La saccade oculaire, i.e. mouvement très rapide des yeux, permet d’amener l’objet d’intérêt sur la fovéa, afin que le système visuel puisse analyser ses propriétés. Malgré l’importance du cortex occipital dans le traitement de l’information visuelle, son rôle dans la génération de saccades est encore peu connu. Pour ce faire, l’hémianopsie latérale homonyme consécutive à une atteinte unilatérale du cortex occipital (i.e. amputation de l’hémichamp visuel controlésionnel) peut être considérée comme modèle d’étude. En effet, malgré la perte de la vision consciente, certains patients sont capables de répondre à un stimulus présenté dans l’hémichamp controlésionnel. Ces capacités préservées, appelées vision aveugle, peuvent être de nature attentionnelle et/ou motrice. Le but de cette thèse est ainsi d’étudier l’implication du cortex occipital dans la génération de saccades. En manipulant les propriétés spatiales et temporelles du point de fixation, de la cible ou d’un distracteur, les paramètres des saccades de ces patients ont été examinés en étudiant différents types de saccades (volontaires et réactives) ainsi que des effets connus pour moduler les paramètres saccadiques (effets d’un distracteur et adaptation saccadique). Parallèlement, les capacités de vision aveugle ont été examinées à partir de différentes tâches perceptives (détection et discrimination), nécessitant une réponse verbale, manuelle (appui-bouton) et/ou oculomotrice (saccade et fixation). Malgré la perte de la conscience visuelle du stimulus présenté dans l’hémichamp controlésionnel, des capacités de vision aveugle sont attestées par la réalisation d’une action oculomotrice sur ce stimulus. La dichotomie observée dans ces capacités en fonction de la nécessité de réaliser une action sur la stimulation visuelle suppose une implication du cortex occipital dans les mécanismes de sélection pour l’action et pour la perception. Par ailleurs, une dissociation est observée dans l’atteinte des paramètres saccadiques. Si l’initiation de la saccade – reflétée par la latence - est altérée dans les deux hémichamps ipsi- et controlésionnel, le calcul de la métrique de la saccade – reflétée par l’amplitude - est spécifiquement altéré dans l’hémichamp controlésionnel. Ainsi, nos résultats sont en faveur d’une implication du cortex occipital dans la génération des saccades oculaires ainsi qu’en faveur d’un modèle fonctionnel de génération de saccades à deux voies de traitement parallèles dédiées respectivement à l’initiation et à la métrique de la saccade. / Saccadic eye movements are rapid and necessary to targeting the interesting object in our visual environment. Despite the crucial role of the occipital cortex in the visual process, its implication in the saccadic generation is poorly studied. To examine this, we can use one pathological model, the homonymous hemianopia (i.e. loss of contralateral visual hemifield to unilateral occipital lesion). Despite the loss of conscious vision, some patients can be able to react at one stimulus presented in the contralesional hemifield. These residual abilities, named blindsight, can be observed in attentional and/or motor tasks. The aim of this thesis is examine the parameters of saccades in hemianopic patients, through the study of saccade types (voluntary and reflexive saccades) and classical effects on the modulation of saccadic parameters (gap effect and distractor effects, by manipulating the spatial and temporal characteristics of the fixation point, the target or a distractor). Furthermore, the residual abilities are investigated by perceptual tasks (detection or discrimination) with different types of response: verbal, manual (key press) and motor (saccade or fixation). Overall, despite the loss of conscious perception of the target presented in the contralesional hemifield, residual abilities are found as showed by the saccadic execution toward the target, with a dichotomy depending on the need to perform an action on the visual stimulation. This suggests that the role of the occipital cortex is not the same in the selection mechanism for the action and the perception. Concerning to saccadic programming, dissociation is found in the saccadic parameters. The saccadic initiation, studied by with the saccade latency, is altered in both ipsi- and contralesional hemifields but the saccade metric, studied by the saccade amplitude, is altered in the contralesional hemifield. This suggests that the occipital cortex is implicated in the saccade generation and that saccade programing involves two pathways for the initiation and the metric of saccades.

Cette thèse a pour objectif la conception d’une architecture de contrôle bio-inspirée permettant à un robot autonome de naviguer sur de grandes distances. Le modèle développé permet également d’améliorer la compréhension des mécanismes biologiques impliqués. De précédents travaux ont montré qu’un modèle de cellules de lieu, enregistrées chez le rat, permettait à un robot mobile d’apprendre des comportements de navigation robustes, tels qu’une ronde ou un retour au nid, à partir d’associations entre lieu et action. La reconnaissance d’un lieu ne reposait alors que sur des informations visuelles. L’ambiguïté de certaines situations (e.g. un long couloir) ne permettait pas de naviguer dans de grands environnements. L’ajout d’autres modalités constitue une solution efficace pour augmenter la robustesse dans des environnements complexes. Cette solution nous a permis d’identifier les briques minimales nécessaires à la fusion d’informations multimodales, d’abord par le biais d’un conditionnement simple entre 2 modalités sensorielles, puis par la formalisation d’un modèle, plus générique, de prédictions inter-modales. C’est un mécanisme bas niveau qui permet de générer une cohérence perceptive : l’ensemble des modalités sensorielles s’entraident pour ne renvoyer qu’une perception claire et cohérente aux mécanismes décisionnels de plus haut niveau. Les modalités les plus corrélées sont ainsi capables de combler les informations manquantes d’une modalité défaillante (cas pathologique). Ce modèle implique la mise en place d’un système de prédiction et donc une capacité à détecter de la nouveauté dans ses perceptions. Ainsi, le modèle est également capable de détecter une situation inattendue ou anormale et possède donc une capacité d’auto-évaluation : l’évaluation de ses propres perceptions. Nous nous sommes ensuite mis à la recherche des propriétés fondamentales à tout système d'auto-évaluation.La première propriété essentielle a été de constater qu’évaluer un comportement sensorimoteur revient à reconnaître une dynamique entre sensation et action, plutôt que la simple reconnaissance d’une forme sensorielle. La première brique encapsule donc un modèle interne minimaliste des interactions du robot avec son environnement, qui est la base sur laquelle le système fera des prédictions.La seconde propriété essentielle est la capacité à extraire l’information pertinente par le biais de calculs statistiques. Il est nécessaire que le robot apprenne à capturer les invariants statistiques en supprimant l’information incohérente. Nous avons donc montré qu’il était possible d’estimer une densité de probabilité par le biais d’un simple conditionnement. Cet apprentissage permet de réaliser l’équivalent d’une inférence bayésienne. Le système estime la probabilité de reconnaître un comportement à partir de la reconnaissance d’informations statistiques apprises. C’est donc par la mise en cascade de simples conditionnements que le système peut apprendre à estimer les moments statistiques d’une dynamique (moyenne, variance, asymétrie, etc...). La non-reconnaissance de cette dynamique lui permet de détecter qu’une situation est anormale.Mais détecter un comportement inhabituel ne nous renseigne pas pour autant sur son inefficacité. Le système doit également surveiller l’évolution de cette anomalie dans le temps pour pouvoir juger de la pertinence du comportement. Nous montrons comment un contrôleur émotionnel peut faire usage de cette détection de nouveauté pour réguler le comportement et ainsi permettre au robot d’utiliser la stratégie la plus adaptée à la situation rencontrée. Pour finir, nous avons mis en place une procédure de frustration permettant au robot de lancer un appel à l’aide lorsqu’il détecte qu’il se retrouve dans une impasse. Ce réseau de neurones permet au robot d’identifier les situations qu’il ne maîtrise pas dans le but d’affiner son apprentissage, à l’instar de certains processus développementaux. / The goal of this thesis is to build a bio-inspired architecture allowing a robot to autonomouslynavigate over large distances. In a cognitive science point of view, the model also aim at improv-ing the understanding of the underlying biological mechanisms. Previous works showed thata computational model of hippocampal place cells, based on neurobiological studies made onrodent, allows a robot to learn robust navigation behaviors. The robot can learn a round or ahoming behavior from a few associations between places and actions. The learning and recog-nition of a place were only defined by visual information and shows limitations for navigatinglarge environments.Adding other sensorial modalities is an effective solution for improving the robustness of placesrecognition in complex environments. This solution led us to the elementary blocks requiredwhen trying to perform multimodal information merging. Such merging has been done, first,by a simple conditioning between 2 modalities and next improved by a more generic model ofinter-modal prediction. In this model, each modality learns to predict the others in usual situa-tions, in order to be able to detect abnormal situations and to compensate missing informationof the others. Such a low level mechanism allows to keep a coherent perception even if onemodality is wrong. Moreover, the model can detect unexpected situations and thus exhibit someself-assessment capabilities: the assessment of its own perception. Following this model of self-assessment, we focus on the fundamental properties of a system for evaluating its behaviors.The first fundamental property that pops out is the statement that evaluating a behavior is anability to recognize a dynamics between sensations and actions, rather than recognizing a sim-ple sensorial pattern. A first step was thus to take into account the sensation/action couplingand build an internal minimalist model of the interaction between the agent and its environment.Such of model defines the basis on which the system will build predictions and expectations.The second fundamental property of self-assessment is the ability to extract relevant informa-tion by the use of statistical processes to perform predictions. We show how a neural networkcan estimate probability density functions through a simple conditioning rule. This probabilis-tic learning allows to achieve bayesian inferences since the system estimates the probability ofobserving a particular behavior from statistical information it recognizes about this behavior.The robot estimates the different statistical momentums (mean, variance, skewness, etc...) of abehavior dynamics by cascading few simple conditioning. Then, the non-recognition of such adynamics is interpreted as an abnormal behavior.But detecting an abnormal behavior is not sufficient to conclude to its inefficiency. The systemmust also monitor the temporal evolution of such an abnormality to judge the relevance of thebehavior. We show how an emotional meta-controller can use this novelty detection to regu-late behaviors and so select the best appropriate strategy in a given context. Finally, we showhow a simple frustration mechanism allows the robot to call for help when it detects potentialdeadlocks. Such a mechanism highlights situations where a skills improvement is possible, soas some developmental processes.