Meta a mis votre cerveau en équation, et ce n'est pas de la science-fiction
TRIBE v2 : comment Meta a scanné 700 cerveaux humains pendant des centaines d'heures pour apprendre à prédire ce que votre cerveau va ressentir avant que vous le sachiez vous-même.
La prochaine fois que vous vous surprenez à regarder une vidéo jusqu'au bout alors que vous vouliez juste passer à autre chose, posez-vous une seconde cette question : est-ce que ce contenu a été conçu pour que votre cerveau ne s'en échappe pas ?
Depuis mars 2026, c'est techniquement réalisable. Et Meta a publié exactement comment.
TRIBE v2 : ce que c'est vraiment
En mars 2026, l'équipe de recherche fondamentale de Meta — le laboratoire FAIR — a publié un modèle d'intelligence artificielle baptisé TRIBE v2, pour Tri-modal Representation for Individualizing Brain Encoding. Il prend en entrée n'importe quelle combinaison de vidéo, d'audio et de texte, et prédit en sortie l'activité cérébrale qu'un être humain produirait en y étant exposé.
Deux précisions s'imposent d'emblée. D'abord, ce n'est pas votre cerveau que le modèle connaît : c'est une synthèse construite à partir de plus de 700 volontaires, une moyenne populationnelle, pas un jumeau numérique personnel. Ensuite, le modèle a été rendu entièrement public, avec son code, ses paramètres et une démo en ligne, sous licence CC BY-NC. Meta ne le garde pas secret.
Ce qui ne rend pas la chose moins saisissante.
Ce que signifie scanner un cerveau pendant qu'il regarde Netflix
Pour saisir ce que Meta a réellement fait, il faut comprendre ce qu'est un IRM fonctionnel, parce que c'est l'outil au coeur de tout ça et il est souvent présenté de travers.
Un IRM classique, tout le monde connaît : le grand cylindre blanc dans les hôpitaux, qui photographie vos os et vos organes. L'IRM fonctionnel fait autre chose. Il ne prend pas une image de la structure du cerveau, il mesure son activité minute par minute, en captant une chose très précise : là où le sang oxygéné afflue.
La logique est la suivante. Quand une zone du cerveau travaille intensément, elle consomme de l'oxygène. Le corps compense en y envoyant du sang chargé en oxygène. L'IRM détecte cette différence de concentration — c'est ce qu'on appelle le signal BOLD — et la traduit en carte colorée où les zones actives s'allument littéralement. Ce n'est pas de la lecture de pensée. C'est de la mesure de flux sanguin, avec une résolution spatiale suffisamment fine pour identifier quelle sous-région précise du cortex est en train de travailler, et à quelle intensité.
Ce que ça permet de faire : mettre quelqu'un dans le scanner, lui passer une vidéo, et observer en temps quasi réel si les circuits de récompense s'activent, si l'attention se maintient sur la durée, si la réponse émotionnelle est forte ou faible. C'est de la neuroscience cognitive appliquée à des contenus du quotidien, et c'est ce que Meta a fait à grande échelle.
700 personnes, 500 heures, 70 000 points
Les volontaires ont regardé des films, des extraits YouTube, des courts formats. Ils ont écouté des podcasts, des livres audio. Ils ont lu des textes de genres variés. Tout ça allongés dans un scanner, pendant que le modèle enregistrait ce qui se passait dans leur cortex. Au total : plus de 500 heures d'IRMf, corrélées point par point avec chaque seconde de chaque contenu présenté.
Le modèle précédent de Meta couvrait environ 1 000 points du cortex. TRIBE v2 en couvre 70 000. C'est la différence entre regarder une ville depuis un avion et avoir le plan de chaque appartement. À cette résolution, ce qui était une approximation grossière devient une carte utilisable.
Le résultat : un modèle capable d'aller dans l'autre sens. Vous lui donnez un contenu qu'il n'a jamais vu, il vous prédit l'activité cérébrale qu'il va déclencher. Et cette prédiction fonctionne même pour des personnes que le modèle n'a jamais scannées, et dans des langues sur lesquelles il n'a pas été entraîné. En neurosciences, cette capacité de généralisation sans données préalables sur l'individu est une avancée réelle, pas un argument marketing.
Pourquoi ça concerne la viralité
TRIBE v2 ne produit pas un score "viral/pas viral". Ce n'est pas son rôle. Mais la connexion avec l'engagement des contenus est directe, et elle repose sur des années de recherche en neurosciences du comportement.
Ce qu'on sait : les contenus qui maintiennent une activation forte dans les circuits de récompense et d'attention soutenue ont statistiquement plus de chances d'être vus en entier, commentés, partagés. Ce lien est documenté dans des dizaines d'études indépendantes, pas seulement dans les labos des plateformes. Passer un contenu dans TRIBE v2 et obtenir une simulation d'activation forte dans ces régions, c'est donc une indication fiable que ce contenu a le potentiel de retenir l'audience. Répété sur des milliers de cerveaux simulés en parallèle, ce processus ressemble effectivement à un moteur de prédiction de l'engagement, construit non pas sur des clics ou des durées de visionnage, mais sur ce que les neurones auraient fait.
La différence avec le ciblage algorithmique habituel est de taille. Un algorithme classique apprend par essai-erreur sur des millions d'utilisateurs réels. Ici, la prédiction s'effectue avant toute publication, sans exposer personne, en simulant directement la réponse neurale.
L'open-source, les bonnes raisons et les autres
Meta a donc choisi de rendre TRIBE v2 entièrement accessible. Code source, poids du modèle, démo interactive : tout est disponible pour les chercheurs, les universités, et techniquement n'importe qui d'autre.
Les motivations scientifiques sont réelles. Ce type de modèle ouvre des pistes sérieuses pour comprendre comment le cerveau traite le langage, l'image et le son ensemble, ce qui peut accélérer la recherche sur des pathologies comme l'aphasie, certaines formes d'autisme, ou les troubles de l'attention. Il peut aussi servir de brique de base pour les interfaces cerveau-machine médicales, qui permettent à des personnes paralysées de communiquer. Ce n'est pas du greenwashing : ces applications existent et progresseront grâce à des modèles comme celui-ci.
Mais rendre public un outil capable de prédire les réponses cérébrales à du contenu, c'est aussi le mettre entre les mains de n'importe quelle équipe marketing qui voudrait tester l'impact neurologique de ses publicités sans recruter un seul participant, sans IRM, sans comité d'éthique. Ce qui prenait trois mois et coûtait plusieurs dizaines de milliers d'euros en étude neuromarketing classique devient une simulation de quelques minutes.
Le problème que personne n'a encore résolu
Ce qui me frappe dans cette publication, ce n'est pas le modèle lui-même. C'est ce qu'il révèle sur là où on en est.
Depuis des années, les plateformes comme Instagram, YouTube ou Snapchat optimisent leurs algorithmes pour maximiser l'engagement. Le fait est connu. Mais "maximiser l'engagement" est resté longtemps une notion abstraite, quelque chose qui se passait dans des serveurs lointains, mesuré en taux de clics et en minutes passées. TRIBE v2 rend explicite ce qui était implicite : l'engagement, au fond, c'est de l'activation cérébrale. Optimiser pour l'engagement, c'est optimiser pour que certaines zones de votre cerveau s'allument plutôt que d'autres. Et les zones qu'on cherche à activer, les circuits de récompense et d'attention soutenue, sont exactement celles qui sont impliquées dans les comportements compulsifs.
Ce n'est pas une attaque contre Meta en particulier. Mais il est difficile d'ignorer que l'outil le plus précis jamais construit pour simuler la réponse neurale humaine à du contenu vient d'une entreprise dont le modèle économique repose entièrement sur votre attention.
Le Chili est à ce jour le seul pays au monde à avoir inscrit dans sa Constitution des protections pour les données cérébrales, sous le nom de "droits neuronaux", depuis 2021. Aucun autre cadre légal n'existe pour ce type de technologie. Le RGPD couvre les données personnelles classiques, pas les inférences neurologiques produites à partir de modèles populationnels.
Les outils pour optimiser neuralement du contenu existent maintenant. Les lois pour encadrer cet usage, non.
Ce que ça va changer dans les faits
À court terme, probablement peu de choses visibles pour la plupart des gens. TRIBE v2 est un modèle de recherche, pas un module déployé dans l'algorithme de recommandation de quelque plateforme que ce soit, du moins pas officiellement.
À moyen terme, les implications sont concrètes pour ceux qui produisent du contenu professionnel. Des outils de neuromarketing basés sur ce type de modèle vont émerger, permettant d'évaluer l'impact neurologique d'une vidéo, d'un spot publicitaire ou d'un format de contenu avant qu'il soit jamais montré à quelqu'un. Sans panel, sans recrutement, sans attente. Les équipes créatives qui y auront accès disposeront d'un avantage de conception que leurs concurrents n'auront pas.
Pour le reste d'entre nous, la question qui se pose est moins technique : dans quelle mesure acceptons-nous que les contenus qu'on nous présente aient été conçus pour activer précisément les parties de notre cerveau les moins résistantes à la distraction ? Ce n'est pas nouveau comme phénomène. Mais c'est la première fois qu'on dispose d'un outil public pour le faire avec cette précision.
Sources
- Introducing TRIBE v2 — Meta AI Blog
- Meta's TRIBE AI: A New Foundation Model Decoding Human Brain Activity — Neuroscience News
- TRIBE v2: Meta introduces AI model that can predict human brain activity — WION News
- Meta's TRIBEv2 uses 700 brain scans to engineer viral content — The News
- Meta's TRIBE and the Future of Simulated Consumers — AI-Pragmatist
- Meta Releases TRIBE v2: A Brain Encoding Model — MarkTechPost
- GitHub facebookresearch/tribev2
J'écris sur l'IA et ses implications concrètes. Tous les articles ou contact direct.
Besoin d'un site vitrine professionnel ?
Je crée des sites sur mesure pour les entreprises à Caen et partout en France. Devis gratuit, réponse sous 24h.