Thèse Mécanismes Neurocomputationnels de la Méditation de Pleine Conscience et leurs Effets sur la Perception et le Stress dans un Cadre Bayésien de Traitement Prédictif H/F - Doctorat.Gouv.Fr

Établissement : Université Claude Bernard Lyon 1 École doctorale : NSCo - Neurosciences et Cognition Laboratoire de recherche : CRNL - CENTRE DE RECHERCHE EN NEUROSCIENCES DE LYON Direction de la thèse : Antoine LUTZ ORCID 0000000202583233 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-29T23:59:59 La compréhension de la cognition humaine à partir de la théorie du traitement prédictif, ainsi que de son implémentation cérébrale, peut offrir une explication unificatrice de processus aussi divers que la perception, l'attention, l'apprentissage et l'action. Fondée sur les statistiques bayésiennes, cette théorie modélise le cerveau comme un « organe d'inférence » qui prédit et contraint simultanément, de manière proactive, les sensations que l'organisme reçoit à la fois de son propre corps et du monde extérieur, avec pour objectif principal de se maintenir dans un état viable. L'objectif principal de ce doctorat sera d'élucider, dans ce cadre théorique, certains des mécanismes neuronaux et computationnels de différentes pratiques méditatives. Notre hypothèse générale est que la régulation de l'attention et des émotions par la méditation est associée à un ajustement des processus prédictifs du cerveau : en particulier, les degrés de confiance accordés à la validité des prédictions et des sensations sont modifiés différemment selon les pratiques méditatives, conduisant à des a priori cognitifs plus malléables et plus adaptatifs. Au cours de cette thèse, le ou la candidate appliquera et évaluera ce cadre neurocomputationnel en modélisant trois jeux de données existants, précédemment recueillis dans notre équipe, impliquant des paradigmes expérimentaux avec des méditants experts et novices à l'aide de l'EEG et de la MEG. Deux de ces études sont transversales et une est longitudinale. Dans son ensemble, ce projet de recherche permettra de mieux comprendre les mécanismes cognitifs et neuronaux qui sous-tendent les effets psychothérapeutiques démontrés de la méditation de pleine conscience sur les troubles de l'humeur et la régulation de l'anxiété. La recherche sur la pleine conscience suscite un intérêt croissant en médecine, en psychologie, en neurosciences et dans le domaine de la santé. Cet intérêt est cliniquement justifié. La dépression et l'anxiété comptent parmi les principales causes d'incapacité dans le monde, et de nombreux patients ne répondent pas de manière optimale aux traitements pharmacologiques, les interrompent ou recherchent des approches complémentaires non médicamenteuses. Au cours des deux dernières décennies, les interventions fondées sur la pleine conscience ont montré une efficacité particulière dans la prévention des rechutes dépressives ainsi que dans la réduction du stress, de la détresse émotionnelle, de l'anxiété, des symptômes liés aux addictions et de la charge associée à la douleur chronique (Teasdale et al., 2000 ; Tang et al., 2015 ; Van Dam et al., 2018).

Cependant, un écart translationnel important persiste : bien que les thérapies basées sur la pleine conscience puissent être efficaces, leurs mécanismes d'action restent encore insuffisamment caractérisés aux niveaux expérientiel, cognitif et neurophysiologique. Cette limitation réduit la capacité du champ à optimiser les interventions, à identifier les mécanismes de réponse et à personnaliser les traitements pour des patients présentant des vulnérabilités attentionnelles ou affectives distinctes. Les modèles cognitifs contemporains suggèrent que la pleine conscience réduit les processus autoréférentiels inadaptés en cultivant une relation non jugeante et non réactive à l'expérience du moment présent, atténuant ainsi les boucles attentionnelles et affectives biaisées qui entretiennent les troubles de l'humeur et la détresse. Toutefois, les processus neuronaux spécifiques sous-tendant ces effets restent encore mal déterminés.

Le projet proposé vise à combler cette lacune en abordant une question cliniquement pertinente et mécanistiquement précise : la pratique intensive de la pleine conscience modifie-t-elle le traitement sensoriel anticipatoire, et ces changements neuronaux sont-ils liés à des modifications dans la dynamique vécue de l'attention et de la conscience ? Cette question présente un intérêt clinique direct, car l'anticipation inadaptée, l'hypervigilance et les attentes rigides constituent des caractéristiques centrales de plusieurs troubles ciblés par les interventions basées sur la pleine conscience, notamment la dépression, l'anxiété, la douleur chronique et les addictions. Si la pleine conscience réduit la tendance du sujet à être capturé par des schémas prédictifs rigides, cela fournirait un mécanisme plausible de ses effets thérapeutiques.

Ce projet est particulièrement opportun, car des travaux récents suggèrent que la méditation influence la régulation attentionnelle et le traitement prédictif, tandis que Demarchi et al. (2019) ont montré que la prédictibilité auditive peut être suivie dans l'activité neuronale anticipatoire précédant l'apparition du son. Le cadre expérimental conçu pour ce projet de doctorat offre ainsi une opportunité unique de tester comment la thérapie cognitive basée sur la pleine conscience (MBCT) pourrait moduler cette activité neuronale anticipatoire. Le projet présente donc à la fois une originalité scientifique et une forte pertinence clinique, en permettant de mieux comprendre comment les pratiques de pleine conscience modifient des dynamiques fondamentales de traitement de l'information impliquées dans la santé mentale. Pour tester notre hypothèse générale, le projet sera organisé en trois étapes, correspondant aux trois années du doctorat.

(Étude 1) Au cours de la première année, le/la doctorant(e) mènera une étude EEG transversale visant à implémenter et comparer différents modèles mécanistiques candidats de génération de la MMN dans un paradigme oddball avec induction de menace, en adoptant une analyse résolue dans le temps et en se concentrant sur les dynamiques séquentielles (essai par essai), plutôt que sur les potentiels évoqués moyennés.

(Étude 2) Au cours de la deuxième année, cette approche sera étendue et répliquée dans une étude MEG transversale, permettant d'examiner les mêmes mécanismes avec une meilleure résolution spatiale.

Dans ces deux premières études, les réponses EEG et MEG seront modélisées dans des fenêtres temporelles successives de courte latence et expliquées (ajustées) par : (i) des modèles génératifs de type adaptation (adaptation spécifique au stimulus avec constante de temps de récupération/adaptation), et (ii) des modèles génératifs d'apprentissage bayésien qui suivent les croyances relatives à la probabilité de déviance avec une intégration temporelle finie (c'est-à-dire avec oubli), et qui dérivent des sorties neuronales putatives telles que la surprise statistique ou des quantités de type erreur de prédiction. Une comparaison des modèles sera réalisée à travers les différentes fenêtres temporelles afin de tester si le mécanisme dominant varie en fonction de la latence, et si les conditions expérimentales (périodes de stress induit par la menace versus périodes de sécurité/états méditatifs versus état contrôle) ainsi que le groupe (novices versus experts) modulent l'évidence des modèles et les paramètres inférés. L'une de nos hypothèses spécifiques est que, dans l'état méditatif de type Open Monitoring, pendant les périodes de stress, la MMN sera réduite, reflétant une diminution de la formation des a priori. Cela pourrait suggérer une interaction entre méditation et stress, et révéler un mécanisme par lequel la pratique méditative régule l'anxiété d'état.

(Étude 3) Enfin, ce projet de doctorat appliquera et testera ce cadre dans une expérience EEG longitudinale précédemment acquise dans le cadre de l'étude LONGIMED, une étude contrôlée, randomisée et longitudinale visant à examiner les effets d'une retraite intensive de pleine conscience de 10 jours sur les processus perceptifs, cognitifs et expérientiels dans une perspective de traitement prédictif (Poublan-Couzardot, 2022). LONGIMED a inclus des méditants expérimentés assignés soit à un groupe de retraite active, soit à une condition contrôle appariée dans le temps, avec des évaluations répétées avant la retraite, pendant la retraite et lors du suivi. L'ensemble de données combine électroencéphalographie (EEG), tâches comportementales, mesures psychométriques et rapports intensifs de première personne recueillis de manière répétée tout au long de la retraite.

Dans cette troisième étude, le projet de doctorat se concentrera sur deux objectifs spécifiques complémentaires. Premièrement, il examinera si la pratique de la pleine conscience module le traitement auditif anticipatoire dans un paradigme EEG adapté de Demarchi et al. (2019), qui contraste des séquences de sons présentant différents niveaux de prédictibilité. Deuxièmement, il testera si les modifications de l'activité neuronale anticipatoire sont associées à la phénoménologie moment par moment de la méditation, en particulier aux fluctuations de l'attention, de la conscience, de la stabilité mentale et de l'équanimité mesurées de façon répétée pendant la retraite. En combinant analyse EEG longitudinale et modélisation neurophénoménologique, cette partie du projet vise à clarifier comment l'entraînement à la pleine conscience reconfigure l'engagement prédictif vis-à-vis des entrées sensorielles et comment l'expérience subjective se relie à des changements neuronaux mesurables.

Le/la candidat(e) devra avoir une formation en neurosciences computationnelles, neurosciences cognitives, ingénierie biomédicale ou dans une discipline quantitative apparentée. Une expérience avec au moins une technique de neuroimagerie (EEG, MEG ou IRMf) est requise. Le/la candidat(e) devra être à l'aise avec le traitement du signal, l'analyse statistique et les approches de modélisation computationnelle appliquées aux données cérébrales et comportementales. Une familiarité avec le traitement prédictif, la modélisation bayésienne, l'analyse de données temporelles ou les approches neurophénoménologiques constituera un atout. Un intérêt pour la recherche en pleine conscience est fortement souhaité. Un diplôme de Master en neurosciences computationnelles, neuro-ingénierie, sciences cognitives, ingénierie biomédicale ou dans un domaine étroitement lié est requis.

Niveau de français requis : Intermédiaire. Le/la candidat(e) doit être capable de comprendre les points principaux d'une conversation ou d'un échange dans des contextes quotidiens ou académiques, et de communiquer avec une relative autonomie dans un environnement de recherche francophone.

Niveau d'anglais requis : Avancé. Le/la candidat(e) doit être capable de lire des articles scientifiques, de rédiger des documents académiques et de communiquer efficacement, à l'oral comme à l'écrit, dans un contexte de recherche international.