Variabilité en neurosciences : pourquoi les mêmes données IRMf mènent à des conclusions différentes

Les neuroscientifiques du monde entier, confrontés aux mêmes scanners cérébraux, aboutissent souvent à des interprétations divergentes. Comment l'expliquer ? Quelles implications pour la fiabilité de la recherche sur le cerveau ?

Des chercheurs israéliens ont soumis 108 participants à une tâche de jeu impliquant des paris risqués, comme « 50 % de chances de gagner 12 euros et 50 % de perdre 11 euros. Acceptez-vous ? », tout en mesurant leur activité cérébrale par IRMf. Ces images ont été partagées avec 70 équipes internationales, invitées à tester neuf hypothèses prédéfinies. Par exemple, l'amygdale – région associée à la peur et à l'anxiété – s'active-t-elle davantage face à des pertes plus importantes ? Résultat frappant : les mêmes données génèrent des conclusions variées, malgré une cohérence notable des analyses intermédiaires.

Facteurs décisifs

Senne Braem, chercheuse à l'université de Gand et membre de l'équipe impliquée, éclaire ces écarts : « Les données brutes d'IRMf nécessitent un prétraitement subjectif. Le lissage des signaux, la correction des mouvements de tête ou le choix du logiciel statistique influencent les résultats. »

Restrictions

La recherche cérébrale a ses limites. Pour des activations évidentes, comme le cortex moteur gauche lors d'un mouvement de la main droite, 99 % des experts s'accordent. Mais les hypothèses subtiles, comme le lien entre pertes au jeu et activité amygdalienne, sont plus ardues : « Effrayer par un choc est simple ; évaluer profits et pertes l'est moins. » Les différences interindividuelles compliquent aussi les mesures, avec une faible corrélation même chez un même sujet à différents moments.

« Soyez prudent face aux articles sur la recherche cérébrale, mais ne les rejetez pas. » Senne Braem

Transparence

Les neuroscientifiques luttent contre cette variabilité via une transparence accrue : partage des hypothèses, méta-analyses et « analyse multivers » (exploration de multiples méthodes d'analyse). Des outils émergent pour faciliter cela, malgré le temps requis.

Un pas en arrière et un pas en avant

« La recherche IRMf est jeune et immature, mais prometteuse », note Braem. « Nous identifions progressivement les schémas fiables. » Cette étude souligne les biais analytiques, tout en boostant la transparence scientifique. Restez critique, mais confiant.

Source : Nature