Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Meta Brain2Qwerty v2 : une avancée sans précédent dans la traduction des pensées en texte
Meta a récemment introduit Brain2Qwerty v2, une version améliorée de son système innovant qui traduit les signaux cérébraux en texte, sans nécessiter d'implant chirurgical. Cette technologie repose sur un appareil de magnétoencéphalographie (MEG), un scanner sophistiqué qui capte les champs magnétiques générés par l'activité cérébrale. Les participants à l'étude utilisent cet appareil pendant qu'ils tapent sur un clavier, permettant à l'IA de décoder directement les signaux cérébraux pour deviner le texte que l'utilisateur souhaite écrire.
Des améliorations significatives par rapport à la première version
La première itération de Meta Brain2Qwerty se limitait à décoder les lettres une par une. La version v2, en revanche, a la capacité d'interpréter non seulement des caractères, mais aussi des mots et des phrases entières. Cette prouesse est rendue possible grâce à l'utilisation de grands modèles de langage qui complètent les informations manquantes, similaire à la saisie prédictive sur les smartphones. Meta affirme que cette méthode permet au système de saisir le sens global d'une phrase, ce qui facilite la reconstruction d'un message cohérent même lorsque les signaux cérébraux sont difficiles à interpréter.
En arrière-plan, plusieurs technologies d'apprentissage profond collaborent. Des modèles comme les Transformers et les réseaux neuronaux convolutifs sont intégrés à des modèles de langage qui jouent le rôle de correcteurs intelligents. Lorsque certaines informations sont incomplètes ou brouillées, le contexte aide à estimer avec précision l'intention de l'utilisateur. Meta a également utilisé des agents d'IA pour optimiser le processus de décodage et améliorer les performances en temps réel.
Pour entraîner son modèle, Meta a collecté environ 22 000 phrases tapées par neuf volontaires, chacun passant près de dix heures sous un scanner MEG durant les séances d'apprentissage. Actuellement, Brain2Qwerty v2 atteint une précision moyenne de 61 % dans la reconnaissance des mots, le meilleur participant ayant obtenu un taux de 78 %, avec plus de la moitié des phrases décodées comportant une seule erreur de mot.
Vers une utilisation grand public ?
Les interfaces cerveau-ordinateur les plus précises reposent souvent sur des électrodes implantées directement dans le cerveau, comme celles développées par Neuralink d'Elon Musk. Bien que cette méthode offre une grande précision, elle nécessite une intervention chirurgicale. Brain2Qwerty v2 de Meta adopte une approche différente en utilisant uniquement un scanner MEG externe pour analyser l'activité cérébrale. Cette méthode évite les risques associés aux implants intracrâniens tout en obtenant des résultats prometteurs.
Cependant, Meta est encore loin de proposer un produit destiné au grand public. Les scanners MEG utilisés par Brain2Qwerty v2 sont volumineux, coûteux et réservés aux laboratoires de recherche. Il ne sera donc pas possible de rédiger ses courriels par la pensée dans un avenir proche. Malgré ces limitations, Meta estime que les progrès réalisés montrent que les interfaces cerveau-ordinateur sans chirurgie deviennent de plus en plus crédibles.
Pour les personnes privées de la parole, cette technologie pourrait représenter une avancée bien plus significative que les chatbots ou les générateurs d'images actuels. Meta a également publié en open source le code d'entraînement ainsi que l'ensemble de données, permettant à d'autres équipes de poursuivre ces recherches.
