Soutenance de thèse : Quentin SENANT

Cette thèse examine la convergence entre indices « diagnostiques » utilisés par l’humain et ceux mis en avant par des réseaux profonds, et évalue la portée des cartes d’attribution comme outils explicatifs du comportement et de l’activité cérébrale. 
Dans un premier axe (visages émotionnels) nous proposons deux études : (1) des CNN entraînés à la catégorisation du genre vs. de l’émotion produisent des cartes tâche-dépendantes prédisant mieux les fixations humaines que des modèles de saillance basés sur les statistiques naturelles de scènes ; (2) un paradigme interventionnel masque les images selon des cartes d'attribution et mesure la performance conséquente, établissant ainsi la nécessité et l’utilisabilité des régions diagnostiques identifiées par le modèle, indépendamment de l’oculométrie. 
Le second axe transpose cette logique au niveau neuroscientifique : d'abord nous étudions l'usage de ces méthodes d'explicabilité pour l'inférence en classification de tâches neurocognitives et les comparons à des méthodes de traitement de données plus classiques. Ensuite, sur de l’IRMf de repos, nous utilisons un prédicteur d’âge cérébral (perceptron multicouche) puis l'interprétons à l'aide de la méthode SmoothGrad pour comprendre son utilisation des arêtes du connectome fonctionnel en fonction de l'âge. Les profils de saillance mettent en évidence des altérations âge-dépendantes de ségrégation/intégration entre réseaux (DMN/FPN) bien établis dans la littérature, illustrant que ces cartes de saillance pourraient être utilisables pour l'inférence populationnelle. 
Au total, la thèse (i) démontre la dépendance à la tâche des cartes d’attribution et leur validité causale pour le comportement et (ii) étend l’explicabilité par attribution au niveau cérébral, reliant modèles artificiels et mécanismes de la perception sociale et du vieillissement.