et protocole
L’étude porte sur 4 participants, tous patients suivis pour épilepsie et porteurs d’électrodes intracrâniennes déjà implantées pour raisons médicales. Leur audition était normale auto-déclarée.
Électrodes sensibles à la parole
| Participant | Électrodes |
|---|---|
| S1 | 48 |
| S2 | 38 |
| S3 | 42 |
| S4 | 21 |
Les deux conversations étaient diffusées à −15° et +15°. Le niveau final était de 65 dB SPL. Chaque conversation comportait deux acteurs parlant à tour de rôle.
L’activité cérébrale analysée
Basses fréquences
Les basses fréquences analysées se situent autour de 1–30 Hz.
Le texte principal indique 1–30 Hz, tandis qu’une figure étendue utilise 0,5–30 Hz.
High-gamma
La bande high-gamma couvre 70–150 Hz. Il ne s’agit pas d’une lecture directe des pensées, mais d’une mesure de l’activité neuronale locale corrélée à l’enveloppe de la parole perçue.
Le modèle mathématique : une régression linéaire
Le décodeur principal de l’étude Nature 2026 utilise une régression linéaire, et non un réseau neuronal profond. Le système reconstruit l’enveloppe de la parole écoutée à partir de l’activité cérébrale :
ĕ(t) = Σc Σb Στ wc,b,τ · xc,b(t − τ)
| Symbole | Signification |
|---|---|
| x | activité cérébrale |
| c | électrode |
| b | bande fréquentielle |
| τ | délai temporel |
| w | coefficient appris |
| ĕ(t) | enveloppe de parole reconstruite |
Le système utilise 400 ms d’activité cérébrale précédente pour reconstruire l’enveloppe.
Corrélation et décision
L’enveloppe reconstruite est comparée aux enveloppes des deux conversations grâce à la corrélation de Pearson :
ri = Σt(ĕt − ē̂)(ei,t − ēi) / √[Σt(ĕt − ē̂)² · Σt(ei,t − ēi)²]
Si r₁ > r₂, la conversation 1 est sélectionnée. Sinon, la conversation 2 est choisie.
La fenêtre temporelle : un compromis précision/vitesse
La fenêtre de décision est de 4 secondes. Une nouvelle décision est prise toutes les 0,5 seconde. Donc : plus long = plus robuste, mais aussi plus long = plus lent.
Précision exacte du décodeur offline
| Participant | Précision offline |
|---|---|
| S1 | 72,0 % |
| S2 | 87,3 % |
| S3 | 90,3 % |
| S4 | 77,0 % |
Avec deux conversations candidates, la probabilité du hasard est de Phasard = 50 %.
Ces valeurs correspondent à la précision offline du décodeur, et non à une précision clinique universelle.
Une véritable boucle fermée cerveau → son → cerveau
Le lissage par modèle de Markov
Les décisions ne modifient pas brutalement le son toutes les 500 ms. Les chercheurs utilisent un modèle de Markov à 5 états pour lisser les transitions et éviter les bascules erratiques.
TMR — Target-to-Masker Ratio
TMR = 10 · log₁₀(PT / PM)
PT = puissance cible, PM = puissance masqueur.
À −6 dB
10−6/10 = 0,251
La cible possède 25,1 % de la puissance du masqueur. En considérant les deux conversations à puissance totale constante : cible ≈ 20,1 %, masqueur ≈ 79,9 %.
À +9 dB
109/10 = 7,94
La cible = 7,94 × la puissance du masqueur, soit environ 88,8 % de la puissance des deux conversations réunies.
+12 dB
1012/10 = 15,85
+12 dB de TMR signifie que le rapport de puissance cible/masqueur est multiplié par environ 15,85.
À ne pas écrire : « la voix devient 15,85 fois plus forte ». Le volume global n’augmente pas : c’est le rapport relatif entre les deux conversations qui change.
L’expérience principale
Chaque participant réalisait 20 essais. Chaque essai durait 38 secondes, structuré en trois phases :
En OFF, le TMR était de −6 dB. En ON, le système augmentait le TMR jusqu’à +9 dB.
Résultat : +12 dB de TMR en moyenne
Le résultat moyen est de ≈ +12 dB de TMR entre OFF et ON. Il s’agit d’un changement du rapport relatif entre la conversation cible et la conversation concurrente.
La puissance acoustique globale était maintenue constante. Le volume général n’augmente pas de 12 dB : c’est le rapport cible/masqueur qui est modifié.
Préférence utilisateur
Les participants ont préféré le système actif dans 75 à 95 % des essais selon les participants, avec une significativité statistique de P < 0,001.
La relation entre précision du décodeur et préférence montre β = 0,042 et P = 0,0008.
e0,042 = 1,043
+1 point de pourcentage de précision du décodeur correspondait à environ +4,3 % sur les odds de préférence du système.
Le terme « odds » (rapport de chances) est employé ici, et non « +4,3 % de probabilité ».
Pupillométrie
Les données pupillométriques exploitables concernaient seulement 2 participants sur 4. Chez ces deux participants, le diamètre pupillaire diminuait significativement avec le système actif, ce qui est compatible avec une diminution de l’effort d’écoute.
Valeurs : S2 (P = 0,0008), S3 (P = 0,042).
Changement de locuteur
Le temps moyen de changement d’interlocuteur est de 5,1 secondes.
| Participant | Temps |
|---|---|
| S1 | 7,0 s |
| S2 | 4,5 s |
| S3 | 5,0 s |
| S4 | 4,0 s |
Cette latence dépend de la fenêtre de 4 s, du compromis précision/vitesse et du lissage de Markov. Les auteurs estiment qu’une fenêtre de 4 s induit environ 2 s de latence intrinsèque.
5,1 s n’est pas une limite biologique mais un compromis technique.
Changements spontanés d’attention
Une condition expérimentale autorisait les changements volontaires/spontanés d’attention. Cette condition libre comportait 13 essais, tandis que le contrôle inversé n’en comptait que 3. Ces résultats doivent être traités comme exploratoires.
Et chez les personnes malentendantes ?
40 participants présentant une perte auditive ont participé à la validation secondaire. Âge moyen : 40 ans (SD : 13 ans, plage : 20–73 ans). Hommes : 25/40.
Les audiogrammes de la cohorte sont globalement décrits comme compatibles avec une perte neurosensorielle légère à modérée, mais la discussion évoque également des bénéfices chez des participants présentant des pertes modérées à sévères.
Statistiques de préférence
t39 = 17,53 · P < 0,001 · d = 1,36
Intelligibilité
t39 = 9,50 · P < 0,001 · d = 1,06
Ce que cette partie de l’étude ne montre PAS
Les 40 personnes malentendantes :
- n’avaient pas d’iEEG
- n’ont pas piloté le système avec leur propre cerveau
- ont écouté des enregistrements générés auparavant par le dispositif contrôlé par les participants iEEG
Le papier montre que le signal produit par le système peut bénéficier à des personnes avec perte auditive, mais pas encore qu’une personne malentendante peut contrôler elle-même en temps réel une aide auditive avec son cerveau.
IA ou interface cerveau-machine ?
L’étude Nature 2026 utilise une régression linéaire + BCI + traitement adaptatif. Il ne s’agit pas de deep learning pour le décodeur principal.
BISS — Brain-Informed Speech Separation
Source : Ceolini et al., NeuroImage 2020. C’est ici que le deep learning est réellement utilisé pour intégrer directement le cerveau dans la séparation de parole :
Et si les électrodes entraient dans l’oreille ?
Source : Geirnaert et al., Scientific Reports 2025. Comparaison pour des fenêtres de 60 secondes :
| EEG | Précision |
|---|---|
| Scalp | 83,4 % |
| Around-ear | 67,2 % |
| In-ear | 61,1 % |
Limites : 15 participants, jeunes, normo-entendants. Seulement 6/15 significatifs pour l’in-ear après correction pour comparaisons multiples. Une fenêtre de 60 secondes est beaucoup trop lente pour une conversation naturelle. Cette technologie n’est pas prête pour l’aide auditive.
Et dans une vraie pièce ?
L’expérience principale disposait des sources de parole séparément. Dans la vraie vie :
x(t) = s₁(t) + s₂(t) + n(t) + r(t)
Avec s₁, s₂ = conversations, n = bruit, r = réverbération.
Les auteurs ont testé secondairement une séparation algorithmique des voix. Corrélation avec les résultats obtenus sur sources propres :
r = 0,974 · R² = 0,948
Un résultat encourageant de faisabilité, et non une validation complète en conditions réelles.
Ce que l’étude démontre réellement
| Affirmation | Verdict |
|---|---|
| L’activité cérébrale peut identifier la conversation écoutée | OUI |
| Le décodage peut piloter le mélange sonore en boucle fermée | OUI |
| Le TMR peut être modifié selon l’attention | OUI |
| Les participants préfèrent généralement le système actif | OUI |
| Le système peut suivre un changement volontaire d’attention | OUI |
| Des personnes malentendantes bénéficient du signal produit | OUI, validation secondaire |
| Les personnes malentendantes pilotent leur propre système | NON |
| Le système utilise un Ear-EEG portable | NON |
| Le décodeur principal Nature est du deep learning | NON |
| Utilisation quotidienne démontrée | NON |
| Fonctionnement dans un restaurant réel démontré | NON |
Limites
| Limite | Situation |
|---|---|
| Participants contrôlant réellement le système | 4 |
| Type EEG | intracrânien |
| Audition principale | normale auto-déclarée |
| Latence moyenne de bascule | 5,1 s |
| Conditions | laboratoire |
| Sources | principalement disponibles séparément |
| Ear-EEG rapide | non démontré |
| Autonomie portable | non étudiée |
| Utilisation quotidienne | non démontrée |
Dans l’expérience principale, la condition OFF précédait toujours ON. Les auteurs reconnaissent que cela peut créer un effet d’ordre.
Conclusion : l’évolution des aides auditives
Étape 1
Aide auditive acoustique
Étape 2
Aide auditive utilisant l’IA acoustique
Étape 3
Audio + vision (cf. IA utilisant les mouvements des lèvres pour isoler une voix)
Étape 4
Audio + activité cérébrale
Étape 5 — horizon
Audio + vision + cerveau + contexte
L’enjeu des futures aides auditives pourrait ne plus être uniquement de déterminer quels sons sont présents, mais de comprendre quelle source sonore l’utilisateur souhaite réellement écouter.
Pour aller plus loin
IA utilisant les mouvements des lèvres pour isoler une voix
Le projet The Conversation d’Oxford : audio-visuel et séparation de parole
Comprendre dans le bruit
Pourquoi la parole dans le bruit est si difficile à suivre
J’entends mais je ne comprends pas
La différence entre audibilité et intelligibilité
Appareils auditifs
Les différentes technologies d’aides auditives
Questions fréquentes
Références scientifiques
Sources scientifiques
- Choudhari V., Nentwich M., Johnson S., et al. — Real-time brain-controlled selective hearing enhances speech perception in multi-talker environments.. Nature Neuroscience, 2026. Voir l'étude
- Ceolini E., Hjortkjær J., Wong D.D.E., et al. — Brain-informed speech separation (BISS) for enhancement of target speaker in multitalker speech perception.. NeuroImage, 223, 117282, 2020. Voir l'étude
- Geirnaert S., Kappel S.L., Kidmose P. — A direct comparison of simultaneously recorded scalp, around-ear and in-ear EEG for neural selective auditory attention decoding to speech.. Scientific Reports, 15, 41655, 2025. Voir l'étude
Vous avez des difficultés à comprendre dans le bruit ?
Nos équipes pluridisciplinaires vous accompagnent dans votre parcours de soins auditifs. Réalisez un bilan auditif gratuit dans l’une de nos cliniques.