Ces travaux de thèse, réalisés dans une équipe concevant des circuits analogiques neuromimétiques suivant le modèle d'Hodgkin-Huxley, concernent la modélisation de neurones biologiques, plus précisément, l'estimation des paramètres de modèles de neurones. Une première partie de ce manuscrit s'attache à faire le lien entre la modélisation neuronale et l'optimisation. L'accent est mis sur le modèle d'Hodgkin- Huxley pour lequel il existait déjà une méthode d'extraction des paramètres associée à une technique de mesures électrophysiologiques (le voltage-clamp) mais dont les approximations successives rendaient impossible la détermination précise de certains paramètres. Nous proposons dans une seconde partie une méthode alternative d'estimation des paramètres du modèle d'Hodgkin-Huxley s'appuyant sur l'algorithme d'évolution différentielle et qui pallie les limitations de la méthode classique. Cette alternative permet d'estimer conjointement tous les paramètres d'un même canal ionique. Le troisième chapitre est divisé en trois sections. Dans les deux premières, nous appliquons notre nouvelle technique à l'estimation des paramètres du même modèle à partir de données biologiques, puis développons un protocole automatisé de réglage de circuits neuromimétiques, canal ionique par canal ionique. La troisième section présente une méthode d'estimation des paramètres à partir d'enregistrements de la tension de membrane d'un neurone, données dont l'acquisition est plus aisée que celle des courants ioniques. Le quatrième et dernier chapitre, quant à lui, est une ouverture vers l'utilisation de petits réseaux d'une centaine de neurones électroniques : nous réalisons une étude logicielle de l'influence des propriétés intrinsèques de la cellule sur le comportement global du réseau dans le cadre des oscillations gamma.

Les travaux présentés dans cette Habilitation à Diriger des Recherches visent le développement de nouvelles stratégies neuromimétiques destinées à l'identification et à la commande de systèmes physiques complexes, non linéaires et non stationnaires. Les réseaux de neurones artificiels, également appelés modèles connexionnistes, sont abordés d'un point de vue du traitement du signal et du contrôle. Insérés dans des schémas d'identification et de commande, leurs capacités d'apprentissage rendent ces tâches plus robustes et plus autonomes. Nos études cherchent à développer de nouvelles approches neuromimétiques en prenant en compte de manière explicite des connaissances a priori afin de les rendre plus fidèles au système considéré et d'en améliorer l'identification ou la commande. De nombreux développements sont présentés, ils touchent le neurone formel, l'architecture des réseaux de neurones et la stratégie neuromimétique. Un neurone formel est optimisé. Différentes approches neuronales modulaires basées sur plusieurs réseaux de neurones sont proposées. Des schémas neuronaux issus d'une formalisation théorique d'un système sont étudiés. Cette formalisation repose sur l'expression des signaux internes du système et utilise des signaux synthétisés représentatifs de son évolution. Des associations entre des réseaux neuromimétiques et des techniques telles que la logique floue, des modèles statistiques, ou des modèles paramétriques sont développées. Les techniques neuronales proposées ont été validées expérimentalement. Nous avons montré que les modèles connexionnistes permettent incontestablement de développer des commandes avancées et efficaces à travers une démarche réfléchie.

Les mécanismes cérébraux impliqués dans l'optimisation des comportements sont encore mal connus. Nous avons cherché à préciser leurs fonctionnement à travers des études EEG et IRMf dans des tâches de temps de réaction manipulant la compatibilité Stimulus-Réponse. Plusieurs arguments issus de méthodologies différentes nous ont permis de préciser le rôle de la Négativité d'Erreur (Ne), une onde EEG initialement rapportée dans les erreur, et qui atteint son maximum juste après la réponse. Initialement attribuée à la détection de l'erreur, cette activité, localisée dans la zone cingulaire rostrale, pourrait avoir pour rôle d'évaluer la performance en cours d'essai dans le but de rattraper l'erreur. Nous nous sommes intéressés aux mécanismes impliqués de la sélection de la réponse. La N-40, enregistrée au dessus de l'aire motrice supplémentaire, incarnerait l'association stimulus-réponse alors que les cortex moteurs seraient le lieu de la mise en place d'un mécanisme de prévention de l'erreur implémenté par une élévation du seuil de déclenchement des réponses en présence d'un risque d'erreur. Enfin dans une étude IRMf, nous avons montré que les ajustements comportementaux suite à un essai incompatible prenaient la forme d'une augmentation du traitement perceptif des caractéristiques pertinentes de la tâche et d'une diminution du traitement des caractéristiques non-pertinentes. Nous avons précisé le rôle fonctionnel de la \Ne ainsi que les opérations mises en jeu lors de la mise en place des ajustements comportementaux. Ces résultats suggèrent également l'existence de mécanismes capables de détecter en ligne un risque d'erreur dans le but de prévenir une erreur en cours d'essai.