Pendant longtemps, l’idée de convertir directement une pensée en texte appartenait au domaine de la science-fiction. Les interfaces cerveau-machine étaient limitées à des laboratoires spécialisés ou reposaient sur des implants cérébraux nécessitant une intervention chirurgicale. Avec Brain2Qwerty v2, Meta franchit une nouvelle étape en présentant une intelligence artificielle capable d’interpréter l’activité cérébrale et de la transformer en texte sans aucune implantation dans le cerveau.1 Cette avancée ne signifie pas que l’entreprise est désormais capable de « lire les pensées » au sens où on l’entend généralement. En revanche, elle démontre qu’il devient possible d’identifier certaines intentions liées au langage à partir des signaux cérébraux, ouvrant ainsi de nouvelles perspectives pour la médecine, les neurosciences et les futures interactions entre l’être humain et l’intelligence artificielle.
Meta franchit une nouvelle étape dans les interfaces cerveau-machine
Brain2Qwerty v2 s’inscrit dans les travaux de recherche menés depuis plusieurs années par Meta sur les interfaces cerveau-ordinateur non invasives. Contrairement aux solutions développées par certaines entreprises comme Neuralink, qui reposent sur l’implantation d’électrodes directement dans le cerveau, la technologie de Meta fonctionne exclusivement grâce à un appareil externe de magnétoencéphalographie (MEG). Cet équipement est capable d’enregistrer les très faibles champs magnétiques produits naturellement par l’activité électrique des neurones pendant qu’une personne tape un texte au clavier.1
Le principe est particulièrement innovant. L’intelligence artificielle ne cherche pas à observer les mouvements des doigts ou les touches du clavier. Elle analyse directement les signaux cérébraux produits par le cerveau lorsqu’il prépare l’écriture d’un mot ou d’une phrase. En combinant ces informations avec des modèles d’apprentissage profond, le système tente ensuite de reconstituer le texte que l’utilisateur souhaite produire. Cette approche rapproche progressivement les interfaces cerveau-machine d’une communication plus naturelle entre l’être humain et les systèmes d’intelligence artificielle.
Brain2Qwerty v2 ne lit plus seulement des lettres, il comprend des phrases
La première génération de Brain2Qwerty était principalement capable de reconnaître les caractères un par un. Cette nouvelle version franchit un cap important puisque le système est désormais capable de reconstruire des mots complets, puis des phrases entières en exploitant le contexte linguistique.2
Pour y parvenir, Meta combine les données issues du scanner cérébral avec la puissance des grands modèles de langage. Le fonctionnement rappelle celui de la saisie prédictive que l’on retrouve sur les smartphones : lorsqu’une partie des informations est absente ou difficile à interpréter, l’IA utilise le contexte général de la phrase afin d’estimer les mots les plus probables. Cette stratégie améliore fortement la qualité du décodage, malgré des signaux cérébraux particulièrement faibles et bruités.
En arrière-plan, plusieurs technologies d’apprentissage profond travaillent simultanément. Des réseaux neuronaux convolutifs analysent les signaux issus du scanner MEG, tandis que des architectures de type Transformer interprètent les séquences temporelles complexes produites par l’activité cérébrale. Ces résultats sont ensuite enrichis par des modèles de langage qui jouent le rôle de correcteurs intelligents capables de reconstituer des phrases cohérentes même lorsque certaines informations sont incomplètes. Meta précise également avoir utilisé des agents d’intelligence artificielle afin d’optimiser automatiquement le processus de décodage et d’améliorer progressivement les performances du système.1
Des résultats prometteurs malgré une technologie encore expérimentale
Pour entraîner Brain2Qwerty v2, Meta a constitué une base de données particulièrement importante. Neuf volontaires ont participé aux expériences en passant chacun près de dix heures sous un scanner MEG afin d’enregistrer leur activité cérébrale pendant la saisie de textes. Au total, environ 22 000 phrases ont été collectées pour permettre aux modèles d’intelligence artificielle d’apprendre à associer certaines signatures neuronales à des intentions d’écriture précises.1
Les premiers résultats apparaissent particulièrement encourageants. Selon Meta, Brain2Qwerty v2 atteint une précision moyenne de 61 % dans la reconnaissance des mots. Chez le meilleur participant, cette précision atteint 78 %, tandis que plus de la moitié des phrases décodées comportent au maximum une seule erreur de mot. Même si ces performances restent insuffisantes pour une utilisation quotidienne, elles démontrent que les interfaces cerveau-machine non invasives progressent rapidement et deviennent capables de traiter des informations linguistiques de plus en plus complexes.
Une alternative aux implants cérébraux de Neuralink
L’approche retenue par Meta diffère profondément de celle de Neuralink. Là où l’entreprise fondée par Elon Musk mise sur des implants directement placés dans le cerveau afin d’obtenir une précision maximale, Meta privilégie une solution totalement non invasive. Aucun capteur n’est introduit dans le cerveau et aucune intervention chirurgicale n’est nécessaire pour utiliser Brain2Qwerty v2.3
Cette stratégie présente plusieurs avantages en matière de sécurité médicale, mais elle s’accompagne également de contraintes importantes. Les scanners MEG utilisés aujourd’hui sont des équipements extrêmement volumineux, coûteux et exclusivement présents dans certains laboratoires ou centres hospitaliers spécialisés. Nous sommes donc encore très loin d’un dispositif que chacun pourrait utiliser à domicile pour rédiger un message simplement par la pensée.
Malgré ces limites, les chercheurs estiment que les progrès réalisés ces dernières années montrent que les interfaces cerveau-machine non invasives deviennent progressivement une alternative crédible aux solutions implantées, notamment pour certaines applications médicales.
Une technologie qui pourrait transformer la médecine
Si Brain2Qwerty v2 ne sera pas commercialisé auprès du grand public dans un avenir proche, son potentiel dans le domaine médical est considérable. Les personnes atteintes de sclérose latérale amyotrophique (SLA), victimes d’un accident vasculaire cérébral ou souffrant de paralysies sévères pourraient retrouver une capacité de communication grâce à ce type de technologie.
Pouvoir transformer directement une intention cérébrale en texte représenterait une avancée majeure pour ces patients, en leur permettant de communiquer sans utiliser ni la voix ni les mouvements musculaires. Au-delà de cet usage, Brain2Qwerty v2 pourrait également contribuer à une meilleure compréhension du fonctionnement du langage dans le cerveau humain et accélérer les recherches sur les futures interfaces cerveau-ordinateur.
Dans une démarche de recherche ouverte, Meta a choisi de publier en open source une partie du code d’entraînement ainsi que les jeux de données utilisés afin de permettre à d’autres équipes scientifiques de poursuivre ces travaux et d’améliorer les performances des prochaines générations de modèles.1
Les enjeux éthiques : jusqu’où l’IA pourra-t-elle comprendre notre cerveau ?
Même si Brain2Qwerty v2 ne permet pas de lire librement les pensées d’un individu, cette avancée soulève déjà des questions majeures. Les données cérébrales figurent parmi les informations les plus sensibles qu’un être humain puisse produire. À mesure que les modèles progresseront, la protection de cette nouvelle catégorie de données deviendra un enjeu essentiel.
Les chercheurs devront notamment répondre à plusieurs interrogations : comment garantir que ces informations restent confidentielles ? Qui pourra accéder aux signaux cérébraux collectés ? Dans quelles conditions un utilisateur pourra-t-il donner ou retirer son consentement ? Enfin, comment empêcher que de futures interfaces cerveau-machine soient utilisées à des fins de surveillance ou de manipulation ?
Comme pour de nombreuses innovations en intelligence artificielle, les progrès technologiques devront s’accompagner d’une réflexion approfondie sur les cadres juridiques, les principes éthiques et la gouvernance de ces systèmes afin de préserver la liberté cognitive et la vie privée des individus.
Une nouvelle frontière pour l’intelligence artificielle
Avec Brain2Qwerty v2, Meta ne propose pas encore un produit destiné au grand public. L’entreprise démontre toutefois que les interfaces cerveau-machine sans chirurgie progressent rapidement et que l’intelligence artificielle joue désormais un rôle central dans leur développement. L’association entre neurosciences, apprentissage profond et modèles de langage ouvre des perspectives inédites pour la médecine, la recherche scientifique et les futures interactions entre l’être humain et les machines.
Si de nombreux défis techniques restent encore à relever avant une utilisation à grande échelle, cette avancée confirme que la prochaine révolution de l’intelligence artificielle pourrait ne plus passer uniquement par les écrans, les claviers ou la voix. Elle pourrait commencer directement dans notre cerveau.
Comment fonctionne Brain2Qwerty v2 ?
Brain2Qwerty v2 est un système d’intelligence artificielle développé par Meta pour convertir l’activité cérébrale en texte sans recourir à un implant intracrânien. Contrairement aux interfaces cerveau-machine invasives qui nécessitent une intervention chirurgicale, cette technologie repose sur une approche entièrement non invasive utilisant la magnétoencéphalographie (MEG), une technique d’imagerie fonctionnelle capable de mesurer les très faibles champs magnétiques générés par l’activité électrique des neurones.
Lorsqu’un utilisateur tape un texte au clavier, le scanner MEG enregistre en temps réel les signaux cérébraux associés à la préparation des mouvements et à la production du langage. Ces signaux sont ensuite analysés par plusieurs modèles d’intelligence artificielle spécialisés qui tentent de reconstituer les mots et les phrases que la personne souhaite écrire. L’objectif n’est pas de « lire les pensées » au sens strict, mais d’identifier les intentions liées à la production du langage à partir des informations émises par le cerveau.
Pour améliorer la précision du décodage, Brain2Qwerty v2 combine plusieurs techniques d’apprentissage profond. Des réseaux neuronaux convolutifs (CNN) extraient les caractéristiques les plus pertinentes des signaux cérébraux, tandis que des architectures de type Transformer analysent les relations temporelles entre les différentes activités neuronales. Enfin, de grands modèles de langage interviennent comme un système de correction contextuelle capable de compléter les informations manquantes et de reconstruire des phrases cohérentes, à la manière des outils de saisie prédictive présents sur les smartphones. Cette seconde génération interprète désormais des mots, des expressions et des phrases complètes tout en conservant une architecture totalement non invasive.
- Décodage cérébral non invasif : conversion de l’activité cérébrale en texte sans implant ni chirurgie
- Magnétoencéphalographie (MEG) : analyse des champs magnétiques produits naturellement par les neurones
- Décodage contextuel : reconstruction de mots et de phrases complètes grâce aux modèles de langage
- Apprentissage profond : combinaison de réseaux neuronaux convolutifs, Transformers et IA générative
- Correction intelligente : utilisation du contexte linguistique pour améliorer la précision des prédictions
- Recherche médicale : développement de solutions de communication pour les personnes privées de la parole
- Publication ouverte : mise à disposition d’une partie du code et des jeux de données afin d’accélérer les recherches scientifiques
- Nécessité d’un scanner MEG, équipement lourd, coûteux et réservé aux laboratoires spécialisés
- Temps d’apprentissage important nécessitant plusieurs heures d’enregistrement des signaux cérébraux
- Précision encore insuffisante pour une utilisation grand public
- Fonctionnement actuellement limité à des environnements expérimentaux contrôlés
- Dépendance à la qualité des signaux cérébraux et aux variations physiologiques entre les individus
- Incapacité à interpréter des pensées libres ou des raisonnements complexes en dehors du contexte étudié
Pour aller plus loin
Les travaux de Meta sur Brain2Qwerty v2 montrent que l’intelligence artificielle s’impose progressivement dans les neurosciences et les technologies médicales de nouvelle génération. Sur un sujet connexe, découvrez notre article « Scanner un corps entier en 60 secondes : Midjourney dévoile un scanner 3D jusqu’à 100 fois plus rapide qu’une IRM », qui analyse comment l’IA transforme également l’imagerie médicale et ouvre de nouvelles perspectives pour le diagnostic et la prévention.
Références
1. Meta AI. (2026). Brain2Qwerty v2: Advancing Non-Invasive Brain-to-Text Interfaces.
https://ai.meta.com/research/
2. Meta AI. (2026). Brain2Qwerty v2 Open Research Repository.
https://github.com/facebookresearch
3. Neuralink. (2026). Brain-Computer Interface Research.
https://neuralink.com