Meta a présenté une nouvelle version de son système Brain2Qwerty, un dispositif qui traduit l’activité cérébrale en phrases écrites sans nécessiter d’implant chirurgical. La version 2, dévoilée fin juin 2026, atteint un taux de précision de 78 % pour la reconnaissance des mots chez le meilleur participant, contre 48 % pour la première version. En moyenne, l’exactitude s’élève à 61 %, une progression notable par rapport aux 40 % de la version initiale et aux 8 % observés avec d’autres méthodes non invasives.
Le système repose sur la magnétoencéphalographie (MEG), une technique qui enregistre les champs magnétiques produits par l’activité neuronale. Neuf volontaires ont participé à l’entraînement du modèle, chacun portant un casque MEG pendant dix heures. Ils ont tapé plus de 2 500 phrases, pour un total d’environ 22 000 phrases. L’architecture de Brain2Qwerty v2 combine trois modules hiérarchiques – un encodeur convolutif, un transformeur et un modèle de langage au niveau des caractères – afin d’améliorer le décodage des lettres, des mots et des phrases. Contrairement à la version précédente, celle-ci peut fonctionner en temps réel, sans nécessiter la synchronisation de chaque frappe.
Des performances en progression avec la quantité de données
Les chercheurs de Meta observent que la précision du décodage suit une loi d’échelle log-linéaire : plus le volume de données d’entraînement est important, meilleure est la performance, sans que les essais actuels ne montrent de plateau. Cette observation laisse espérer que l’écart avec les neuroprothèses invasives – qui nécessitent une opération du cerveau – pourrait être réduit en augmentant simplement la taille des jeux de données. La version 2 a ainsi bénéficié de dix fois plus de données par participant que la version 1.
L’un des défis majeurs reste la praticabilité pour les patients. L’appareil MEG utilisé dans l’étude est un scanner volumineux et coûteux, peu accessible dans les conditions cliniques courantes. Néanmoins, Meta souligne que des capteurs MEG portables existent déjà dans la recherche, ce qui pourrait, à terme, faciliter l’adoption de cette technologie pour les personnes atteintes de troubles neurologiques, comme les victimes d’accidents vasculaires cérébraux ou de lésions cérébrales.
Un accès ouvert aux données et au code
Meta a rendu public le code d’entraînement complet des deux versions de Brain2Qwerty, ainsi que le jeu de données de la version 1, collecté par le Basque Center on Cognition, Brain, and Language (BCBL) et hébergé sur Hugging Face. Les chercheurs espèrent ainsi stimuler les avancées en neurosciences et accélérer le développement d’interfaces cerveau-machine non invasives. Le projet s’inscrit dans une démarche plus large de Meta, qui a notamment lancé le Digital Brain Project, doté d’un fonds de cinq millions de dollars pour favoriser la création de jeux de données ouverts.
Des limites encore à surmonter
Malgré ces progrès, Brain2Qwerty v2 n’est pas encore utilisable dans la vie quotidienne. Le système commet encore des erreurs au niveau des mots ou des caractères, ce qui le rend impraticable pour une communication fluide. La performance doit encore être améliorée avant d’envisager une application clinique. Par ailleurs, le recours à un scanner MEG fixe constitue un obstacle à la généralisation, même si l’essor des capteurs portables offre une perspective encourageante.
Les résultats de la version 1 de Brain2Qwerty ont été acceptés pour publication dans la revue Nature Neuroscience. La version 2 fait l’objet d’une prépublication, en attendant une publication dans une revue scientifique.
