Psychologie cognitive :
comment l’esprit
traite l’information.

Pendant la première moitié du XXe siècle, la psychologie académique nord-américaine s’est largement organisée autour du behaviorisme : seuls les stimuli observables et les réponses mesurables comptaient comme données légitimes, la vie mentale intérieure étant jugée invérifiable et donc hors du champ scientifique. Watson puis Skinner ont construit sur cette base des lois d’apprentissage précises, un vocabulaire de conditionnement et une ambition d’objectivité qui tranchait avec l’introspection subjective du siècle précédent.

Cette discipline a produit des résultats solides sur l’apprentissage animal et certains apprentissages humains simples, mais elle peinait à rendre compte de phénomènes où l’histoire de renforcement ne suffisait manifestement pas à expliquer la performance observée : la rapidité de l’acquisition du langage chez l’enfant, la résolution de problèmes nouveaux, ou encore les limites précises et reproductibles de la mémoire immédiate. Ces anomalies, plus qu’un événement unique, ont préparé le terrain à un autre cadre.

Le behaviorisme n’était d’ailleurs pas monolithique : le behaviorisme méthodologique de Watson différait du behaviorisme radical, plus tardif, de Skinner, qui admettait l’existence d’événements privés comme les pensées ou les sensations tout en refusant de leur accorder un statut causal indépendant du comportement observable. Cette diversité interne est souvent effacée dans le récit simplifié qui oppose un behaviorisme uniformément aveugle à l’esprit à un cognitivisme qui aurait seul osé s’y intéresser.

En 1956, George Miller publie « The Magical Number Seven, Plus or Minus Two », où il rassemble des données montrant que la capacité de la mémoire immédiate, mesurée dans des tâches très différentes, plafonne systématiquement autour de sept éléments, un nombre qui peut être étendu en regroupant l’information en unités plus larges, les « chunks ». L’article emprunte directement à la théorie de l’information de Shannon un vocabulaire de canaux, de capacité et de bits, pour traiter l’esprit non plus comme une boîte noire associative mais comme un système qui encode, stocke et récupère une quantité limitée d’information.

Le chiffre lui-même a depuis été révisé : des travaux ultérieurs, notamment ceux de Nelson Cowan, suggèrent une capacité de mémoire de travail plus proche de quatre éléments lorsque le regroupement en chunks est contrôlé expérimentalement. L’héritage durable de Miller ne tient donc pas au nombre précis, mais au geste : montrer qu’une limite de capacité interne, stable et mesurable, pouvait être isolée et étudiée avec la même rigueur qu’un comportement observable.

Le texte de Miller a aussi conservé, dans son propos original, une prudence empirique souvent oubliée dans sa postérité populaire : l’auteur qualifiait lui-même le chiffre sept de coïncidence possible plutôt que de loi universelle, notant sa présence dans des domaines aussi disparates que le jugement de tons musicaux ou l’estimation de longueurs, sans prétendre en expliquer la cause commune. Cette prudence méthodologique contraste avec l’usage ultérieur du chiffre comme quasi-mythologie populaire du « nombre magique ».

En 1959, Noam Chomsky publie dans la revue Language un compte rendu critique de l’ouvrage de Skinner Verbal Behavior, qui tentait d’expliquer l’acquisition du langage par le seul renforcement et l’imitation. Chomsky oppose à cette lecture la rapidité et la régularité avec lesquelles les enfants produisent des phrases jamais entendues, la pauvreté du signal linguistique auquel ils sont exposés comparée à la richesse grammaticale qu’ils acquièrent, et la nature manifestement générative, gouvernée par des règles, du langage humain.

Ce texte est devenu, dans le récit que la discipline se raconte a posteriori, l’un des symboles du basculement vers le cognitivisme : il légitimait l’étude de représentations internes non observables, comme une grammaire mentale, en tant qu’objet scientifique à part entière. Son impact réel sur la pratique behavioriste a cependant été plus lent et plus contesté que ne le laisse penser cette légende fondatrice, la plupart des laboratoires ayant continué leurs programmes pendant encore plusieurs années.

Le moment est aussi resté associé, dans les récits historiques du champ, à un symposium sur la théorie de l’information tenu au MIT la même décennie, où se sont croisés Miller, Chomsky et les pionniers de l’intelligence artificielle Newell et Simon. Cette proximité institutionnelle et ce partage d’un même vocabulaire computationnel ont contribué, plus qu’une seule publication, à faire émerger dans les années 1970 le label « sciences cognitives » comme discipline interdisciplinaire à part entière.

Des historiens de la psychologie ont montré que le terme même de « révolution cognitive » a été en partie construit rétrospectivement. Des concepts qualifiés aujourd’hui de cognitifs existaient bien avant les années 1950 : les cartes cognitives de Tolman chez le rat dès les années 1930, la psychologie de la forme allemande, ou encore la théorie des schémas de Bartlett sur la mémoire reconstructive publiée en 1932. Le behaviorisme n’a pas non plus disparu du jour au lendemain ; certaines de ses méthodes et revues ont perduré des décennies après le prétendu tournant.

Cette nuance a une conséquence pour la lecture du champ aujourd’hui : la « métaphore de l’ordinateur », qui a dominé les premières décennies du cognitivisme (entrée, traitement, stockage, sortie), n’était elle-même qu’une analogie datée, contestée plus tard de l’intérieur même des sciences cognitives par le connexionnisme et la cognition incarnée. La discipline s’est construite par révisions successives, non par l’établissement définitif d’une doctrine unique.

Reconnaître cette continuité historique n’annule pas l’intérêt du récit de rupture comme outil pédagogique : il aide à situer un changement réel de vocabulaire, de méthode et d’ambition théorique. Mais il invite à le lire comme une simplification commode plutôt que comme la description fidèle d’un basculement daté avec précision, une réserve qui s’applique d’ailleurs à la plupart des récits de « révolution » dans l’histoire des sciences.

Tversky et Kahneman ont montré, à partir de 1974, que le jugement en situation d’incertitude s’appuie souvent sur des heuristiques (représentativité, disponibilité, ajustement) qui produisent des écarts systématiques et prévisibles par rapport aux modèles normatifs de la probabilité. L’apport décisif n’est pas telle ou telle démonstration isolée, mais le déplacement conceptuel : traiter les erreurs de jugement non comme du bruit aléatoire, mais comme la trace régulière de processus cognitifs sous-jacents identifiables.

Des efforts de réplication à grande échelle, menés dans le sillage de la crise de la réplication en psychologie, ont montré que certains de ces effets se maintiennent de façon robuste dans des échantillons et des cultures variés, notamment l’aversion aux pertes dans les choix économiques, tandis que d’autres se révèlent plus modestes, plus dépendants du contexte expérimental ou moins généralisables que ne le suggéraient les articles fondateurs. La bonne lecture est donc effet par effet, et non une adhésion globale à l’idée que « les biais cognitifs » forment un catalogue uniformément solide.

À partir de 1988, John Sweller propose que la capacité limitée de la mémoire de travail constitue le principal goulot d’étranglement de l’apprentissage, et distingue une charge intrinsèque liée à la complexité de la matière, une charge extrinsèque liée à la façon dont l’information est présentée, et une charge germane liée à la construction effective de schémas de connaissance. Cette théorie a débouché sur des recommandations concrètes toujours enseignées en formation des enseignants : privilégier les exemples résolus pour les novices, éviter de séparer spatialement des informations qui doivent être traitées ensemble, ne pas dupliquer inutilement une même information sous deux formats.

Une actualisation publiée trente ans plus tard par Sweller, van Merriënboer et Paas confirme que ces effets comptent parmi les traductions pédagogiques du cognitivisme les plus régulièrement répliquées. Des limites demeurent : l’ampleur, voire le sens de certains effets dépendent fortement du niveau d’expertise de l’apprenant, un même dispositif pouvant aider un novice et gêner un expert, ce que l’on appelle l’effet d’inversion de l’expertise, et la mesure même de la « charge cognitive » (auto-évaluation, tâche secondaire, indices physiologiques) reste débattue faute de convergence claire entre ces différents indicateurs.

Le modèle proposé par Aaron Beck en 1979 pour la dépression fait des pensées automatiques dysfonctionnelles, des distorsions cognitives et des schémas de croyance les mécanismes centraux qui entretiennent la souffrance émotionnelle ; la thérapie s’organise autour de l’identification et de la mise à l’épreuve de ces cognitions. Ce modèle s’appuie directement sur le vocabulaire de traitement de l’information issu de la révolution cognitive, et non sur la théorie pulsionnelle psychanalytique ni sur le seul conditionnement behavioriste.

Les synthèses contemporaines situent les thérapies cognitivo-comportementales parmi les psychothérapies dont la base de preuves est la plus large et la plus constante pour la dépression et les troubles anxieux. Ces mêmes synthèses notent toutefois que le mécanisme spécifiquement « cognitif » (changer des croyances) est plus difficile à isoler comme ingrédient actif que l’efficacité globale du traitement : des études qui séparent les composantes cognitives des composantes purement comportementales, comme l’activation ou l’exposition, trouvent parfois des résultats comparables entre les deux, ce qui complique l’attribution causale précise.

La théorie du double processus désigne, dans la littérature académique, une famille assez lâche de propositions distinguant un traitement rapide, automatique et peu coûteux d’un traitement lent, délibéré et coûteux en ressources attentionnelles, formulée de façon largement indépendante dans les recherches sur le raisonnement, le jugement et la cognition sociale. Cette distinction est devenue immensément populaire grâce au livre de Kahneman paru en 2011, qui l’a cristallisée sous l’étiquette grand public de « Système 1 » et « Système 2 ».

Des critiques internes à la discipline soutiennent que les traits supposés définir chaque système (rapidité, automaticité, absence de conscience, faible effort, pour le premier ; lenteur, contrôle, conscience, effort, pour le second) ne forment pas des paquets empiriquement cohérents : ces propriétés se dissocient les unes des autres selon les tâches, et de nombreux processus cognitifs réels mêlent des caractéristiques attribuées aux deux systèmes. La distinction fonctionnerait davantage comme un raccourci pédagogique commode que comme la description de deux architectures cérébrales unifiées et distinctes.

Cela ne rend pas pour autant l’idée de double processus sans intérêt : quelque chose distingue bien, dans de nombreuses tâches, un jugement rapide fondé sur la reconnaissance de motifs d’un raisonnement explicite fondé sur des règles appliquées pas à pas. Le problème identifié par les critiques porte sur le fait de traiter « Système 1 » et « Système 2 » comme deux systèmes cérébraux littéraux et homogènes, plutôt que comme un axe descriptif commode le long duquel des processus spécifiques varient de façon indépendante les uns des autres.

À partir de 1996, Gigerenzer et Goldstein défendent l’idée que plusieurs heuristiques identifiées par Tversky et Kahneman comme des sources d’erreur sont en réalité des stratégies efficaces, bien adaptées à la structure réelle des environnements naturels où l’information et le temps sont limités. Une heuristique simple, dans ce cadre, peut surpasser un calcul complet supposé « rationnel » lorsque l’environnement est incertain : la simplicité y devient un atout plutôt qu’un simple raccourci menant systématiquement à l’erreur.

Ce désaccord n’est pas tranché. Les tenants du programme heuristiques et biais font remarquer que de nombreux biais persistent même sous incitation financière, avec retour d’information répété et chez des experts du domaine concerné, alors qu’une heuristique réellement adaptée à l’environnement devrait s’y calibrer. Les tenants de la rationalité écologique répondent que beaucoup de démonstrations classiques de biais utilisent des tâches artificielles, mal représentatives de l’écologie décisionnelle réelle. Les deux traditions ont accumulé des données sérieuses ; prétendre que l’une a définitivement supplanté l’autre exagère l’état du débat.

La crise de la réplication qui a traversé la psychologie à partir du milieu des années 2010, documentée par un vaste projet collaboratif ayant tenté de reproduire une centaine d’études publiées, a touché la recherche cognitive et sociocognitive au même titre que la psychologie sociale : plusieurs démonstrations très citées, dont certaines déjà documentées ailleurs sur ce site à propos de l’amorçage comportemental, n’ont pas résisté à des réplications préenregistrées, ce qui a entraîné une réévaluation méthodologique large (échantillons plus grands, préenregistrement, réplications directes systématiques).

Cette crise ne signifie pas que l’ensemble de la littérature sur les heuristiques, les biais ou le double processus serait peu fiable. Les effets dotés d’une taille d’effet importante dès l’origine, d’un ancrage mécanistique clair et de multiples réplications indépendantes (les limites de l’empan mnésique, certains goulots d’étranglement attentionnels de base) se sont globalement mieux maintenus que les effets petits, surprenants et reposant sur une étude unique. La leçon pratique consiste à pondérer chaque affirmation selon la densité et la qualité de son dossier de réplication, non selon sa notoriété ou son attrait intuitif.

Le cognitivisme classique modélisait l’esprit comme une manipulation de symboles amodaux, indépendante des systèmes sensorimoteurs du corps, à la façon d’un logiciel s’exécutant sur un matériel. Les chercheurs de la cognition incarnée et ancrée, dont les synthèses de Barsalou, soutiennent au contraire que les concepts et le raisonnement sont en partie constitués de simulations sensorimotrices, d’états corporels et d’actions situées, ce qui conteste l’idée que la pensée puisse être pleinement comprise indépendamment du corps et de l’environnement immédiat.

La force de cette remise en cause varie selon la version défendue. Des versions modérées, comme le fait que des états corporels influencent certains jugements ou que des concepts concrets recrutent des aires sensorimotrices, disposent d’un soutien empirique raisonnable. Des versions fortes, qui font de toute cognition, y compris le raisonnement mathématique ou logique abstrait, un phénomène fondamentalement corporel, restent contestées et plus difficiles à opérationnaliser ou à réfuter. Comme pour la théorie du double processus, le risque est qu’une correction utile se transforme en doctrine prétendant tout expliquer.

L’idée qu’un enseignement adapté au style d’apprentissage préféré d’un élève, visuel, auditif ou kinesthésique, améliorerait ses résultats a été massivement adoptée dans la formation des enseignants à travers le monde, souvent présentée comme une évidence issue de la psychologie cognitive elle-même.

La revue de Pashler, McDaniel, Rohrer et Bjork publiée en 2008 n’a trouvé aucune preuve crédible de ce que les auteurs appellent l’hypothèse d’appariement, à savoir qu’adapter l’enseignement au style autodéclaré d’un élève produit de meilleurs résultats qu’un enseignement bien conçu qui l’ignore. Le problème n’est pas que les préférences individuelles n’existent pas, mais que les satisfaire n’améliore pas l’apprentissage mesuré. Le concept se maintient surtout par inertie institutionnelle et attrait intuitif, non par des données qui le soutiendraient.

Une croyance très répandue prête à certaines personnes une dominance de l’hémisphère gauche, censé les rendre logiques et analytiques, et à d’autres une dominance de l’hémisphère droit, censé les rendre créatives et intuitives, avec des conseils pratiques de carrière ou de pédagogie construits sur cette typologie.

Une étude de Nielsen et ses collègues publiée en 2013, portant sur la connectivité au repos de plus d’un millier de cerveaux, n’a trouvé aucune preuve d’un réseau global latéralisé qui rendrait certains individus dominants d’un hémisphère entier pour des traits de personnalité. Certaines fonctions sont bien latéralisées, le langage étant typiquement plus associé à l’hémisphère gauche, mais cette latéralisation locale et spécifique à une fonction ne s’agrège pas en une dominance globale d’un hémisphère sur l’autre. Le mythe persiste dans l’édition scolaire et le développement personnel malgré cette réfutation directe.

La proposition de Howard Gardner distinguant sept intelligences ou plus, linguistique, logico-mathématique, spatiale, musicale, corporelle-kinesthésique, interpersonnelle, intrapersonnelle, a profondément renouvelé la façon de parler de l’intelligence et a été adoptée avec enthousiasme par de nombreux systèmes scolaires comme fondement de programmes pédagogiques entiers.

La revue critique de Waterhouse publiée en 2006 n’a trouvé aucune étude publiée validant l’affirmation centrale de la théorie, à savoir que ces intelligences constitueraient des facultés réellement indépendantes et dissociables plutôt que des facettes corrélées d’une aptitude cognitive générale. La popularité de la théorie en éducation a largement dépassé son soutien empirique, et son usage pour justifier une pédagogie particulière a rarement été testé contre les résultats réels de cette pédagogie.

Des programmes commerciaux d’entraînement cérébral promettent qu’une pratique régulière de leurs jeux améliore la cognition générale, mémoire de travail, intelligence fluide, fonctionnement quotidien, et sont vendus aux particuliers, aux écoles et parfois utilisés à visée thérapeutique auprès de personnes âgées.

La revue exhaustive coordonnée par Simons et ses collègues en 2016 a trouvé des preuves constantes d’amélioration sur les tâches directement entraînées, mais peu ou pas de preuves crédibles d’un transfert vers des capacités cognitives non entraînées ou vers le fonctionnement dans la vie réelle. Certaines entreprises commerciales ont fait l’objet de sanctions réglementaires pour publicité exagérée. Le constat illustre une leçon plus générale : le transfert proche, à l’intérieur d’une compétence étroitement entraînée, est fréquent ; le transfert lointain vers une capacité cognitive générale est une affirmation bien plus difficile à démontrer, et rarement établie.

L’actualisation de 2019 de la théorie de la charge cognitive fait le bilan de plus de trente ans de recherche : plusieurs effets pédagogiques dérivés du modèle, comme l’effet des exemples résolus ou l’effet d’attention partagée, ont été répliqués dans de nombreux domaines, mathématiques, sciences, apprentissage d’une seconde langue, et auprès de tranches d’âge variées.

Les limites restent réelles. L’ampleur et parfois même le sens des effets dépendent fortement du niveau d’expertise de l’apprenant, un dispositif efficace pour un novice pouvant nuire à un apprenant avancé. La façon de mesurer la « charge cognitive » elle-même, par auto-évaluation, par tâche secondaire ou par indices physiologiques, produit des résultats qui ne convergent pas toujours entre eux. La théorie fonctionne donc mieux comme heuristique d’ingénierie pédagogique que comme modèle quantitatif entièrement spécifié de l’esprit.

De nombreuses méta-analyses situent les thérapies cognitivo-comportementales parmi les psychothérapies les mieux étayées pour la dépression, les troubles anxieux et plusieurs autres troubles, avec des tailles d’effet généralement modérées à élevées comparées à une condition d’attente, et comparables à celles d’un traitement pharmacologique pour de nombreuses présentations cliniques.

Les études de démantèlement, qui isolent la restructuration cognitive des composantes purement comportementales comme l’activation ou l’exposition, trouvent cependant souvent des résultats comparables entre ces composantes, ce qui complique l’affirmation que changer les cognitions dysfonctionnelles serait le mécanisme spécifique responsable de l’amélioration. Un traitement peut fonctionner efficacement comme ensemble tout en laissant sa théorie du changement seulement partiellement confirmée, une distinction qui rejoint celle que ce site formule à propos des psychothérapies psychodynamiques.

Une application réussie, une thérapie qui aide, une pédagogie qui améliore des résultats scolaires, peut résulter de mécanismes différents de ceux nommés par la théorie d’origine : attention du thérapeute, pratique structurée et répétée, espacement des révisions, simple motivation accrue. Identifier le véritable ingrédient actif d’une intervention exige des dispositifs de démantèlement et de médiation statistique, pas seulement une mesure avant-après.

Cette distinction protège de deux erreurs symétriques. Un mécanisme théorique contesté ne discrédite pas automatiquement une intervention par ailleurs bien validée qui s’en inspire partiellement. Une intervention bien validée ne confirme pas automatiquement chaque affirmation mécanistique de la théorie qui l’a inspirée.

La quantité et la qualité des recherches varient fortement selon les sous-domaines, les populations et les contextes. La littérature sur l’entraînement de la mémoire de travail est nettement plus fragile que celle sur la charge cognitive en pédagogie ; les preuves d’efficacité des TCC sont plus solides pour la dépression et l’anxiété que pour certains autres troubles. Une grande partie de la psychologie cognitive fondatrice a par ailleurs été menée sur des échantillons étroits d’étudiants nord-américains et européens, ce qui interroge la généralisation à d’autres populations et cultures.

Une lecture responsable de ce champ applique la même discipline que pour tout le reste de ce dossier : ajuster la force d’une affirmation aux preuves réellement disponibles pour cette population, cette tâche et ce résultat précis, plutôt qu’au prestige général de l’étiquette « sciences cognitives ».

Le cognitivisme classique modélise l’esprit comme la manipulation de représentations symboliques discrètes selon des règles formelles, dans la lignée directe de la métaphore de l’ordinateur : l’hypothèse du système de symboles physiques de Newell et Simon, les systèmes de production, ou le langage de la pensée proposé par Fodor. Ce cadre a dominé le champ des années 1960 aux années 1980 et a rendu possible les premiers systèmes d’intelligence artificielle.

Sa force a été de rendre la cognition formellement spécifiable et simulable sur machine. Sa faiblesse, de plus en plus soulignée par ses critiques, a porté sur trois points : comment les symboles acquièrent-ils un sens réel plutôt que purement formel, comment un système symbolique se dégrade-t-il progressivement plutôt que brutalement en cas de dommage, et comment rendre compte de la reconnaissance rapide de motifs. Ces limites ont motivé la recherche d’architectures alternatives.

À partir de 1986, l’ouvrage collectif dirigé par Rumelhart et McClelland, Parallel Distributed Processing, propose de modéliser la cognition comme des motifs d’activation distribués sur des réseaux d’unités simples et interconnectées, apprenant par ajustement de poids de connexion plutôt que par application explicite de règles symboliques, dans un esprit plus proche, sans lui être identique, du calcul neuronal biologique.

Le débat entre approches symboliques et connexionnistes n’a jamais été définitivement tranché à l’intérieur des sciences cognitives. Les réseaux connexionnistes se sont révélés extrêmement puissants pour l’apprentissage de régularités, au point de fonder aujourd’hui l’apprentissage automatique contemporain, tandis que leurs critiques soutiennent que certains phénomènes cognitifs, le raisonnement compositionnel gouverné par des règles et la généralisation systématique, restent mieux et plus clairement capturés par une structure symbolique, et que de nombreux réseaux demeurent difficiles à interpréter mécanistiquement.

Au-delà d’une simple critique des deux approches précédentes, la cognition incarnée et ancrée constitue une tradition de recherche à part entière : elle réorganise les questions autour des boucles perception-action et des ressources fournies par l’environnement plutôt qu’autour de la manipulation de représentations internes, en s’appuyant sur la robotique, la psychologie du développement et la psychologie écologique.

Comme les autres écoles présentées ici, elle offre des outils explicatifs solides pour un sous-ensemble de phénomènes plutôt qu’une théorie de remplacement pour l’ensemble de l’esprit. Elle a jusqu’ici davantage de difficulté à rendre compte, avec la même précision, du raisonnement abstrait et déconnecté du contexte immédiat, mathématiques, logique formelle, pensée contrefactuelle, qu’elle n’en a pour les tâches situées et corporelles qui constituent son terrain de prédilection.

Depuis les années 1990, avec l’essor de l’imagerie par résonance magnétique fonctionnelle puis des techniques électrophysiologiques plus fines, une grande partie de ce qui s’étudiait par la seule méthode comportementale de la psychologie cognitive s’est déplacée vers la neuroscience cognitive, à la recherche des implémentations neurales des architectures proposées, corrélats de la mémoire de travail, signatures cérébrales du double processus de raisonnement.

Ce déplacement est productif lorsqu’il contraint réellement la théorie, en écartant des modèles incompatibles avec l’organisation neurale connue. Il devient plus risqué lorsqu’un résultat d’imagerie sert simplement à retraduire un phénomène comportemental déjà connu dans un vocabulaire cérébral, sans ajouter de pouvoir explicatif réel, un travers parfois désigné comme le « neuro-réalisme ». Un champ pluriel, en somme, ne s’est pas fondu en une discipline unique qui lui aurait succédé, et il n’y a pas de raison de s’attendre à ce qu’il le fasse.