Croiser une collègue dans la rue sans la reconnaître, hésiter de longues minutes devant un voisin aperçu sous un autre angle… Ces situations du quotidien sont plus fréquentes qu’on ne le pense. Et elles ne relèvent pas uniquement d’un défaut de mémoire : reconnaître un visage repose sur des mécanismes cérébraux particulièrement complexes, qui mobilisent à la fois la perception visuelle et la mémoire. Vu de face, de profil, dans l’ombre ou après un changement de coiffure, un même visage peut présenter des informations visuelles très variables que notre cerveau doit interpréter et relier à des souvenirs déjà construits. Malgré cela, il parvient en une fraction de seconde à comprendre qu’il s’agit de la même personne. Mais sur quels indices le cerveau s’appuie-t-il exactement ?

Notre expérience nous apprend à retenir certains repères visuels

Une étude menée à l’UCLouvain par Valérie Goffaux chercheuse qualifiée du FRS-FNRS basée à l’Institut de recherche en sciences psychologiques (IPSY) et Alexia Roux-Sibilon (Université de Clermont-Auvergne) dévoile le secret du cerveau : en réalité, il ne retient pas tous les détails. Avec l’expérience, il apprend à privilégier certains repères visuels du visage, en particulier ceux qui restent stables. Fait remarquable : ces repères peuvent être identifiés de manière objective grâce à des outils mathématiques. C’est ce que montre l’étude publiée dans la revue eLife : notre cerveau repose principalement sur les indices visuels orientés horizontalement tels que les yeux, les sourcils et la bouche, pour reconnaître l’identité des visages. Cette structure horizontale livre l’information non seulement la plus riche, mais aussi la plus stable sur l’identité du visage. Autrement dit, elle permet de faire le lien entre plusieurs apparences d’une même personne, même lorsqu’elle tourne la tête ou change d’expression.

Seriez-vous capable de reconnaître George Clooney ou Daniel Radcliffe au premier regard ?

Pour illustrer leur théorie selon laquelle certaines informations du visage restent plus stables que d’autres, les chercheuses et leur équipe ont utilisé des visages bien connus, comme ceux de George Clooney ou de Daniel Radcliffe. En combinant des photos d’eux prises sous différents angles et avec différentes expressions, une structure très nette est apparue : les lignes horizontales des yeux, des sourcils et de la bouche formaient une sorte de « code-barres du visage », plus stable que le reste. Cela expliquerait que, au fil de ses rencontres avec un visage, notre cerveau construirait une signature visuelle horizontale de ce visage pour le reconnaître malgré les variations. Cette sensibilité aux repères horizontaux d’une figure apparaît très tôt : dès l’âge de 3 à 4 mois, les bébés privilégient déjà ces indices pour détecter un visage dans leur environnement visuel. Ce mécanisme continue ensuite à se perfectionner avec l’expérience, au fil des rencontres et des interactions sociales. Le cerveau devient ainsi particulièrement expert des visages qu’il voit le plus souvent, qu’il s’agisse de son entourage, de sa génération ou de son environnement culturel. Il se consolide jusqu’à l’âge adulte, avant de décliner progressivement dès 40 ans. 
Plus frappant encore, lorsque le visage est présenté à l’envers, ces mêmes éléments sont toujours visibles… mais beaucoup moins bien reconnus. Pourquoi ? Parce que notre cerveau a appris à traiter les visages dans leur orientation habituelle. La reconnaissance dépend donc autant de l’expérience que de l’image elle-même.

Vous êtes peu physionomiste ? C’est votre cerveau qui vous joue des tours

Cette découverte aide aussi à mieux comprendre pourquoi certaines personnes se disent « peu physionomistes » : la difficulté à reconnaître un visage ne relèverait pas uniquement de la mémoire, mais aussi de la capacité du cerveau à s’appuyer efficacement sur ces repères visuels stables ; plus notre sensibilité aux structures horizontales est fine, plus notre reconnaissance faciale est performante. L’enjeu de cette recherche dépasse la seule reconnaissance des visages ; elle éclaire les liens entre vision, mémoire et cognition sociale.

Des retombées importantes pour la santé publique

Au-delà de cette meilleure compréhension du fonctionnement cérébral et de l’apport aux neurosciences, les retombées potentielles de cette étude sont importantes pour la santé publique. L’équipe de l’UCLouvain explore à présent comment la finesse de la perception visuelle, notamment des visages, pourrait devenir un marqueur précoce du vieillissement cognitif pathologique et, à terme, aider à distinguer un vieillissement normal des premiers signes de maladies neurodégénératives comme Alzheimer.

Étudiant en 3ᵉ année de kinésithérapie à l’UCLouvain, Arnaud de Wergifosse s’est longuement préparé pour relever un défi sportif et solidaire de grande ampleur : rejoindre le Cap Nord, en Norvège, à vélo. Ceci afin de récolter des fonds pour le MSL-IN Lab (Motor Skill Learning & Intensive Neurorehabilitation Lab), spécialisé dans la rééducation des personnes atteintes de troubles neurologiques et de paralysie cérébrale.

C’est lors d’un stage d’observation au sein de ce même laboratoire, puis d’une collaboration ponctuelle avec l’équipe, qu’Arnaud a été confronté à la réalité des personnes atteintes de troubles neurologiques sévères. Cette expérience a été déterminante dans son engagement et dans son envie de transformer son projet sportif en action concrète de soutien à la recherche.

Le projet, baptisé NeuroKapp, place la collecte de dons au cœur de sa démarche : chaque kilomètre parcouru vise à sensibiliser et soutenir le développement de nouvelles approches thérapeutiques, notamment le programme HABIT-ILE, une thérapie intensive qui permet d’améliorer l’autonomie des patient.es grâce à une prise en charge plus concentrée et efficace.

Un voyage à vélo pour lancer la dynamique de dons

Avant le grand départ vers la Norvège, Arnaud a déjà entamé un premier périple de préparation à vélo, reliant Louvain-la-Neuve à Montpellier. Ce trajet constitue à la fois un entraînement physique et une première étape de visibilité pour son initiative de récolte de fonds.

Il prend la route aujourd’hui même, le 9 juillet, pour son objectif principal : le Cap Nord. Au programme, environ 3 600 kilomètres, près de 20 000 mètres de dénivelé et une autonomie complète avec environ 30 kilos de matériel sur son vélo.

Déjà tourné vers de nouveaux défis, Arnaud envisage à l’avenir d’autres aventures à vélo, notamment la traversée des États-Unis, dont les paysages le passionnent depuis son aventure MARS UCLouvain en 2024 et 2025. En attendant, son objectif est clair : faire de NeuroKapp une aventure sportive capable de générer des dons concrets pour la recherche et les patient·es du MSL-IN Lab.

Alors n’hésitez pas, donnez-lui de la force sur instagram et faites un don !

Humans show an outstanding capacity to perceive and move to musical rhythms. These skills rely on mapping the sheer diversity of external rhythms onto a set of internal rhythm categories. However, the brain bases of rhythm categorization remain largely unknown. One view is that the underlying mechanisms are anchored in the evolutionarily oldest subcortical parts of the brain. This view is intuitive, given the universality of some musical rhythms (based on a grid of equal time intervals and their grouping in twos) and increasing evidence for the abilities to process such rhythms in non-human species. However, recent large-scale behavioral and modelling research have highlighted the vast individual and cultural diversity of musical rhythm, suggesting that rhythm categorization is a high-level function supported by a plastic network of sensory, motor, and associative brain regions, whose activity is shaped by the distribution of rhythms in the environment.

Thus, this research program aims to launch the neuroscience of rhythm categorization on a large, unprecedented scale, as a decisive way to bridge the gap between neurobiological predispositions and culture-driven plasticity developing over the course of life through social learning. This will be achieved by capitalizing on a novel approach recently developed to capture directly neural representations of rhythm categories using electrophysiological recordings combined with Representational Similarity Analysis. Specifically, this approach will allow to clarify how rhythm categorization develops over the lifespan from birth, how it is shaped by cultural experience, and how a network of brain regions shared partly by non-human species supports this plasticity. This will critically contribute to explaining the universality yet diversity of musical rhythm specific to humans, and open to clinical perspectives to probe in patients the functionality of a brain network including high-level sensorimotor and associative areas.

More

This project has received funding from the European Research Council (ERC) under the European Union's Horizon Europe research and innovation programme under the grant agreement number 101228872.

Every day, people unknowingly consume nanoparticles, tiny particles added to food to preserve it and kill bacteria. What they do to the bacteria in our gut remains largely unknown. Of particular concern is their effect on bile acid metabolism, which influences liver health and could worsen chronic fatty liver disease. The ERC-funded nanoBASH project aims to investigate how food nanoparticles interact with the microbiota–bile acid–liver axis. By combining detailed mechanistic studies with human-relevant testing, the project aims to reveal potential drivers of fatty liver disease and provide tools for precision toxicology and preventive strategies to safeguard health.
 

More

This project has received funding from the European Research Council (ERC) under the European Union's Horizon Europe research and innovation programme under the grant agreement number 101221133.

GEMPROMISE aims to tackle the grand challenge of materials science, namely to identify the process parameters leading to a structure with targeted properties and performance. Compared to the current trial-and-error approach, mastering the Process-Structure-Property-Performance (Proc.→Struc.→Prop.→Perf.) relationships would speed up materials discovery with a huge societal impact (e.g. for energy transition). From a fundamental standpoint, there is no theory for these relationships. Thanks to highthroughput (HT) ab initio simulations, Struc.→Prop. (and hence Prop.→Perf.) can be well predicted and machine-learning (ML) approaches have been recently used as much faster surrogate models. But the simulation of the complete Proc.→Struc. is still out of reach, and ML approaches are hindered by the lack of data given the vast amount of possible process paths.

GEMPROMISE will establish a generative active learning approach to suggest process parameters leading to targeted properties, promoting a physical and chemical understanding of Proc.→Struc.→Prop.→Perf., as ultimate goal. Its key ideas emerged in a synergistic brainstorming between AYMONIER (experiments), RIGNANESE (simulations), and VANDERGHEYNST (ML): (i) a multimodal ML model will be developed to leverage experiments and simulations as direct and indirect data providers of varying quantity and quality, integrating these modalities through a joint latent space allowing for generation, (ii) a HT synthesis and characterization platform will be designed to close the loop and respond to the ML model queries, and (iii) a HT simulation framework will be devised for predicting Struc.→Prop. information to complement experiments.

To illustrate the concept, GEMPROMISE will give birth to a bottom-up, sustainable, and scalable method to produce new synthetic layered silicates with controllable band gaps. Once established, this approach can be extended to other processes, structures, properties, and hence applications.

More

This project has received funding from the European Research Council (ERC) under the European Union's Horizon Europe research and innovation programme under the grant agreement number 101224255.