Нейросеть сама открыла метод «дворца памяти»: исследование Nature Machine Intelligence

Des chercheurs dirigés par Li (Li et al.) ont publié le 20 juillet 2026 dans la revue Nature Machine Intelligence une étude montrant que des réseaux de neurones récurrents, entraînés à la tâche de rappel libre, découvrent d'eux-mêmes plusieurs stratégies de mémoire de type humain à la fois — et les plus précises d'entre elles appliquent un mécanisme fondé sur des index rappelant l'ancienne technique mnémotechnique du « palais de la mémoire ».

Ce que l'étude a montré

Les réseaux de neurones récurrents (RNN), optimisés pour la tâche de rappel libre (free recall), ont révélé non pas une, mais plusieurs stratégies de mémorisation différentes. Selon Nature Machine Intelligence, ces stratégies dépassent le cadre des modèles classiques de contexte temporel (temporal context models), considérés depuis des décennies comme la principale explication de la manière dont l'être humain se souvient de listes de mots dans un ordre quelconque.

Le rappel libre est un test de mémoire classique : on montre une liste à une personne, puis on lui demande de la reproduire dans n'importe quel ordre. Pendant longtemps, le comportement des personnes à ce test a été décrit précisément par des modèles de contexte temporel, où la probabilité de se souvenir d'un mot dépend de la proximité temporelle avec laquelle il a été présenté par rapport à ses voisins. La nouvelle étude montre que cette tâche n'a pas une seule solution optimale.

*Publication — 20 juillet 2026, Nature Machine Intelligence, DOI 10.1038/s42256-026-01274-0

*Auteurs — Li et al.

*Méthode — réseaux de neurones récurrents (RNN) optimisés pour le rappel libre

*Conclusion clé — les meilleurs modèles utilisent un mécanisme fondé sur des index, analogue au « palais de la mémoire »

*Ce qu'ils ont surpassé — les modèles classiques de contexte temporel (temporal context models)

Le rapport avec le « palais de la mémoire »

Les modèles les plus performants s'appuyaient sur un mécanisme fondé sur des index (index-based) : ils attribuaient aux éléments à mémoriser une sorte d'adresse et y accédaient via ces repères, au lieu de parcourir toute la séquence. Ce procédé rappelle la technique du « palais de la mémoire » (méthode des loci), déjà utilisée par les orateurs de l'Antiquité — les faits sont mentalement « disposés » dans les pièces d'un bâtiment imaginaire, puis récupérés en parcourant un trajet connu à l'avance.

Il est important de noter que le réseau n'a pas reçu cette stratégie toute faite. Il y est parvenu de lui-même, simplement en s'optimisant pour la précision du rappel — autrement dit, le schéma fondé sur des index s'est révélé être une solution avantageuse pour la tâche elle-même, et non une astuce intégrée à l'avance.

Pourquoi c'est important

Ce travail rapproche les mécanismes de mémoire artificiels et biologiques. Si un réseau de neurones parvient, sans aucun indice, à une stratégie ressemblant à la mnémotechnique humaine, c'est un argument en faveur de l'idée que de telles stratégies constituent la solution optimale à la tâche de rappel, et non seulement une invention culturelle. Pour les neurosciences, il s'agit d'une hypothèse testable sur la manière dont le cerveau organise le rappel libre.

Pour l'IA, la question de la mémoire à long terme reste ouverte : les modèles de langage conservent le contexte dans une fenêtre limitée et organisent mal les souvenirs anciens. La stratégie dans laquelle les éléments sont adressés par index, plutôt que parcourus séquentiellement, fait écho à la manière dont les systèmes modernes greffent des bases de données externes et une recherche vectorielle. L'étude de Li et al. apporte à cela un fondement biologiquement plausible.

Les meilleurs modèles utilisent un mécanisme fondé sur des index rappelant la technique du « palais de la mémoire ». — extrait de l'article de

Li et al., Nature Machine Intelligence (DOI 10.1038/s42256-026-01274-0)

Ce que cela signifie

Les réseaux de neurones servent de plus en plus non seulement d'outil appliqué, mais aussi de modèle du cerveau. En optimisant un réseau pour une tâche de mémoire précise, les chercheurs obtiennent des hypothèses testables sur le fonctionnement du rappel humain — et des pistes pour de futurs systèmes d'IA dotés d'une mémoire à long terme plus structurée.