Meta AI a Présenté Brain2Qwerty v2 — Décodeur de Texte MEG Non Invasif avec 61% de Précision

Meta AI le 30 juin 2026 a présenté Brain2Qwerty v2 — un pipeline cerveau-vers-texte non invasif (sans implants chirurgicaux) basé sur la magnétoencéphalographie (MEG), qui décode les phrases imprimées avec 61% de précision des mots, et a publié le code source ouvert pour l'entraînement du modèle.

Qu'est-ce que Brain2Qwerty v2

• Développeur — division de recherche Meta AI
• Méthode de lecture des signaux cérébraux — magnétoencéphalographie (MEG), sans implants
• Précision de décodage déclarée — 61% de mots devinés correctement (précision des mots)
• Tâche du modèle — restaurer les phrases imprimées à partir des signaux cérébraux
• Code d'entraînement du modèle publié en accès ouvert

Comment

Fonctionne une Interface Cerveau-Ordinateur Non Invasive?

Le casque MEG capture les faibles champs magnétiques qui surgissent de l'activité électrique des neurones du cerveau — sans chirurgie et sans implants, contrairement aux interfaces cerveau-ordinateur invasives (BCI), où les électrodes sont placées chirurgicalement directement sur ou sous le cortex cérébral. Le nom Brain2Qwerty fait référence à la disposition du clavier QWERTY : le pipeline traduit le signal capturé en lettres et mots correspondant à ce qu'une personne tape.

Les méthodes non invasives comme MEG produisent généralement un signal plus « bruyant » et moins précis par rapport aux implants, mais ne nécessitent pas de chirurgie cérébrale — cela les rend potentiellement plus évolutifs pour la recherche et, en perspective, pour un plus large éventail d'utilisateurs.

La formulation du problème elle-même — décoder spécifiquement le texte dactylographié, plutôt que, disons, la parole prononcée ou imaginée — est importante car taper sur un clavier fournit aux chercheurs un signal clair et étiqueté : lorsqu'une personne appuie sur une touche spécifique, cette action peut être précisément mise en correspondance avec les lectures du casque MEG au même moment. Un tel étiquetage simplifie l'entraînement du modèle par rapport à des tâches plus vagues comme le décodage de la parole interne.

Pourquoi le Code Source Ouvert Importe-t-il?

Meta AI a publié non seulement les résultats mais aussi le code d'entraînement du modèle — cela permet à d'autres groupes de recherche de reproduire l'expérience, de vérifier la précision revendiquée de 61% des mots, et de développer leurs propres variantes de pipeline basées sur la même architecture. Pour un domaine relativement jeune des BCI non invasives, l'ouverture du code accélère l'accumulation de résultats comparables entre différents laboratoires.

Ce Que Cela Signifie

Brain2Qwerty v2 est une autre étape dans le développement des interfaces cerveau-ordinateur non invasives : la précision de 61% des mots est encore loin des solutions invasives, mais confirme que le décodage du texte à partir des signaux cérébraux sans chirurgie devient progressivement une tâche fonctionnellement viable, et non pas seulement une hypothèse de laboratoire.