Empreintes cérébrales et soins personnalisés de demain

Une perspective parue en juillet 2025 dans IEEE Signal Processing Magazine reformule un problème classique en neurosciences — les gens diffèrent — comme une opportunité plutôt qu’une nuisance. Au lieu de moyenner les cerveaux pour obtenir un schéma « typique », le brain fingerprinting (empreinte cérébrale) pose une question plus personnelle : qu’est-ce qui rend l’organisation des réseaux de votre cerveau de façon fiable… vous, à travers le temps ?

L’idée emprunte aux biométries classiques (comme les empreintes digitales), mais remplace la peau par des réseaux : des motifs de connectivité fonctionnelle qui relient des régions cérébrales en coalitions dynamiques. Les auteurs décrivent comment des travaux précoces ont montré qu’on pouvait apparier une même personne d’une session d’imagerie à l’autre à partir de son connectome fonctionnel, avec des taux d’identification particulièrement élevés au repos, et une précision cliniquement intéressante même pendant des tâches. Cela bouscule une habitude tenace en neuroimagerie : traiter les différences interindividuelles comme des « barres d’erreur » statistiques plutôt que comme une partie du phénomène.

En clinique, ce changement de perspective compte. De nombreux diagnostics (et de nombreuses décisions de traitement) restent encore ancrés dans des motifs de groupe — alors que la personne devant nous n’est jamais une moyenne. Les empreintes cérébrales offrent un cadre pour distinguer ce qui relève du trait (signatures stables), de l’état (fluctuations liées au contexte) et de la dégénérescence (érosion progressive ou reconfiguration de l’unicité).

C’est aussi pour cela que l’empreinte cérébrale fait un pont naturel vers le biofeedback et le neurofeedback. Le neurofeedback est une méthode d’entrainement en autorégulation où l’on fournit des informations en temps réel sur l’activité cérébrale (souvent via l’EEG/ÉEG, électroencéphalographie) afin que le système nerveux apprenne à se réguler ; le biofeedback étend cette même boucle d’apprentissage à d’autres signaux physiologiques (par exemple la HRV, heart rate variability / variabilité de la fréquence cardiaque, ou l’activité électrodermale). Dans les deux cas, les résultats s’améliorent quand les cibles respectent l’individualité — parce qu’entrainer le « cerveau moyen », c’est un peu comme prescrire une « pointure moyenne ».

Méthodes

Cet article est une revue méthodologique / un texte de perspective plutôt qu’un essai clinique unique ; ses « méthodes » se comprennent donc mieux comme le pipeline de base utilisé à travers les études d’empreintes cérébrales.

L’approche canonique part de séries temporelles d’imagerie fonctionnelle, le plus souvent en fMRI (IRMf, imagerie par résonance magnétique fonctionnelle) via le signal BOLD (blood-oxygen-level-dependent), mais aussi en EEG/ÉEG et en MEG (MEG, magnétoencéphalographie) dans des travaux plus récents. Les données sont prétraitées pour réduire les influences parasites (mouvements, signaux physiologiques et artéfacts liés au scanner), puis découpées en N régions. À partir de ces séries temporelles régionales, on calcule un connectome fonctionnel : une matrice N × N de corrélations par paires qui résume à quel point les régions co-fluctuent.

Pour « fingerprint-er » une personne, les études utilisent généralement deux sessions (un plan test/retest, souvent conceptualisé comme jour 1 et jour 2). Chaque connectome est vectorisé en déroulant son triangle supérieur en un vecteur de caractéristiques. La similarité entre vecteurs (le plus souvent la corrélation de Pearson, parfois la similarité cosinus ou la distance euclidienne) est calculée entre tous les couples de sujets et stockée dans une matrice d’identifiabilité. Le classifieur le plus simple est un appariement au plus proche voisin : le connectome retest d’une personne est attribué au connectome test qui lui ressemble le plus.

Deux raffinements méthodologiques ressortent.

D’abord, la performance ne se limite pas à la précision brute. Les auteurs décrivent l’« identifiabilité différentielle », qui quantifie l’écart entre la similarité intra-individu (éléments diagonaux) et la similarité interindividuelle (hors-diagonale). C’est important : un système peut être « précis » dans un petit échantillon tout en étant mal séparé dans une cohorte réaliste.

Ensuite, les empreintes peuvent être renforcées par des outils de débruitage et de fiabilité. La réduction de dimension (SVD, singular value decomposition / décomposition en valeurs singulières ; PCA, principal component analysis / analyse en composantes principales, souvent notée ACP) permet de reconstruire les connectomes en ne gardant que les composantes qui maximisent l’identifiabilité, tandis que l’ICC (intraclass correlation coefficient / coefficient de corrélation intraclasse) met en évidence les connexions stables d’une session à l’autre, donc les plus informatives. La revue explore aussi des approches sensibles à la géométrie (considérant les matrices de corrélation comme situées sur une variété courbe), incluant des distances géodésiques et des projections en espace tangent, ainsi que des classifieurs d’apprentissage automatique (p. ex., analyse discriminante linéaire et machines à vecteurs de support) pour aller au-delà du simple appariement.

Résultats

Comme il s’agit d’un texte de perspective, les « résultats » sont une synthèse des constats les plus robustes dans la littérature sur les empreintes cérébrales.

D’abord, les empreintes fonctionnent — souvent de façon étonnamment bonne. Des démonstrations fondatrices ont montré qu’on pouvait identifier des individus d’une session à l’autre à partir de motifs de connectivité fonctionnelle, avec des performances très élevées au repos et solides à travers différents contextes de tâches. Des travaux ultérieurs suggèrent que ces signatures peuvent rester stables sur de longues périodes, ce qui indique que certains aspects de l’organisation des réseaux sont de nature trait.

Ensuite, toutes les connexions ne contribuent pas de la même manière. Les analyses de fiabilité via l’ICC pointent fréquemment vers des systèmes cognitifs d’ordre supérieur — comme les réseaux par défaut et fronto-pariétaux — comme particulièrement informatifs pour l’identifiabilité au repos, tandis que les exigences des tâches déplacent les régions qui portent le signal d’empreinte le plus fort. Cela aide à expliquer une observation très simple : vous êtes le plus reconnaissable « vous-même » quand vous pensez comme vous avez l’habitude de penser.

Troisièmement, le débruitage et de meilleures métriques améliorent les empreintes. Les approches SVD/PCA peuvent augmenter l’identifiabilité différentielle en diminuant le poids de composantes qui capturent du bruit de scanner, des artéfacts physiologiques ou d’autres variances peu informatives. Les distances sensibles à la géométrie et les caractéristiques en espace tangent peuvent augmenter l’identifiabilité dans certaines conditions (en particulier lors de tâches), même si la revue souligne que ces méthodes peuvent être plus sensibles au bruit et exigent une régularisation soigneuse.

Quatrièmement, les empreintes ne sont pas exclusives à l’IRMf. L’ÉEG et la MEG peuvent produire elles aussi des signatures spécifiques à une personne, parfois avec des liens plus étroits avec le comportement et des variables cliniques. Les informations spécifiques aux bandes de fréquence semblent particulièrement pertinentes : la connectivité alpha et bêta porte souvent un pouvoir discriminant élevé, et même des caractéristiques spectrales plus simples (y compris des composantes apériodiques) peuvent aider à distinguer les individus.

Enfin, les empreintes changent de manière significative selon les états et les troubles. L’engagement dans une tâche peut augmenter l’identifiabilité ; l’anesthésie semble réduire l’unicité ; des états psychédéliques ont été associés à une dissimilarité accrue entre sujets. Sur le plan clinique, une identifiabilité réduite a été liée, dans certaines études, à des conditions neurodégénératives et neurologiques, tandis que d’autres tableaux pourraient présenter des profils différents (y compris une idiosyncrasie potentiellement accrue).

Discussion

Si l’état d’esprit traditionnel en neuroimagerie est « trouver ce que fait le cerveau moyen », l’empreinte cérébrale demande : « que fait ce cerveau de façon fiable, et à quel moment cesse-t-il de le faire ? » Ce déplacement subtil a des conséquences pratiques majeures.

Dans le travail clinique quotidien, nous jonglons en permanence avec deux types d’informations : des traits stables et des états fluctuants. Un cadre d’empreinte formalise ce jonglage. Il offre aussi un moyen de suivre si un changement correspond à une amélioration, à une compensation ou à un effondrement vers un motif plus stéréotypé. Autrement dit, il peut aider à distinguer des signatures idiosyncrasiques de signatures dégénératives — un point que les auteurs mettent au centre de la traduction des empreintes vers les soins.

La valeur la plus immédiate pourrait être le suivi de précision plutôt que le diagnostic. De nombreuses interventions — psychothérapie, essais médicamenteux, réadaptation, neurofeedback — visent à faire évoluer des motifs au fil du temps. Les empreintes fournissent des poignées quantitatives sur la stabilité et la dérive : quelles connexions restent fiables chez une personne, lesquelles deviennent bruyantes, et lesquelles se réorganisent sous stress, manque de sommeil ou traitement.

Pour celles et ceux qui explorent des approches d’autorégulation, le message est à la fois responsabilisant et réaliste : votre cerveau possède des signatures stables, mais il a aussi de la flexibilité. Le biofeedback et le neurofeedback peuvent être compris comme une « pratique guidée » du système nerveux, où le feedback oriente l’attention vers des signaux internes habituellement implicites. Une lecture par empreinte aide à calibrer les attentes : certains traits peuvent être lents à bouger, tandis que des motifs de type état peuvent changer vite mais nécessiter de la répétition pour devenir durables.

Pour les cliniciens et les professionnels référents, les empreintes suggèrent un futur où la planification de traitement dépend moins de l’appariement « diagnostic → protocole » et davantage de l’appariement « neurophysiologie → stratégie ». La revue rappelle aussi pourquoi la standardisation reste difficile : la performance des empreintes dépend des choix d’acquisition et de prétraitement, de la taille des échantillons et du bruit de mesure. Ce n’est pas une raison de rejeter l’approche — c’est une raison de concevoir des cliniques et des études qui respectent la science de la mesure.

Pour les professionnels du neurofeedback, plusieurs implications concrètes se dégagent. D’abord, si les réseaux d’ordre supérieur portent souvent une identifiabilité stable, alors les protocoles qui influencent la régulation à grande échelle (niveau d’éveil, contrôle attentionnel, bascule entre réseaux) peuvent avoir des effets en cascade au-delà d’une seule bande ou d’un seul site. Ensuite, la force des empreintes en ÉEG/MEG dans les bandes alpha et bêta rappelle que l’entrainement dans ces fréquences touche souvent des systèmes de contrôle de nature trait : les rythmes alpha sont intimement liés au filtrage inhibiteur et à l’attention interne, tandis que les rythmes bêta sont liés au maintien d’ensembles sensorimoteurs et cognitifs. Enfin, les travaux sur la temporalité suggèrent que de brefs « éclats » de motifs identifiables peuvent exister dans de courtes fenêtres — un parallèle intrigant avec ces moments, en séance, où une régulation claire apparaît soudainement avant de se stabiliser en habitude.

Un dernier fil interprétatif traverse toute la revue : l’identité n’est pas un seul nombre. C’est un motif pouvant être stable, sensible au contexte et biologiquement contraint à la fois. Plus nous construisons des outils qui respectent cette complexité — au lieu de l’aplatir dans une moyenne — plus il devient plausible de proposer des interventions réellement personnalisées.

La perspective de Brendan

Le brain fingerprinting a ce don de rendre les cliniciens à la fois enthousiastes et un peu mal à l’aise : enthousiastes parce qu’il valide ce que nous voyons tous les jours (les personnes ne sont pas des moyennes), et mal à l’aise parce qu’il pose une question difficile — si chaque système nerveux est distinct, pourquoi continuons-nous à faire comme si des protocoles « taille unique » étaient personnalisés simplement parce qu’on a choisi une étiquette diagnostique ?

Voilà l’utilité que j’y vois, surtout pour le neurofeedback : l’empreinte peut devenir un pont entre l’évaluation et l’action. En pratique de qEEG (ÉEG quantifiée), nous faisons déjà une version de cela avec des motifs spectraux, des asymétries, de la cohérence, des relations de phase, et même des caractéristiques apériodiques qui donnent des indices sur l’équilibre excitation–inhibition. Mais le passage entre « carte intéressante » et « bon plan d’entrainement » est exactement l’endroit où le domaine peut devenir instable. L’empreinte propose une question plus disciplinée : quelles caractéristiques de cette personne sont assez stables pour être des cibles fiables, et lesquelles sont des états momentané qui disparaîtront dès qu’elle dormira mieux, boira moins de caféine, ou cessera de serrer la mâchoire pendant l’enregistrement ?

La sélection de protocole s’améliore quand on sépare trois couches.

La première est la signature centrale : les éléments de l’ÉEG d’une personne qui restent elle-même à travers les jours et les contextes. Cela peut inclure une fréquence de pic alpha constante, une topographie stable de puissance alpha, un motif répétitif de connectivité fronto-pariétale en bêta, ou une pente apériodique caractéristique. Ce sont les éléments que je traite comme les « murs porteurs » du système nerveux. Quand ils sont clairement stables, ils peuvent guider où entrainer. Par exemple, un client avec une fréquence de pic alpha systématiquement basse et un alpha postérieur diffus et instable répondra souvent mieux à une stabilisation douce de l’alpha postérieur (POz, entrainement de l’amplitude) associée à une baisse du tonus autonome, plutôt que de courir après des protocoles frontaux dictés par les symptômes dès le premier jour.

La deuxième est la couche d’état malléable : des caractéristiques qui fluctuent avec l’éveil, l’attention, la fatigue, le timing médicamenteux, la douleur et l’humeur. Dans le langage des empreintes, ce sont les composantes qui diminuent la similarité intra-individu d’une session à l’autre. En clinique, elles apparaissent souvent comme « le cerveau d’aujourd’hui » versus « le cerveau de la semaine passée ». Quand je vois cela, ce n’est pas que les données sont inutiles ; c’est que l’objectif immédiat d’entrainement devrait être le contrôle de l’état. C’est là que les stabilisateurs classiques font leur meilleur travail : entrainement du SMR (SMR, sensorimotor rhythm / rythme sensorimoteur) autour de 12–15 Hz à C3/C4 (ou Cz selon la présentation), équilibrage thêta/bêta quand c’est indiqué, et renforcement de l’alpha postérieur en cas de suractivation et de difficultés d’endormissement. Si la couche d’état domine, je privilégie des protocoles qui déplacent réellement l’aiguille en séance, puis je teste le transfert.

La troisième est la couche de vulnérabilité : des caractéristiques stables mais inadaptées. C’est ici que l’empreinte devient cliniquement tranchante. Une personne peut avoir un motif cérébral très identifiable et, en même temps, une signature de rigidité — trop de haut-bêta dans des réseaux frontaux, une modulation alpha chroniquement réduite, ou des motifs de connectivité persistants qui ressemblent à une surveillance de menace persévérative. Dans ces cas, le statut de « répondeur » dépend parfois moins de notre capacité à modifier l’ÉEG (nous y arrivons généralement) que de notre capacité à modifier la bonne pièce sans déstabiliser l’ensemble.

C’est votre premier thème : utiliser l’empreinte pour choisir des protocoles et repérer les répondeurs et non-répondeurs.

Dans un flux de travail idéal, proche à moyen terme, on recueillerait des baselines répétées (même courtes) et on calculerait une forme d’identifiabilité différentielle sur des caractéristiques ÉEG : quelles bandes, quels sites, quelles arêtes de connectivité sont stables et discriminantes chez une personne. Ensuite, on superposerait les objectifs cliniques et on choisirait des cibles situées à l’intersection de la stabilité et de la pertinence. Si les caractéristiques du réseau sensorimoteur sont les plus fiables chez un client, et que ses symptômes incluent impulsivité et perturbations du sommeil, un entrainement SMR à Cz ou C4 devient un point de départ fondé plutôt qu’une tradition. Si la signature la plus stable est un motif rigide de connectivité bêta fronto-limbique avec anxiété et rumination, une combinaison de diminution du bêta frontal (Fz, parfois F3/F4 selon l’asymétrie et le profil symptomatique) et de soutien de l’alpha postérieur peut être plus logique qu’un passage immédiat à des protocoles dits de « performance ».

La prédiction de réponse devient aussi plus réaliste quand on cesse de poser une seule question (« Les symptômes se sont-ils améliorés ? ») et qu’on en pose deux : (1) le système nerveux peut-il apprendre ? et (2) le changement appris atterrit-il dans une direction fonctionnellement utile ? L’empreinte aide surtout avec la première. Si les changements d’état en séance sont nets, mais que la similarité entre sessions revient toujours à l’identique, cela suggère que l’apprentissage se produit mais que la consolidation est faible. En clinique, j’y vois un signal pour ajuster la dose et le contexte : séances plus courtes mais plus fréquentes ; programmes de renforcement plus clairs ; combinaison avec de l’entrainement biofeedback HRV pour stabiliser l’autonomie ; et vérification que sommeil, stimulants et stress ne sabotent pas la consolidation. Si, au contraire, l’ÉEG bouge à peine en séance et que les empreintes restent rigidement stables, j’élargis le canal d’entrainement : biofeedback périphérique (rythme respiratoire, cohérence HRV, diminution électrodermale), outils d’engagement (feedback multimodal, neurofeedback basé sur des tâches), et parfois un déplacement de la cible — au lieu de « changer le trait », viser « augmenter la flexibilité autour du trait ».

Votre deuxième thème, c’est mesurer l’évolution des empreintes comme démonstration de la façon dont le neurofeedback modifie à la fois des états et des traits.

Un problème discret en recherche sur le neurofeedback est que nous mesurons souvent les résultats à la mauvaise granularité. Une échelle symptomatique pré/post est trop grossière pour capturer ce que l’entrainement fait réellement au cerveau : il enseigne d’abord le contrôle d’état (la personne peut entrer, à la demande, dans un mode plus calme et plus focalisé), puis, avec la répétition, il peut remodeler des tendances de type trait (le mode calme devient plus accessible, plus « par défaut », et moins coûteux à maintenir). L’empreinte est justement faite pour séparer ces deux dimensions.

Le changement d’état est visible dans les séances. On peut quantifier si le motif ÉEG pendant l’entrainement devient plus « cohérent » ou plus « stable » que la baseline, si le réseau alpha de la personne s’organise davantage pendant des blocs de relaxation yeux fermés, ou si des bouffées de SMR deviennent plus fréquentes et moins coûteuses. Dans le langage des empreintes, on observe le système nerveux découvrir une configuration reproductible à laquelle il peut revenir. Je vois souvent cela chez des clients qui arrivent dysrégulés : les premières séances semblent chaotiques, puis il y a soudain un jour où l’alpha postérieur s’installe, la respiration ralentit, les épaules descendent, et la personne dit : « Ah — c’est ça, le calme. » Ce moment n’est pas le point final ; c’est la première récupération réussie d’un état.

Le changement de trait apparaît à travers les jours et les contextes. Si l’on ré-enregistre un ÉEGq au repos toutes les cinq à dix séances, on peut demander : l’empreinte de baseline dérive-t-elle dans une direction cohérente, ou change-t-elle uniquement dans le fauteuil ? Par exemple, après une série d’entrainement SMR (12–15 Hz) à Cz/C4, un changement de trait significatif pourrait ressembler à une diminution d’un thêta excessif en veille calme, à une meilleure stabilité des rythmes sensorimoteurs, et à un motif de connectivité plus constant soutenant le contrôle inhibiteur. Après un entrainement de l’alpha postérieur (souvent 8–12 Hz, individualisé autour du pic alpha de la personne) à Pz/O1/O2, un changement de trait pourrait ressembler à un pic alpha plus robuste, une meilleure réactivité alpha (suppression pendant une tâche, rebond au repos) et moins de débordement en high beta.

L’histoire la plus convaincante est celle où les changements d’état et de trait s’alignent : l’état entrainé devient le trait mesuré. Cet alignement nous protège aussi contre l’auto-illusion. Si les symptômes s’améliorent mais que les empreintes ne montrent qu’une dérive aléatoire et une faible fiabilité test/retest, il faut rester prudent avant d’attribuer les gains au neurofeedback plutôt qu’à l’attente, à une régression vers la moyenne, ou à des changements de vie indépendants. À l’inverse, si les empreintes montrent des déplacements stables et reproductibles sur les caractéristiques ciblées, mais que les symptômes tardent, ce n’est pas forcément un échec — c’est souvent une question de temps. Le cerveau peut apprendre avant que la vie de la personne ne suive. Dans ces cas, je mise sur le transfert : pratiques à domicile, autorégulation déclenchée par des indices, et combinaison de l’entrainement en neurofeedback avec la psychothérapie pour que la nouvelle capacité physiologique trouve un terrain d’application.

Il y a aussi un avantage clinique plus subtil : les empreintes peuvent aider à détecter quand on entraine la mauvaise chose. Si un protocole produit de forts changements en séance, mais que l’empreinte globale de la personne devient moins stable, plus bruyante, ou plus fragile selon le contexte, cela peut signaler qu’on pousse trop l’éveil, qu’on renforce une stratégie compensatoire, ou qu’on ignore une contrainte physiologique. C’est ici que la clinique diffère des designs de recherche trop propres. Les vrais clients arrivent avec des changements médicamenteux, une dette de sommeil, des déclencheurs traumatiques et des comorbidités complexes. Un cadre d’empreinte n’élimine pas ce désordre — il nous donne un moyen de le suivre.

Si je devais traduire tout cela en une règle pratique de clinique, ce serait : entrainer ce qui est modulable, mais mesurer ce qui est stable. Utiliser des empreintes stables pour choisir des cibles et vérifier un changement durable ; utiliser des métriques d’état pour guider les ajustements séance par séance.

L’ironie, c’est que l’empreinte invite aussi à l’humilité. La signature cérébrale d’une personne n’est pas un trophée à « normaliser ». C’est un motif vivant, façonné par le développement, l’apprentissage et l’adaptation. L’objectif du neurofeedback n’est pas d’effacer l’unicité ; c’est d’aider le système nerveux à accéder à un répertoire plus large et plus sain — du calme quand le calme est nécessaire, de l’alerte quand l’alerte est nécessaire, de la flexibilité quand la vie exige de changer de vitesse.

Si le brain fingerprinting devient un outil de notre trousse, il pourrait aider le domaine à quitter le folklore de protocole pour se rapprocher d’une autorégulation de précision : une individualité mesurable, des cibles réfléchies, et des changements visibles non seulement dans les symptômes, mais aussi dans l’évolution de la signature du cerveau.

Conclusion

L’empreinte cérébrale prend une vérité simple — aucun cerveau n’est identique — et la transforme en stratégie de mesure. En traitant la variabilité interindividuelle comme une information, et non comme une erreur, elle offre un cadre pour identifier des personnes à partir de motifs de connectivité, clarifier ce qui est stable au sein d’un individu, et comprendre comment les tâches, les substances, le sommeil, l’anesthésie et la maladie peuvent remodeler l’unicité neurale.

Du point de vue du traitement du signal, la revue montre que c’est bien plus qu’un tour de magie. Les choix de débruitage, de fiabilité, de métriques de distance et de validation de modèle modifient ce que l’on appelle une « empreinte » — et déterminent si les résultats peuvent se généraliser au-delà d’un scanner ou d’un laboratoire.

Pour le biofeedback et le neurofeedback, la leçon est simple : la personnalisation n’est pas une option, c’est le principe de base. Plus nous pouvons cartographier précisément ce qui est stable et individuel, plus nous pouvons choisir intelligemment des cibles d’entrainement — et plus il est probable que la pratique d’autorégulation se traduise par un changement réel au quotidien.

Références

Preti, M. G., Van De Ville, D., & Amico, E. (2025). Brain fingerprinting: A signal processing perspective. IEEE Signal Processing Magazine, 91–102. https://doi.org/10.1109/MSP.2025.3615296