Meta AI présente Brain2Qwerty v2, un décodeur de texte MEG non invasif précis à 61%

Le 30 juin 2026, Meta AI a présenté Brain2Qwerty v2, un pipeline brain-to-text non invasif (sans implant chirurgical) fondé sur la magnétoencéphalographie (MEG). Il décode des phrases tapées au clavier avec une précision de 61% des mots. Meta AI a également publié en open source le code d'entraînement du modèle.

Qu'est-ce que Brain2Qwerty v2

• Développeur : la division de recherche de Meta AI
• Méthode de captation des signaux cérébraux : magnétoencéphalographie (MEG), sans implant
• Précision de décodage annoncée : 61% des mots correctement identifiés (word accuracy)
• Tâche du modèle : reconstituer des phrases tapées à partir des signaux cérébraux
• Le code d'entraînement du modèle est publié en accès libre

Comment fonctionne une interface cerveau-machine non invasive ?

Le casque MEG enregistre les faibles champs magnétiques générés par l'activité électrique des neurones, sans opération ni implant. Les interfaces cerveau-machine (BCI) invasives, à l'inverse, reposent sur des électrodes posées chirurgicalement directement sur le cortex ou en dessous. Le nom Brain2Qwerty fait référence à la disposition de clavier QWERTY : le pipeline convertit le signal enregistré en lettres et en mots correspondant à ce que la personne tape.

Les méthodes non invasives comme la MEG fournissent généralement un signal plus « bruité » et moins précis que les implants, mais elles n'exigent pas d'opération du cerveau. Elles sont donc potentiellement plus faciles à déployer à grande échelle pour la recherche et, à terme, pour un public plus large.

Le choix de la tâche compte : décoder du texte tapé, et non de la parole prononcée ou imaginée, offre aux chercheurs un signal net et annoté. Au moment précis où une personne appuie sur une touche donnée, on peut associer exactement cette action aux mesures du casque MEG au même instant. Cet étiquetage simplifie l'entraînement du modèle par rapport à des tâches plus floues, comme le décodage de la parole intérieure.

Pourquoi l'ouverture du code compte-t-elle ?

Meta AI n'a pas seulement publié ses résultats, mais aussi le code d'entraînement du modèle. D'autres équipes de recherche peuvent ainsi reproduire l'expérience, vérifier la précision annoncée de 61% et développer leurs propres variantes du pipeline sur la même architecture. Dans un domaine encore relativement jeune comme les BCI non invasives, l'ouverture du code accélère l'accumulation de résultats comparables entre laboratoires.

Ce que cela signifie

Brain2Qwerty v2 marque une nouvelle étape pour les interfaces cerveau-machine non invasives. Une précision de 61% des mots reste encore loin des solutions invasives, mais elle confirme que le décodage de texte à partir des signaux cérébraux sans opération devient peu à peu une tâche mesurablement opérationnelle, et non plus une simple hypothèse de laboratoire.