inVibe

Inférence et Comportements Visuels

Les mouvements de nos yeux comme notre perception de l’environnement sont principalement dépendant de la capacité du système visuel à extraire des informations sur la position et le mouvement des objets dans l’environnement. L’équipe INVIBE cherche à comprendre comment ces informations visuelles sont extraites, comment elles sont filtrées en fonction du contexte et comment elles forment des représentations dynamiques servant à la programmation et au contrôle des mouvements oculaires saccadiques et de poursuite. L‘équipe combine des approches comportementales (psychophysique, oculomotricité) et physiologiques (électrophysiologie/perturbations pharmacologiques locales, IRM/TMS) chez l’homme et chez le singe macaque. Les données neuronales ou comportementales sont confrontées à des modèles mathématiques (inférence probabilistes) et neuromorphiques (réseaux de neurones).

Plus spécifiquement, les grands axes de recherche d’INVIBE sont :

  • La vision du mouvement visuel pour la perception et l’action : nous étudions comment le système visuel extrait et intègre des informations de vitesse et de direction pour reconstruire le mouvement d’un objet dans un environnement complexe et d’utiliser cette représentation pour prendre une décision perceptive (où va le mouvement) ou motrice (le suivre avec les yeux). Pour cela, nous combinons des approches psychophysiques et oculomoteur visant les processus perceptifs de bas-niveau (par exemple la détection et la discrimination d’une vitesse) ou cognitif (les règles de liages) pour identifier les principes computationnels régissant l’intégration ou la segmentation de ces indices locaux afin d’isoler un objet en mouvement de son environnement. La comparaison des performances perceptives et oculomotrices nous permet d’avoir accès à différentes échelles de temps et différents contextes liés à la tâche. Ces principes d’intégration/segmentation sont modélisés par des règles d’interactions dynamiques entre populations de neurones. Notre approche originale repose sur l’utilisation de stimuli complexes mimant les propriétés statistiques des images naturelles.

Chercheurs impliqués : Guillaume Masson, Anna Montagnini, Laurent Perrinet

JPEG - 66.8 ko

Figure : Principales étapes corticales servant à isoler le mouvement d’un objet de son contexte visuel. Les étapes de détection, d’intégration et de segmentation sont prises dans des boucles fortement récurrentes dont on étudie la dynamique au niveau comportemental (tiré de Medathati et al., International Journal of Computer Vision 2016)

  • Les bases neurales du contrôle oculomoteur : comment le cerveau contrôle-t-il les mouvements oculaires vers une cible visuelle en mouvement ? Nous étudions chez l’homme et chez le singe macaque à caractériser la nature des signaux de mouvement qui sont en jeu sont utilisées pour coordonner les composantes saccadiques et lentes dans des situations simples (trajectoires continues) ou complexes (occlusion, changement de direction..). Chez le singe, nous travaillons à identifier la contribution relative des multiples flux d’activité ponto-cérébelleuse, cérébello-réticulaire, cérébello-colliculaire et cortico-colliculaire à la dynamique des mouvements d’orientation du regard. Nous utilisons pour cela des méthodes causales, basées sur des perturbations locales (pharmacologique ou électrique) appliquées aux différents nœuds du réseau visuo-oculomoteur.

Chercheurs impliqués : Laurent Goffart, Anna Montagnini, Guillaume Masson

  • Agir (et percevoir) c’est prédire : Les mouvements oculaires, comme la perception, ne sont pas basés uniquement sur l’information visuelle immédiate. Au contraire, notre cerveau a une surprenante capacité pour estimer les régularités statistiques du mouvement des objets et les utiliser pour optimiser le contrôle moteur en réduisant les délais physiologiques ou encore en anticipant le déplacement d’une cible. Nous étudions comment une représentation probabiliste de ces déplacements est élaborée, sur quelles échelles de temps et sur la base de quelles informations (position, vitesse, timing..) et comment elle intervient dans l’apprentissage de réponses adaptées au contexte. Au niveau théorique, cet apprentissage probabiliste est modélisé comme un système d’inférence Bayesienne où la décision est mise à jour régulièrement sur la base des évidences sensorielles et des informations a priori accumulées. Nous étudions la dynamique et les changements de ces représentations optimales, ainsi que leur expression dans le contrôle sensorimoteur et la perception, au niveau comportemental et neurofonctionnel.

Chercheurs : Anna Montagnini, Laurent Perrinet, Laurent Goffart, Guillaume Masson

  • Décision et attention :  Les systèmes perceptifs sont bombardés d’un flux dense et complexe d’information sensoriels. Afin d’adapter nos comportements de manière optimale et de détecter les objets pertinents (un amis dans une foule, un prédateur caché dans des herbes hautes), ces informations doivent être confrontées à des représentations internes à priori des objets pertinents. Cela implique que l’attention visuelle sélectionne de façon adaptative, c’est à dire prenant en compte le contexte comportemental/environnemental, les informations sensorielles pertinentes. Ainsi, l’attention facilite la perception des objets attendus, influençant ainsi de manière intime les phénomènes de prise de décision. Nous étudions comment les cortex préfrontaux et pariétaux postérieur (PFC/FEF, PPC) interagissent avec les aires sensorielles (V4, MT) dans le but de contrôler et orienter l’attention visuelle, d’intégrer et regrouper les informations sensorielles pertinentes et de prendre des décisions perceptuelles. Nous combinons des approches comportementales chez l’homme et le singe et électrophysiologiques et perturbatrices (enregistrements multi-unitaires multi-aires, microstimulation, inactivations réversibles) chez le singe.

Chercheurs : Guilhem Ibos, Anna Montagnini

  • Inférence dynamique, neurosciences computationnelles et intelligence artificielle. Les mécanismes sensoriels qui sont étudiés dans l’équipe permettent d’extraire des règles computationnelles qui peuvent être exploitées dans des modèles artificiels. En particulier, nous étudions au niveau théorique comment le cerveau estime de façon probabiliste le mouvement d’un objet (comme sa trajectoire) à partir d’informations sensorielles partielles et ambiguës. Cette intégration se base sur l’utilisation de connaissances a priori sur la structure du monde visuel et du mouvement des objets. Notre formalisation probabiliste permet de rendre compte de cette dynamique à partir de la précision de chacune de ces informations. La traduction de ces modèles sous forme de réseaux de neurones permet d’envisager l’utilisation de ces principes computationnels dans de nouvelles générations de systèmes artificiels, par exemple pour des systèmes embarqués (robots, véhicules autonomes).

Chercheurs : Laurent Perrinet, Anna Montagnini

JPEG - 82.8 ko

Figure : Estimation dynamique de la trajectoire d’une cible en mouvement. Cette estimation s’affiche au cours du temps (de gauche à droite) grâce à une diffusion de la précision des mesures. Cette diffusion permet d’annuler les délais de traitement, représentant alors en temps réel la position de la cible dans l’espace. Par contraste, un autre objet flashé à la même position apparaitra en retard. Tire de Khoei et al. PLOS Computational Biology (2016)

Tisser des liens entre Sciences Visuelles et Art.

Depuis plusieurs années, Laurent Perrinet collabore avec Etienne Rey, un plasticien marseillais dont le travail nous interroge sur comment la lumière est diffractée, décomposée par les matériaux et donc sur comment le monde est perçu (http://ondesparalleles.org/). Cette collaboration a conduit à plusieurs installations et Etienne Rey expose l’une de ces œuvres au sein même de l’Institut de Neurosciences de la Timone. http://invibe.net/LaurentPerrinet/EtienneRey

JPEG - 177.6 ko

Elasticité dynamique est composée des pièces Expansion, Trame et Lignes sonores. Volume hexagonal en miroir de 7 mètres de diamètre, Expansion fonctionne comme une chambre d’écho. A l’intérieur de ce volume se situe Trame. Constituée de 25 lames de miroir en rotation, cette pièce réoriente continuellement le regard. Quant à Lignes sonores, elle est formée de quatre monolithes orientés vers Expansion et émet des sons qui se réorientent en fonction du mouvement des lames. (© Etienne Rey, Adagp Paris 2015). Voir également https://vimeo.com/150654250

L’équipe INVIBE est composée de 4 chercheurs CNRS permanents

  • Guillaume Masson (DR1 CNRS) étudie depuis 20 ans les mécanismes de la perception visuelle du mouvement pour la perception et l’action. Il a publié 70 articles dont 8 dans Nature, Nature Neuroscience, PNAS et Current Biology et plusieurs revues de questions sur la vision biologique naturelle et artificielle. Il a fondé et dirige l’Institut de Neurosciences de la Timone.
  • Anna Montagnini (CRCN, CNRS) s’intéresse au système visuel et oculomoteur humain comme modèle idéal de prise de décision, fortement influencé par plusieurs sources d’incertitudes et par l’information extra-sensorielle. Elle intègre l’approche expérimentale chez les participants humains et la modélisation différentielle du comportement ; elle a co-rédigé 22 articles dans des revues internationales.
  • Laurent Goffart (CRCN, CNRS) étudie depuis 20 ans les mécanismes neuronaux sous-tendant le contrôle du regard chez le singe. Il s’intéresse en particulier au rôle des structures du tronc cérébral et du cervelet, montrant leur implication par des expériences d’inactivation réversible et de microstimulation. Il a publié plus de 30 articles sur ces questions, notamment dans Science ou encore J Neurosci.
  • Laurent Perrinet (CRCN, CNRS) crée des modèles de vision qui sont comparés aux systèmes biologiques afin d’améliorer les systèmes d’intelligence artificielle, notamment sensoriels, http://invibe.net/LaurentPerrinet.
  • Guilhem Ibos (Marie Curie Fellows, CNRS) travaille depuis 10 ans sur les mécanismes corticaux de l’attention et de la prise de décision. Il travaille chez le singe macaque en enregistrant l’activité de plusieurs aires corticales simultanément. Il a publié plusieurs articles dans Neuron et ELife.

Formation à la recherche :

InViBe accueille des étudiants en Master, en Doctorat ainsi que des post-doctorants. Les étudiants de thèse sont inscrits au PhD Program Integrative and Clinical Neurosciences d’Aix-Marseille Université. (http://neuro-marseille.org/en/phd-program-en/news/). Les doctorants et post-doctorants sont financés par des Allocations de recherche (AMU) et par des contrats de recherche (ANR, Europe, Fondations..). 2/3 de nos étudiants sont étrangers et nous privilégions un recrutement fortement interdisciplinaire : neurosciences, psychologie, physique, sciences de l’ingénieur, informatique.

Voir nos offres de stages

Responsable de l'équipe

MASSON Guillaume

Chef d'équipe-Team leader

Membres de l'équipe

Selection de publications



  • Taouali W., Benvenuti G., Wallisch P., Chavane F., et Perrinet L.U. (2016). Testing the odds of inherent vs. observed overdispersion in neural spike counts. Journal of Neurophysiology, 115: 434-444.


  • Matonti F., Roux S., Denis D., Picaud S., et Chavane F. (2015). Cécité et réhabilitation visuelle. Journal Français d'Ophtalmologie, 38: 93-102.


  • Quinet J. et Goffart L. (2015). Does the Brain Extrapolate the Position of a Transient Moving Target? Journal of Neuroscience, 35: 11780-11790.


  • Quinet J. et Goffart L. (2015). Cerebellar control of saccade dynamics: contribution of the fastigial oculomotor region. Journal of Neurophysiology, 113: 3323-3336.

  • Meso A.I. et Masson G.S. (2014). Dynamic resolution of ambiguity during tri-stable motion perception. Vision Research, 107C: 113-123.

  • Muller L., Reynaud A., Chavane F., et Destexhe A. (2014). The stimulus-evoked population response in visual cortex of awake monkey is a propagating wave. Nature Communications, 5.


  • Vidal M. et Barrès V. (2014). Hearing (rivaling) lips and seeing voices: how audiovisual interactions modulate perceptual stabilization in binocular rivalry. Frontiers in Human Neuroscience, 8.

  • Da Silva A., Deumié C., et Vanzetta I. (2012). Elliptically polarized light for depth resolved optical imaging. Biomedical optics express, 3: 2907-2915.

  • Leon P.S., Vanzetta I., Masson G.S., et Perrinet L.U. (2012). Motion clouds: model-based stimulus synthesis of natural-like random textures for the study of motion perception. Journal of Neurophysiology, 107: 3217-3226.


  • Simoncini C., Perrinet L.U., Montagnini A., Mamassian P., et Masson G.S. (2012). More is not always better: adaptive gain control explains dissociation between perception and action. Nature Neuroscience, 15: 1596-1603.
  • Toutes les publications

    CNRS logo université Aix Marseille logo | plan du site | mentions légales | contact | admin | intranet | intcloud |