Chez les mammifères, le néocortex constitue une structure remarquablement plastique assurant leurs multiples capacités d’adaptation et d’apprentissage. Par exemple, l’apprentissage associatif permet à chaque individu d’apprendre les relations entre un événement particulier (un danger par exemple) et les signaux environnementaux qui y sont associés, afin d’en anticiper les conséquences s’il se reproduit dans le futur. Dans le cas de la peur conditionnée, l'apprentissage associatif améliore les capacités de discrimination des signaux de menace et de sécurité, garantissant ainsi une représentation précise de l'environnement. Ce processus comportemental est en partie dépendant de l'interaction entre deux structures cérébrales: le cortex préfrontal (PFC) et le complexe basolatéral de l'amygdale (BLA). Bien que le PFC puisse encoder à la fois les mémoires de menace et de sécurité qui seraient recrutées préférentiellement après l'apprentissage, on ignore toujours si une telle représentation discriminative existe réellement, et si oui, les mécanismes neuronaux et synaptiques qui en sont à l'origine. Au cours de mon travail de thèse, j'ai démontré que l'activité des neurones excitateurs du PFC est nécessaire à la discrimination entre les signaux de menace et de sécurité grâce à la formation d'ensembles spécifiques de neurones. Au cours de l'apprentissage, les neurones pyramidaux sont potentialisés et recrutés au sein de ses ensembles grâce à l'association au niveau dendritique d'événements synaptiques non-linéaires issus des entrées sensorielles avec des entrées synaptiques provenant de la BLA. En conclusion, nos données fournissent la preuve d'un nouveau mécanisme synaptique qui associe, pendant l'apprentissage, l'expérience perçue avec l’état émotionnel transmis par la BLA permettant ainsi la formation d'ensembles neuronaux dans le cortex préfrontal. / The ability of an organism to predict forthcoming events is crucial for survival, and depends on the repeated contingency and contiguity between sensory cues and the events (i.e. danger) they must predict. The resulting learned association provides an accurate representation of the environment by increasing discriminative skills between threat and safety signals, most likely as a result of the interaction between the prefrontal cortex (PFC) and the basolateral amygdala (BLA). Although it suggests that local neuronal networks in the PFC might encode opposing memories that are preferentially selected during recall by recruiting specific cortical or subcortical structures, whether such a discriminative representation is wired within discrete prefrontal circuits during learning and by which synaptic mechanisms remain unclear. Here, the work at issue demonstrates that discrimination learning of both safe and fear-conditioned stimuli depends on full activity of the frontal association cortex, and is associated with the formation of cue-specific neuronal assemblies therein. During learning, prefrontal pyramidal neurons were potentiated through sensory-driven dendritic non-linearities supported by the activation of long-range inputs from the basolateral amygdala (BLA). Taken together, these data provide evidence for a new synaptic level mechanism that coincidently link (or meta-associate) during learning features of perceived experience with BLA mediated emotional state into prefrontal memory assemblies.

La prise de décision est un processus computationnel fondamental dans de nombreux aspects du comportement animal. Le modèle le plus souvent rencontré dans les études portant sur la prise de décision est appelé modèle de diffusion. Depuis longtemps, il explique une grande variété de données comportementales et neurophysiologiques dans ce domaine. Cependant, un autre modèle, le modèle d’urgence, explique tout aussi bien ces mêmes données et ce de façon parcimonieuse et davantage encrée sur la théorie. Dans ce travail, nous aborderons tout d’abord les origines et le développement du modèle de diffusion et nous verrons comment il a été établi en tant que cadre de travail pour l’interprétation de la plupart des données expérimentales liées à la prise de décision. Ce faisant, nous relèveront ses points forts afin de le comparer ensuite de manière objective et rigoureuse à des modèles alternatifs. Nous réexaminerons un nombre d’assomptions implicites et explicites faites par ce modèle et nous mettrons alors l’accent sur certains de ses défauts. Cette analyse servira de cadre à notre introduction et notre discussion du modèle d’urgence. Enfin, nous présenterons une expérience dont la méthodologie permet de dissocier les deux modèles, et dont les résultats illustrent les limites empiriques et théoriques du modèle de diffusion et démontrent en revanche clairement la validité du modèle d'urgence. Nous terminerons en discutant l'apport potentiel du modèle d'urgence pour l'étude de certaines pathologies cérébrales, en mettant l'accent sur de nouvelles perspectives de recherche. / Decision‐making is a computational process of fundamental importance to many aspects of animal behavior. The prevailing model in the experimental study of decision‐making is the drift‐diffusion model, which has a long history and accounts for a broad range of behavioral and neurophysiological data. However, an alternative model – called the urgency‐gating model – has been offered which can account equally well for much of the same data in a more parsimonious and theoretically‐sound manner. In what follows, we will first trace the origins and development of the DDM, as well as give a brief overview of the manner in which it has supplied an explanatory framework for a large number of behavioral and physiological studies in the domain of decision‐making. In so doing, we will attempt to build a strong and clear case for its strengths so that it can be fairly and rigorously compared to potential alternative models. We will then re‐examine a number of the implicit and explicit theoretical assumptions made by the drift‐diffusion model, as well as highlight some of its empirical shortcomings. This analysis will serve as the contextual backdrop for our introduction and discussion of the urgency‐gating model. Finally, we present a novel experiment, the methodological design of which uniquely affords a decisive empirical dissociation of the models, the results of which illustrate the empirical and theoretical shortcomings of the drift‐diffusion model and instead offer clear support for the urgency‐gating model. We finish by discussing the potential for the urgency gating model to shed light on a number of clinical disorders, highlighting a number of future directions for research.