Dans cette thèse, nous abordons le contrôle moteur du mouvement du coude à travers deux approches expérimentales : une première étude psychophysique a été effectuée chez les sujets humains, et une seconde implique des enregistrements neurophysiologiques chez le singe. Nous avons recensé plusieurs aspects non résolus jusqu’à présent dans l’apprentissage moteur, particulièrement concernant l’interférence survenant lors de l’adaptation à deux ou plusieurs champs de force anti-corrélés. Nous avons conçu un paradigme où des stimuli de couleur aident les sujets à prédire la nature du champ de force externe actuel avant qu’ils ne l’expérimentent physiquement durant des mouvements d’atteinte. Ces connaissances contextuelles faciliteraient l’adaptation à des champs de forces en diminuant l’interférence. Selon le modèle computationnel de l’apprentissage moteur MOSAIC (MOdular Selection And Identification model for Control), les stimuli de couleur aident les sujets à former « un modèle interne » de chaque champ de forces, à s’en rappeler et à faire la transition entre deux champs de force différents, sans interférence. Dans l’expérience psychophysique, quatre groupes de sujets humains ont exécuté des mouvements de flexion/extension du coude contre deux champs de forces. Chaque force visqueuse était associée à une couleur de l’écran de l’ordinateur et les deux forces étaient anti-corrélées : une force résistante (Vr) a été associée à la couleur rouge de l’écran et l’autre, assistante (Va), à la couleur verte de l’écran. Les deux premiers groupes de sujets étaient des groupes témoins : la couleur de l’écran changeait à chaque bloc de 4 essais, tandis que le champ de force ne changeait pas. Les sujets du groupe témoin Va ne rencontraient que la force assistante Va et les sujets du groupe témoin Vr performaient leurs mouvements uniquement contre une force résistante Vr. Ainsi, dans ces deux groupes témoins, les stimuli de couleur n’étaient pas pertinents pour adapter le mouvement et les sujets ne s’adaptaient qu’à une seule force (Va ou Vr). Dans les deux groupes expérimentaux, cependant, les sujets expérimentaient deux champs de forces différents dans les différents blocs d’essais (4 par bloc), associés à ces couleurs. Dans le premier groupe expérimental (groupe « indice certain », IC), la relation entre le champ de force et le stimulus (couleur de l’écran) était constante. La couleur rouge signalait toujours la force Vr tandis que la force Va était signalée par la couleur verte. L’adaptation aux deux forces anti-corrélées pour le groupe IC s’est avérée significative au cours des 10 jours d’entraînement et leurs mouvements étaient presque aussi bien ajustés que ceux des deux groupes témoins qui n’avaient expérimenté qu’une seule des deux forces. De plus, les sujets du groupe IC ont rapidement démontré des changements adaptatifs prédictifs dans leurs sorties motrices à chaque changement de couleur de l’écran, et ceci même durant leur première journée d’entraînement. Ceci démontre qu’ils pouvaient utiliser les stimuli de couleur afin de se rappeler de la commande motrice adéquate. Dans le deuxième groupe expérimental, la couleur de l’écran changeait régulièrement de vert à rouge à chaque transition de blocs d’essais, mais le changement des champs de forces était randomisé par rapport aux changements de couleur (groupe « indice-incertain », II). Ces sujets ont pris plus de temps à s’adapter aux champs de forces que les 3 autres groupes et ne pouvaient pas utiliser les stimuli de couleurs, qui n’étaient pas fiables puisque non systématiquement reliés aux champs de forces, pour faire des changements prédictifs dans leurs sorties motrices. Toutefois, tous les sujets de ce groupe ont développé une stratégie ingénieuse leur permettant d’émettre une réponse motrice « par défaut » afin de palper ou de sentir le type de la force qu’ils allaient rencontrer dans le premier essai de chaque bloc, à chaque changement de couleur. En effet, ils utilisaient la rétroaction proprioceptive liée à la nature du champ de force afin de prédire la sortie motrice appropriée pour les essais qui suivent, jusqu’au prochain changement de couleur d’écran qui signifiait la possibilité de changement de force. Cette stratégie était efficace puisque la force demeurait la même dans chaque bloc, pendant lequel la couleur de l’écran restait inchangée. Cette étude a démontré que les sujets du groupe II étaient capables d’utiliser les stimuli de couleur pour extraire des informations implicites et explicites nécessaires à la réalisation des mouvements, et qu’ils pouvaient utiliser ces informations pour diminuer l’interférence lors de l’adaptation aux forces anti-corrélées. Les résultats de cette première étude nous ont encouragés à étudier les mécanismes permettant aux sujets de se rappeler d’habiletés motrices multiples jumelées à des stimuli contextuels de couleur. Dans le cadre de notre deuxième étude, nos expériences ont été effectuées au niveau neuronal chez le singe. Notre but était alors d’élucider à quel point les neurones du cortex moteur primaire (M1) peuvent contribuer à la compensation d’un large éventail de différentes forces externes durant un mouvement de flexion/extension du coude. Par cette étude, nous avons testé l’hypothèse liée au modèle MOSAIC, selon laquelle il existe plusieurs modules contrôleurs dans le cervelet qui peuvent prédire chaque contexte et produire un signal de sortie motrice approprié pour un nombre restreint de conditions. Selon ce modèle, les neurones de M1 recevraient des entrées de la part de plusieurs contrôleurs cérébelleux spécialisés et montreraient ensuite une modulation appropriée de la réponse pour une large variété de conditions. Nous avons entraîné deux singes à adapter leurs mouvements de flexion/extension du coude dans le cadre de 5 champs de force différents : un champ nul ne présentant aucune perturbation, deux forces visqueuses anti-corrélées (assistante et résistante) qui dépendaient de la vitesse du mouvement et qui ressemblaient à celles utilisées dans notre étude psychophysique chez l’homme, une force élastique résistante qui dépendait de la position de l’articulation du coude et, finalement, un champ viscoélastique comportant une sommation linéaire de la force élastique et de la force visqueuse. Chaque champ de force était couplé à une couleur d’écran de l’ordinateur, donc nous avions un total de 5 couleurs différentes associées chacune à un champ de force (relation fixe). Les singes étaient bien adaptés aux 5 conditions de champs de forces et utilisaient les stimuli contextuels de couleur pour se rappeler de la sortie motrice appropriée au contexte de forces associé à chaque couleur, prédisant ainsi leur sortie motrice avant de sentir les effets du champ de force. Les enregistrements d’EMG ont permis d’éliminer la possibilité de co-contractions sous-tendant ces adaptations, étant donné que le patron des EMG était approprié pour compenser chaque condition de champ de force. En parallèle, les neurones de M1 ont montré des changements systématiques dans leurs activités, sur le plan unitaire et populationnel, dans chaque condition de champ de force, signalant les changements requis dans la direction, l’amplitude et le décours temporel de la sortie de force musculaire nécessaire pour compenser les 5 conditions de champs de force. Les changements dans le patron de réponse pour chaque champ de force étaient assez cohérents entre les divers neurones de M1, ce qui suggère que la plupart des neurones de M1 contribuent à la compensation de toutes les conditions de champs de force, conformément aux prédictions du modèle MOSAIC. Aussi, cette modulation de l’activité neuronale ne supporte pas l’hypothèse d’une organisation fortement modulaire de M1. / In this thesis, we addressed motor control by two experimental approaches: psychophysical studies in human subjects and neurophysiological recordings in non-human primates. We identified unresolved issues concerning interference in motor learning during adaptation of subjects to two or more anti-correlated force fields. We designed paradigms in which arbitrary color stimuli provided contextual cues that allowed subjects to predict the nature of impending external force fields before encountering them physically during arm movements. This contextual knowledge helped to facilitate adaptation to the force fields by reducing this interference. According to one computational model of motor learning (MOdular Selection And Identification model for Control; MOSAIC), the color context cues made it easier for subjects to build “internal models” of each force field, to recall them and to switch between them with minimal interference. In our first experiment, four groups of human subjects performed elbow flexion/extension movements against two anti-correlated viscous force fields. We combined two different colors for the computer monitor background with two forces: resistive (Vr) and assistive (Va). The first two groups were control subjects. In those subjects, the color of the computer monitor changed at regular intervals but the force field remained constant; Vr was presented to the first group while the second group only experienced Va. As a result, the color cues were irrelevant in the two control groups. All control subjects adapted well to the single experienced force field (Vr or Va). In the two experimental groups, in contrast, the anti-correlated force fields and the monitor colors changed repeatedly between short blocks of trials. In the first experimental group (Reliable-cue subjects), there was a consistent relationship between the force and the stimulus (color of the monitor) - the red colour always signalled the resistive force while the green colour always signalled the assistive force. Adaptation to the two anti-correlated forces for the Reliable-cue group was significant during 10 days of training and almost as good as in the Irrelevant-cue groups who only experienced one of the two force fields. Furthermore, the Reliable-cue subjects quickly demonstrated predictive adaptive changes in their motor output whenever the monitor color changed, even during their first day of training, showing that they could use the reliable color context cues to recall the appropriate motor skills. In contrast, the monitor color also changed regularly between red and green in the second experimental group, but the force fields were not consistently associated with the color cue (Unreliable-cue group). These subjects took longer to adapt to the two force fields than the other three groups, and could not use the unreliable color cue change to make predictive changes to their motor output. Nevertheless, all Unreliable-cue subjects developed an ingenious strategy of making a specific “default” arm movement to probe the type of force field they would encounter in the first trial after the monitor color changed and used the proprioceptive feedback about the nature of the field to make appropriate predictive changes to their motor output for the next few trials, until the monitor color changed again, signifying the possibility of a change in force fields. This strategy was effective since the force remained constant in each short block of trials while the monitor color remained unchanged. This showed that the Unreliable-cue subjects were able to extract implicit and explicit information about the structure of the task from the color stimuli and use that knowledge to reduce interference when adapting to anti-correlated forces. The results of this first study encouraged us to advance our understanding of how subjects can recall multiple motor skills coupled to color context stimuli can be recalled, and how this phenomenon can be reflected by the neuronal activity in monkeys. Our aim was to elucidate how neurons of primary motor cortex (M1) can contribute to adaptive compensation for a wide range of different external forces during single-joint elbow flexion/extension movements. At the same time, we aimed to test the hypothesis evoked in the MOSAIC model, whereby multiple controller modules located in the cerebellum may predict each context and produce appropriate adaptive output signals for a small range of task conditions. Also, according to this hypothesis, M1 neurons may receive inputs from many specialized cerebellar controllers and show appropriate response modulations for a wide range of task conditions. We trained two monkeys to adapt their flexion/extension elbow movements against 5 different force-field conditions: null field without any external force disturbance, two anti-correlated viscous forces (assistive and resistive), which depended on movement speed and resembled that used in the human psychophysical study, a resistive elastic force which depended on elbow-joint position and finally, a visco-elastic field that was the linear sum of the elastic and viscous forces field. Each force field was reliably coupled to 5 different computer monitor background colors. The monkeys properly adapted to the 5 different force-field conditions and used the color context cues to recall the corresponding motor skill for the force field associated with each color, so that they could make predictive changes to their motor output before they physically encountered the force fields. EMG recordings eliminated the possibility that a co-contraction strategy was used by the monkeys to adapt to the force fields, since the EMG patterns were appropriate to compensate for each force-field condition. In parallel, M1 neurons showed systematic changes in their activity at the single-neuron and population level in each force-field condition that could signal the required changes in the direction, magnitude and time course of muscle force output required to compensate for the 5 force-field conditions. The patterns of response changes in each force field were consistent enough across M1 neurons to suggest that most M1 neurons contributed to the compensation for all force field conditions, in line with the predictions of the MOSAIC model. Also, these response changes do not support a strongly modular organization for M1.

L’observation d’un modèle pratiquant une habileté motrice promeut l’apprentissage de l’habileté en question. Toutefois, peu de chercheurs se sont attardés à étudier les caractéristiques d’un bon modèle et à mettre en évidence les conditions d’observation pouvant optimiser l’apprentissage. Dans les trois études composant cette thèse, nous avons examiné les effets du niveau d’habileté du modèle, de la latéralité du modèle, du point de vue auquel l’observateur est placé, et du mode de présentation de l’information sur l’apprentissage d’une tâche de timing séquentielle composée de quatre segments. Dans la première expérience de la première étude, les participants observaient soit un novice, soit un expert, soit un novice et un expert. Les résultats des tests de rétention et de transfert ont révélé que l’observation d’un novice était moins bénéfique pour l’apprentissage que le fait d’observer un expert ou une combinaison des deux (condition mixte). Par ailleurs, il semblerait que l’observation combinée de modèles novice et expert induise un mouvement plus stable et une meilleure généralisation du timing relatif imposé comparativement aux deux autres conditions. Dans la seconde expérience, nous voulions déterminer si un certain type de performance chez un novice (très variable, avec ou sans amélioration de la performance) dans l’observation d’une condition mixte amenait un meilleur apprentissage de la tâche. Aucune différence significative n’a été observée entre les différents types de modèle novices employés dans l’observation de la condition mixte. Ces résultats suggèrent qu’une observation mixte fournit une représentation précise de ce qu’il faut faire (modèle expert) et que l’apprentissage est d’autant plus amélioré lorsque l’apprenant peut contraster cela avec la performance de modèles ayant moins de succès. Dans notre seconde étude, des participants droitiers devaient observer un modèle à la première ou à la troisième personne. L’observation d’un modèle utilisant la même main préférentielle que soi induit un meilleur apprentissage de la tâche que l’observation d’un modèle dont la dominance latérale est opposée à la sienne, et ce, quel que soit l’angle d’observation. Ce résultat suggère que le réseau d’observation de l’action (AON) est plus sensible à la latéralité du modèle qu’à l’angle de vue de l’observateur. Ainsi, le réseau d’observation de l’action semble lié à des régions sensorimotrices du cerveau qui simulent la programmation motrice comme si le mouvement observé était réalisé par sa propre main dominante. Pour finir, dans la troisième étude, nous nous sommes intéressés à déterminer si le mode de présentation (en direct ou en vidéo) influait sur l’apprentissage par observation et si cet effet est modulé par le point de vue de l’observateur (première ou troisième personne). Pour cela, les participants observaient soit un modèle en direct soit une présentation vidéo du modèle et ceci avec une vue soit à la première soit à la troisième personne. Nos résultats ont révélé que l’observation ne diffère pas significativement selon le type de présentation utilisée ou le point de vue auquel l’observateur est placé. Ces résultats sont contraires aux prédictions découlant des études d’imagerie cérébrale ayant montré une activation plus importante du cortex sensorimoteur lors d’une observation en direct comparée à une observation vidéo et de la première personne comparée à la troisième personne. Dans l’ensemble, nos résultats indiquent que le niveau d’habileté du modèle et sa latéralité sont des déterminants importants de l’apprentissage par observation alors que le point de vue de l’observateur et le moyen de présentation n’ont pas d’effets significatifs sur l’apprentissage d’une tâche motrice. De plus, nos résultats suggèrent que la plus grande activation du réseau d’observation de l’action révélée par les études en imagerie mentale durant l’observation d’une action n’induit pas nécessairement un meilleur apprentissage de la tâche. / Observation of a model practicing a motor skill has been shown to promote the learning of that skill. However, relatively little is known regarding the attributes of a good model and the conditions of observation that can optimize learning. In the three studies reported in this thesis, we investigated the effects of the model’s skill level, the model’s handedness, the observation perspective, and the medium of presentation on the learning of a sequential, four-segmented timing task. In the first experiment of the first study, we had participants observe a novice, an expert, or a combination of both novice and expert models (i.e., mixed model). The results of the retention/transfer tests revealed that observation of the novice model was not as effective for the learning of the task as observation of the expert and mixed models. Importantly, a mixed schedule of novice and expert observation resulted in more stable movement time and better generalization of the imposed relative timing pattern than observation of either a novice or an expert model. In the second experiment, we wanted to determine whether a certain type of novice performance (highly variable, with or without performance improvement) in a mixed observation schedule results in better learning of the task. No significant differences were revealed with respect to the type of novice model used in a mixed schedule of observation. These results suggest that mixed observation provides an accurate template of what to do (expert observation), which is enhanced when it can be contrasted with the performance of less successful models. In our second study, right-handed participants were asked to observe, from a first-person or a third-person perspective, a right-handed (i.e., same-handed) or left-handed (i.e., opposite-handed) model performing the experimental task. Observation of the same-handed model resulted in better learning of the task than did observation of the opposite-handed model, regardless of the observation perspective. This suggests that the action observation network (AON) is more sensitive to the model’s handedness than to the observer’s viewpoint. Thus, the AON seems to be linked to sensorimotor regions of the brain that simulate motor programming as though the observed movement was performed with one’s own dominant hand. Finally, in the third study, we were interested to determine whether the medium of presentation (live vs. video) affects observational learning and whether this effect would be mediated by the observer’s viewpoint (1st vs. 3rd person). In that regard, participants observed a live model or a video presentation of the model from a first- or third-person perspective. Our results revealed that observation did not differ significantly as a function of the media or the perspective of observation. These results are inconsistent with the predictions of brain imaging studies that show a larger activation of the sensorimotor cortex during live observation compared with video observation and from a first-person compared with the third-person perspective. Taken together, our results indicate that the model’s skill level and handedness are important determinants of observational learning, whereas the observer’s viewpoint and the medium of observation had no significant impact on motor task learning. In addition, our results suggest that the larger activation of AON revealed in brain imaging studies during action observation does not necessarily result in or indicate better learning of the task.

No description available.