
Comment concevoir une étude sur les potentiels évoqués (ERP)
Christian Burgos
Mis à jour le
16 nov. 2026

Comment concevoir une étude sur les potentiels évoqués (ERP)
Christian Burgos
Mis à jour le
16 nov. 2026

Comment concevoir une étude sur les potentiels évoqués (ERP)
Christian Burgos
Mis à jour le
16 nov. 2026
La conception d'une étude sur les potentiels évoqués cognitifs (ERP) implique bien plus que le simple choix d'un système EEG ou l'enregistrement de l'activité cérébrale. Avant le début de la collecte des données, les chercheurs doivent définir une question scientifique claire, déterminer le processus cognitif qu'ils souhaitent étudier, sélectionner un paradigme expérimental approprié et concevoir une étude capable d'isoler les processus neuronaux d'intérêt. Ces décisions façonnent la qualité des données ainsi que les conclusions qui peuvent être tirées de l'étude.
Cet article explore les considérations clés liées à la conception d'une expérience d'ERP, de la formulation d'une question de recherche à la collecte de données fiables et interprétables.
Commencer par la question de recherche
Lorsque l'on découvre les potentiels évoqués cognitifs (ERP), on se concentre souvent sur la technologie. On imagine des électrodes EEG, des tracés d'ondes cérébrales colorés et des logiciels spécialisés analysant les réponses neuronales avec une précision à la milliseconde près.
Cependant, les chercheurs expérimentés ont tendance à envisager les études d'ERP de manière très différente.
Bien avant de poser les électrodes ou de recueillir des données, les chercheurs prennent une série de décisions qui détermineront si une expérience pourra répondre à sa question scientifique. Ils identifient le processus cognitif qu'ils souhaitent étudier, sélectionnent une tâche expérimentale appropriée, définissent les événements qui seront mesurés et élaborent des conditions permettant d'isoler des réponses neuronales spécifiques parmi les nombreux processus qui se déroulent simultanément [1], [2].
En d'autres termes, une recherche fructueuse sur les ERP commence par le plan expérimental plutôt que par la technologie EEG.
Comprendre cette distinction constitue l'une des étapes les plus importantes vers la conception d'une étude d'ERP efficace.
Définir la question de recherche
Une expérience d'ERP doit débuter par une question scientifique plutôt que par une composante d'ERP en particulier.
Par exemple, un chercheur peut souhaiter comprendre comment l'attention évolue au cours de l'apprentissage, comment la mémoire de travail est mise à jour, comment les personnes détectent les erreurs ou comment le cerveau réagit à des stimuli inattendus. Chacune de ces questions reflète un processus cognitif différent et peut nécessiter un paradigme expérimental distinct.
Une fois la question de recherche établie, les chercheurs peuvent sélectionner les composantes d'ERP les plus susceptibles de fournir des éclairages sur ce processus. Des composantes telles que la P300, la N170, la négativité de discordance (MMN) ou la négativité liée à l'erreur (ERN) sont précieuses parce que des décennies de recherche les ont associées à des aspects spécifiques de la perception, de l'attention, de la mémoire ou du contrôle cognitif [2]. La composante d'ERP devient ainsi un outil pour étudier la cognition plutôt que l'objectif même de l'étude.
Cet ordre d'étapes importe car le plan expérimental doit toujours être au service de la question de recherche. Partir d'une hypothèse cognitive permet de s'assurer que chaque décision ultérieure, de la conception de la tâche à l'analyse statistique, soutient l'objectif scientifique.
Concevoir des tâches qui isolent l'activité cérébrale
L'un des plus grands atouts des potentiels évoqués cognitifs est leur résolution temporelle exceptionnelle, qui permet aux chercheurs d'observer l'activité neuronale à mesure qu'elle se déroule sur quelques millisecondes. Toutefois, cette précision représente également un défi.
À tout moment, le cerveau effectue plusieurs opérations cognitives à la fois. La perception visuelle, l'attention, la mémoire, la prise de décision et la préparation motrice peuvent toutes se chevaucher dans le temps, contribuant au signal EEG enregistré au niveau du cuir chevelu.
Dès lors, le défi pour les chercheurs consiste à concevoir une expérience qui isole le processus cognitif spécifique qu'ils souhaitent étudier tout en minimisant l'influence de l'activité neuronale non liée.
Kappenman et al. expliquent que le simple fait d'enregistrer l'EEG au cours de n'importe quelle expérience produit rarement des données pouvant être interprétées sans ambiguïté. Les expériences d'ERP doivent plutôt être conçues de manière à ce que l'opération cognitive étudiée diffère tandis que les facteurs non pertinents restent aussi constants que possible. Cela permet d'attribuer plus facilement les modifications de la forme d'onde de l'ERP au processus étudié plutôt qu'à d'autres activités neuronales simultanées [3].
Les chercheurs y parviennent grâce à des paradigmes expérimentaux soigneusement contrôlés. Les tâches oddball, les paradigmes Go/No-Go, les tâches de Flanker, les tâches de Stroop et d'autres paradigmes cognitifs sont devenus largement utilisés parce qu'ils mobilisent de manière fiable des processus cognitifs spécifiques tout en limitant la variabilité inutile. Le choix de la tâche appropriée est donc tout aussi important que le choix de la composante d'ERP elle-même.
Paradigme | Ce que fait le participant | Processus cognitif | Composantes couramment étudiées |
|---|---|---|---|
Oddball | Répond à des cibles rares parmi des standards fréquents | Détection de stimuli inattendus ou pertinents pour la tâche | P300 (environ 250–500 ms) |
Oddball auditif passif | Écoute sans répondre lorsque des sons rares surviennent | Détection automatique du changement auditif | Négativité de discordance (environ 100–250 ms) |
Go/No-Go | Répond aux stimuli « go », s'abstient sur les « no-go » | Inhibition de la réponse | N2 et P3 |
Flanker | Identifie une cible centrale entourée de distracteurs | Contrôle du conflit et de l'erreur | Négativité liée à l'erreur (dans les 100 ms environ suivant une erreur) |
Stroop | Nomme la couleur de l'encre de mots congruents ou incongruents | Interférence et contrôle cognitif | N450 |
Visualisation de visages vs objets | Regarde des visages et des images sans visage | Perception des visages | N170 |
Les événements comptent plus que l'enregistrement continu
Contrairement aux analyses EEG traditionnelles qui peuvent examiner l'activité neuronale continue, la recherche sur les ERP se concentre sur la réponse du cerveau à des événements précis.
Un événement peut être la présentation d'une image, l'apparition d'un mot, un signal sonore, la pression d'un bouton par un participant ou un retour indiquant si une réponse était correcte. Ces événements synchronisés avec précision permettent aux chercheurs d'aligner les enregistrements EEG sur des essais répétés et de calculer des réponses neuronales moyennes qui révèlent l'activité liée à l'événement [1].
Puisque les analyses d'ERP dépendent d'une synchronisation temporelle rigoureuse, les marqueurs d'événements deviennent l'un des éléments les plus critiques de la conception de l'étude. Même de légères incohérences entre la présentation du stimulus et le marquage de l'événement peuvent influencer les mesures de latence, en particulier lorsque les chercheurs étudient des processus cognitifs rapides qui se déroulent sur seulement quelques centaines de millisecondes.
Des recherches récentes de validation ont également démontré l'importance d'un marquage précis des événements pour obtenir des mesures d'ERP fiables à l'aide de systèmes EEG portables [4].
Choisir le bon nombre d'essais
Contrairement à de nombreuses expériences comportementales, les études d'ERP ne reposent pas sur une seule observation. Les chercheurs présentent plutôt le même type d'événement à de nombreuses reprises et calculent la moyenne des réponses EEG obtenues. Ce processus réduit l'activité de fond continue tout en préservant la réponse neuronale qui se produit systématiquement après chaque événement [1], [2].
Le nombre d'essais requis dépend de plusieurs facteurs, notamment :
La composante d'ERP mesurée
La variabilité attendue de la réponse
La qualité globale des données enregistrées.
Les composantes de plus faible amplitude ou de plus grande variabilité nécessitent souvent des essais supplémentaires pour obtenir un rapport signal sur bruit acceptable. Dans le même temps, les chercheurs doivent tenir compte des limites pratiques de la collecte de données. Des expériences plus longues peuvent accroître la fatigue des participants, les mouvements et les baisses d'attention, autant d'éléments susceptibles d'introduire des artéfacts supplémentaires dans l'enregistrement [1].
La conception d'une étude d'ERP efficace consiste donc à trouver le juste équilibre entre fiabilité statistique et expérience du participant. Plutôt que de recueillir autant d'essais que possible, les chercheurs visent à obtenir suffisamment d'observations de haute qualité pour répondre à la question scientifique tout en maintenant l'engagement du participant tout au long de l'expérience.
Facteur | Effet sur le nombre d'essais nécessaires | Réponse méthodologique |
|---|---|---|
Composante de faible amplitude | Davantage d'essais pour un rapport signal sur bruit acceptable | Prioriser cette composante dans le quota d'essais |
Forte variabilité de la réponse | Davantage d'essais pour stabiliser la moyenne | Réaliser une étude pilote pour estimer la variabilité avant l'étude principale |
Perte de données attendue lors du prétraitement | Moins d'essais exploitables que d'essais enregistrés | Enregistrer des essais supplémentaires pour absorber les époques rejetées |
Fatigue du participant | Des sessions plus longues augmentent les mouvements et les clignements d'yeux | Ajouter des pauses ; garder des sessions réalistes |
Équilibrer le contrôle expérimental
Chaque expérience d'ERP contient des variables que les chercheurs souhaitent étudier et des variables qu'ils souhaitent contrôler.
Supposons qu'un chercheur souhaite examiner la façon dont le cerveau réagit à des événements inattendus à l'aide d'un paradigme oddball. Idéalement, la principale différence entre les conditions expérimentales est la probabilité du stimulus cible, et non des variations de luminosité du stimulus, de correspondance des réponses ou de difficulté de la tâche. Lorsque plusieurs variables changent simultanément, il devient difficile de déterminer quel facteur a produit les différences d'ERP observées.
Pour cette raison, les chercheurs conçoivent soigneusement les expériences de sorte que les facteurs non pertinents restent aussi constants que possible d'une condition à l'autre. Kappenman et al. soulignent qu'un plan expérimental rigoureux est essentiel pour isoler le processus cognitif étudié plutôt que de mesurer plusieurs processus neuronaux chevauchants à la fois [3].
Une stratégie courante est l'utilisation d'ondes de différence, qui comparent les réponses d'ERP entre des conditions expérimentales soigneusement appariées. En soustrayant l'activité commune aux deux conditions, les chercheurs peuvent examiner plus clairement la réponse neuronale associée à la manipulation expérimentale. Bien que les ondes de différence n'éliminent pas tous les défis méthodologiques, elles illustrent un principe important de la recherche sur les ERP : une interprétation significative dépend d'une conception expérimentale soignée bien avant que l'analyse statistique ne commence [3].
Planifier pour obtenir des données de haute qualité
De nombreux facteurs qui influencent la qualité des données d'ERP sont déterminés avant même que le premier participant ne termine l'expérience.
La durée de la session, le confort du participant, la difficulté de la tâche et les procédures d'enregistrement affectent tous la qualité du signal EEG. Des expériences longues ou exigeantes peuvent accroître la fatigue, les mouvements et les clignements d'yeux, tandis que des consignes peu claires peuvent introduire une variabilité inutile dans les réponses des participants. Ces considérations pratiques influencent non seulement l'expérience du participant, mais également la fiabilité des données qui en résultent.
La gestion des artéfacts commence également dès la planification de l'étude plutôt qu'après la collecte des données. Bien que les techniques modernes de prétraitement puissent réduire l'influence de certains artéfacts, elles ne peuvent pas compenser une mauvaise conception expérimentale ou des enregistrements constamment bruités.
Pütz et al. recommandent de prendre en compte la qualité des données tout au long du processus de planification en concevant des sessions d'enregistrement réalistes, en fournissant des consignes claires aux participants et en recueillant suffisamment d'essais pour pallier la perte de données lors du prétraitement [1].
Penser à la qualité des données dès le départ permet de réduire les problèmes évitables lors de l'analyse et renforce la confiance dans les résultats finaux.
L'interprétation commence avant l'analyse
L'une des leçons les plus importantes de la méthodologie des ERP est que l'interprétation commence bien avant que les chercheurs n'examinent les données.
Les formes d'onde d'ERP ne révèlent pas automatiquement la signification d'un processus cognitif. Les chercheurs interprètent plutôt les composantes individuelles d'ERP sur la base de décennies de preuves expérimentales reliant ces composantes à des fonctions neuronales particulières dans des conditions expérimentales spécifiques [2]. Les conclusions qui peuvent être tirées d'une étude d'ERP dépendent donc non seulement des données enregistrées, mais aussi de la solidité du plan expérimental et du corpus existant de la littérature scientifique.
Kappenman et al. soulignent que l'interprétation d'une composante d'ERP dépend de la mesure dans laquelle les recherches antérieures ont établi son lien avec le processus cognitif étudié. Les composantes présentant une plus grande validité de construit autorisent des conclusions plus assurées, tandis que d'autres exigent davantage de prudence et la prise en compte d'explications alternatives [3]. Une conception soignée de l'étude permet de s'assurer que les réponses neuronales observées peuvent être reliées de manière significative à la question de recherche plutôt qu'attribuées à des facteurs expérimentaux non contrôlés.
Réfléchir à l'interprétation dès la phase de planification encourage les chercheurs à concevoir des expériences capables de répondre à des questions scientifiques pertinentes plutôt que de simplement produire des résultats statistiquement significatifs.
L'avenir de la recherche sur les ERP
Les potentiels évoqués cognitifs sont une pierre angulaire des neurosciences cognitives depuis des décennies, et pourtant le domaine continue d'évoluer. Les progrès des technologies EEG portables, l'amélioration des logiciels expérimentaux et des méthodes analytiques de plus en plus sophistiquées élargissent les contextes et les modalités dans lesquels la recherche sur les ERP peut être menée.
Dans le même temps, les principes fondamentaux de la conception d'études d'ERP demeurent remarquablement constants. Une expérience bien conçue commence par une question scientifique claire, choisit un paradigme cognitif approprié, contrôle rigoureusement les variables expérimentales et interprète les résultats dans le contexte des neurosciences établies. Alors que les nouvelles technologies continuent d'améliorer la collecte et l'analyse des données, une conception expérimentale réfléchie reste le fondement d'une recherche rigoureuse sur les ERP [1], [2].
À mesure que les études d'ERP dépassent le cadre traditionnel des laboratoires pour investir les salles de classe, les lieux de travail et d'autres environnements du monde réel, ces principes deviennent de plus en plus essentiels. Quel que soit le lieu de collecte des données, une planification méticuleuse garantit que les chercheurs pourront relier avec certitude l'activité neuronale aux processus cognitifs qu'ils cherchent à comprendre.
Points clés à retenir
Les études d'ERP efficaces commencent par une question de recherche clairement définie plutôt que par une composante d'ERP spécifique.
Les tâches expérimentales doivent isoler le processus cognitif étudié tout en minimisant les sources non pertinentes d'activité neuronale.
Une synchronisation précise des événements, un nombre suffisant d'essais et un contrôle expérimental rigoureux contribuent tous à la fiabilité des mesures d'ERP.
Prévoir le confort des participants et la qualité des données avant le début de l'enregistrement peut améliorer à la fois l'expérience du participant et la fiabilité des données obtenues.
Une interprétation pertinente repose à la fois sur un plan expérimental soigné et sur des décennies de recherche associant les composantes d'ERP à des processus cognitifs spécifiques.
Lectures suggérées
Ce que les potentiels évoqués cognitifs révèlent sur le cerveau
Qu'est-ce qui caractérise une recherche cognitive de haute qualité ?
Pourquoi la validité écologique est importante dans la recherche cognitive
Références
[1] C. Pütz, M. Span, et M. Lorist, « Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants », STAR Protocols, vol. 6, n° 2, art. n° 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2e éd. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., « Best Practices for Event-Related Potential Research in Clinical Populations », Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n° 2, p. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, et N. A. Badcock, « It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research », PeerJ, vol. 9, e10700, 2021.
La conception d'une étude sur les potentiels évoqués cognitifs (ERP) implique bien plus que le simple choix d'un système EEG ou l'enregistrement de l'activité cérébrale. Avant le début de la collecte des données, les chercheurs doivent définir une question scientifique claire, déterminer le processus cognitif qu'ils souhaitent étudier, sélectionner un paradigme expérimental approprié et concevoir une étude capable d'isoler les processus neuronaux d'intérêt. Ces décisions façonnent la qualité des données ainsi que les conclusions qui peuvent être tirées de l'étude.
Cet article explore les considérations clés liées à la conception d'une expérience d'ERP, de la formulation d'une question de recherche à la collecte de données fiables et interprétables.
Commencer par la question de recherche
Lorsque l'on découvre les potentiels évoqués cognitifs (ERP), on se concentre souvent sur la technologie. On imagine des électrodes EEG, des tracés d'ondes cérébrales colorés et des logiciels spécialisés analysant les réponses neuronales avec une précision à la milliseconde près.
Cependant, les chercheurs expérimentés ont tendance à envisager les études d'ERP de manière très différente.
Bien avant de poser les électrodes ou de recueillir des données, les chercheurs prennent une série de décisions qui détermineront si une expérience pourra répondre à sa question scientifique. Ils identifient le processus cognitif qu'ils souhaitent étudier, sélectionnent une tâche expérimentale appropriée, définissent les événements qui seront mesurés et élaborent des conditions permettant d'isoler des réponses neuronales spécifiques parmi les nombreux processus qui se déroulent simultanément [1], [2].
En d'autres termes, une recherche fructueuse sur les ERP commence par le plan expérimental plutôt que par la technologie EEG.
Comprendre cette distinction constitue l'une des étapes les plus importantes vers la conception d'une étude d'ERP efficace.
Définir la question de recherche
Une expérience d'ERP doit débuter par une question scientifique plutôt que par une composante d'ERP en particulier.
Par exemple, un chercheur peut souhaiter comprendre comment l'attention évolue au cours de l'apprentissage, comment la mémoire de travail est mise à jour, comment les personnes détectent les erreurs ou comment le cerveau réagit à des stimuli inattendus. Chacune de ces questions reflète un processus cognitif différent et peut nécessiter un paradigme expérimental distinct.
Une fois la question de recherche établie, les chercheurs peuvent sélectionner les composantes d'ERP les plus susceptibles de fournir des éclairages sur ce processus. Des composantes telles que la P300, la N170, la négativité de discordance (MMN) ou la négativité liée à l'erreur (ERN) sont précieuses parce que des décennies de recherche les ont associées à des aspects spécifiques de la perception, de l'attention, de la mémoire ou du contrôle cognitif [2]. La composante d'ERP devient ainsi un outil pour étudier la cognition plutôt que l'objectif même de l'étude.
Cet ordre d'étapes importe car le plan expérimental doit toujours être au service de la question de recherche. Partir d'une hypothèse cognitive permet de s'assurer que chaque décision ultérieure, de la conception de la tâche à l'analyse statistique, soutient l'objectif scientifique.
Concevoir des tâches qui isolent l'activité cérébrale
L'un des plus grands atouts des potentiels évoqués cognitifs est leur résolution temporelle exceptionnelle, qui permet aux chercheurs d'observer l'activité neuronale à mesure qu'elle se déroule sur quelques millisecondes. Toutefois, cette précision représente également un défi.
À tout moment, le cerveau effectue plusieurs opérations cognitives à la fois. La perception visuelle, l'attention, la mémoire, la prise de décision et la préparation motrice peuvent toutes se chevaucher dans le temps, contribuant au signal EEG enregistré au niveau du cuir chevelu.
Dès lors, le défi pour les chercheurs consiste à concevoir une expérience qui isole le processus cognitif spécifique qu'ils souhaitent étudier tout en minimisant l'influence de l'activité neuronale non liée.
Kappenman et al. expliquent que le simple fait d'enregistrer l'EEG au cours de n'importe quelle expérience produit rarement des données pouvant être interprétées sans ambiguïté. Les expériences d'ERP doivent plutôt être conçues de manière à ce que l'opération cognitive étudiée diffère tandis que les facteurs non pertinents restent aussi constants que possible. Cela permet d'attribuer plus facilement les modifications de la forme d'onde de l'ERP au processus étudié plutôt qu'à d'autres activités neuronales simultanées [3].
Les chercheurs y parviennent grâce à des paradigmes expérimentaux soigneusement contrôlés. Les tâches oddball, les paradigmes Go/No-Go, les tâches de Flanker, les tâches de Stroop et d'autres paradigmes cognitifs sont devenus largement utilisés parce qu'ils mobilisent de manière fiable des processus cognitifs spécifiques tout en limitant la variabilité inutile. Le choix de la tâche appropriée est donc tout aussi important que le choix de la composante d'ERP elle-même.
Paradigme | Ce que fait le participant | Processus cognitif | Composantes couramment étudiées |
|---|---|---|---|
Oddball | Répond à des cibles rares parmi des standards fréquents | Détection de stimuli inattendus ou pertinents pour la tâche | P300 (environ 250–500 ms) |
Oddball auditif passif | Écoute sans répondre lorsque des sons rares surviennent | Détection automatique du changement auditif | Négativité de discordance (environ 100–250 ms) |
Go/No-Go | Répond aux stimuli « go », s'abstient sur les « no-go » | Inhibition de la réponse | N2 et P3 |
Flanker | Identifie une cible centrale entourée de distracteurs | Contrôle du conflit et de l'erreur | Négativité liée à l'erreur (dans les 100 ms environ suivant une erreur) |
Stroop | Nomme la couleur de l'encre de mots congruents ou incongruents | Interférence et contrôle cognitif | N450 |
Visualisation de visages vs objets | Regarde des visages et des images sans visage | Perception des visages | N170 |
Les événements comptent plus que l'enregistrement continu
Contrairement aux analyses EEG traditionnelles qui peuvent examiner l'activité neuronale continue, la recherche sur les ERP se concentre sur la réponse du cerveau à des événements précis.
Un événement peut être la présentation d'une image, l'apparition d'un mot, un signal sonore, la pression d'un bouton par un participant ou un retour indiquant si une réponse était correcte. Ces événements synchronisés avec précision permettent aux chercheurs d'aligner les enregistrements EEG sur des essais répétés et de calculer des réponses neuronales moyennes qui révèlent l'activité liée à l'événement [1].
Puisque les analyses d'ERP dépendent d'une synchronisation temporelle rigoureuse, les marqueurs d'événements deviennent l'un des éléments les plus critiques de la conception de l'étude. Même de légères incohérences entre la présentation du stimulus et le marquage de l'événement peuvent influencer les mesures de latence, en particulier lorsque les chercheurs étudient des processus cognitifs rapides qui se déroulent sur seulement quelques centaines de millisecondes.
Des recherches récentes de validation ont également démontré l'importance d'un marquage précis des événements pour obtenir des mesures d'ERP fiables à l'aide de systèmes EEG portables [4].
Choisir le bon nombre d'essais
Contrairement à de nombreuses expériences comportementales, les études d'ERP ne reposent pas sur une seule observation. Les chercheurs présentent plutôt le même type d'événement à de nombreuses reprises et calculent la moyenne des réponses EEG obtenues. Ce processus réduit l'activité de fond continue tout en préservant la réponse neuronale qui se produit systématiquement après chaque événement [1], [2].
Le nombre d'essais requis dépend de plusieurs facteurs, notamment :
La composante d'ERP mesurée
La variabilité attendue de la réponse
La qualité globale des données enregistrées.
Les composantes de plus faible amplitude ou de plus grande variabilité nécessitent souvent des essais supplémentaires pour obtenir un rapport signal sur bruit acceptable. Dans le même temps, les chercheurs doivent tenir compte des limites pratiques de la collecte de données. Des expériences plus longues peuvent accroître la fatigue des participants, les mouvements et les baisses d'attention, autant d'éléments susceptibles d'introduire des artéfacts supplémentaires dans l'enregistrement [1].
La conception d'une étude d'ERP efficace consiste donc à trouver le juste équilibre entre fiabilité statistique et expérience du participant. Plutôt que de recueillir autant d'essais que possible, les chercheurs visent à obtenir suffisamment d'observations de haute qualité pour répondre à la question scientifique tout en maintenant l'engagement du participant tout au long de l'expérience.
Facteur | Effet sur le nombre d'essais nécessaires | Réponse méthodologique |
|---|---|---|
Composante de faible amplitude | Davantage d'essais pour un rapport signal sur bruit acceptable | Prioriser cette composante dans le quota d'essais |
Forte variabilité de la réponse | Davantage d'essais pour stabiliser la moyenne | Réaliser une étude pilote pour estimer la variabilité avant l'étude principale |
Perte de données attendue lors du prétraitement | Moins d'essais exploitables que d'essais enregistrés | Enregistrer des essais supplémentaires pour absorber les époques rejetées |
Fatigue du participant | Des sessions plus longues augmentent les mouvements et les clignements d'yeux | Ajouter des pauses ; garder des sessions réalistes |
Équilibrer le contrôle expérimental
Chaque expérience d'ERP contient des variables que les chercheurs souhaitent étudier et des variables qu'ils souhaitent contrôler.
Supposons qu'un chercheur souhaite examiner la façon dont le cerveau réagit à des événements inattendus à l'aide d'un paradigme oddball. Idéalement, la principale différence entre les conditions expérimentales est la probabilité du stimulus cible, et non des variations de luminosité du stimulus, de correspondance des réponses ou de difficulté de la tâche. Lorsque plusieurs variables changent simultanément, il devient difficile de déterminer quel facteur a produit les différences d'ERP observées.
Pour cette raison, les chercheurs conçoivent soigneusement les expériences de sorte que les facteurs non pertinents restent aussi constants que possible d'une condition à l'autre. Kappenman et al. soulignent qu'un plan expérimental rigoureux est essentiel pour isoler le processus cognitif étudié plutôt que de mesurer plusieurs processus neuronaux chevauchants à la fois [3].
Une stratégie courante est l'utilisation d'ondes de différence, qui comparent les réponses d'ERP entre des conditions expérimentales soigneusement appariées. En soustrayant l'activité commune aux deux conditions, les chercheurs peuvent examiner plus clairement la réponse neuronale associée à la manipulation expérimentale. Bien que les ondes de différence n'éliminent pas tous les défis méthodologiques, elles illustrent un principe important de la recherche sur les ERP : une interprétation significative dépend d'une conception expérimentale soignée bien avant que l'analyse statistique ne commence [3].
Planifier pour obtenir des données de haute qualité
De nombreux facteurs qui influencent la qualité des données d'ERP sont déterminés avant même que le premier participant ne termine l'expérience.
La durée de la session, le confort du participant, la difficulté de la tâche et les procédures d'enregistrement affectent tous la qualité du signal EEG. Des expériences longues ou exigeantes peuvent accroître la fatigue, les mouvements et les clignements d'yeux, tandis que des consignes peu claires peuvent introduire une variabilité inutile dans les réponses des participants. Ces considérations pratiques influencent non seulement l'expérience du participant, mais également la fiabilité des données qui en résultent.
La gestion des artéfacts commence également dès la planification de l'étude plutôt qu'après la collecte des données. Bien que les techniques modernes de prétraitement puissent réduire l'influence de certains artéfacts, elles ne peuvent pas compenser une mauvaise conception expérimentale ou des enregistrements constamment bruités.
Pütz et al. recommandent de prendre en compte la qualité des données tout au long du processus de planification en concevant des sessions d'enregistrement réalistes, en fournissant des consignes claires aux participants et en recueillant suffisamment d'essais pour pallier la perte de données lors du prétraitement [1].
Penser à la qualité des données dès le départ permet de réduire les problèmes évitables lors de l'analyse et renforce la confiance dans les résultats finaux.
L'interprétation commence avant l'analyse
L'une des leçons les plus importantes de la méthodologie des ERP est que l'interprétation commence bien avant que les chercheurs n'examinent les données.
Les formes d'onde d'ERP ne révèlent pas automatiquement la signification d'un processus cognitif. Les chercheurs interprètent plutôt les composantes individuelles d'ERP sur la base de décennies de preuves expérimentales reliant ces composantes à des fonctions neuronales particulières dans des conditions expérimentales spécifiques [2]. Les conclusions qui peuvent être tirées d'une étude d'ERP dépendent donc non seulement des données enregistrées, mais aussi de la solidité du plan expérimental et du corpus existant de la littérature scientifique.
Kappenman et al. soulignent que l'interprétation d'une composante d'ERP dépend de la mesure dans laquelle les recherches antérieures ont établi son lien avec le processus cognitif étudié. Les composantes présentant une plus grande validité de construit autorisent des conclusions plus assurées, tandis que d'autres exigent davantage de prudence et la prise en compte d'explications alternatives [3]. Une conception soignée de l'étude permet de s'assurer que les réponses neuronales observées peuvent être reliées de manière significative à la question de recherche plutôt qu'attribuées à des facteurs expérimentaux non contrôlés.
Réfléchir à l'interprétation dès la phase de planification encourage les chercheurs à concevoir des expériences capables de répondre à des questions scientifiques pertinentes plutôt que de simplement produire des résultats statistiquement significatifs.
L'avenir de la recherche sur les ERP
Les potentiels évoqués cognitifs sont une pierre angulaire des neurosciences cognitives depuis des décennies, et pourtant le domaine continue d'évoluer. Les progrès des technologies EEG portables, l'amélioration des logiciels expérimentaux et des méthodes analytiques de plus en plus sophistiquées élargissent les contextes et les modalités dans lesquels la recherche sur les ERP peut être menée.
Dans le même temps, les principes fondamentaux de la conception d'études d'ERP demeurent remarquablement constants. Une expérience bien conçue commence par une question scientifique claire, choisit un paradigme cognitif approprié, contrôle rigoureusement les variables expérimentales et interprète les résultats dans le contexte des neurosciences établies. Alors que les nouvelles technologies continuent d'améliorer la collecte et l'analyse des données, une conception expérimentale réfléchie reste le fondement d'une recherche rigoureuse sur les ERP [1], [2].
À mesure que les études d'ERP dépassent le cadre traditionnel des laboratoires pour investir les salles de classe, les lieux de travail et d'autres environnements du monde réel, ces principes deviennent de plus en plus essentiels. Quel que soit le lieu de collecte des données, une planification méticuleuse garantit que les chercheurs pourront relier avec certitude l'activité neuronale aux processus cognitifs qu'ils cherchent à comprendre.
Points clés à retenir
Les études d'ERP efficaces commencent par une question de recherche clairement définie plutôt que par une composante d'ERP spécifique.
Les tâches expérimentales doivent isoler le processus cognitif étudié tout en minimisant les sources non pertinentes d'activité neuronale.
Une synchronisation précise des événements, un nombre suffisant d'essais et un contrôle expérimental rigoureux contribuent tous à la fiabilité des mesures d'ERP.
Prévoir le confort des participants et la qualité des données avant le début de l'enregistrement peut améliorer à la fois l'expérience du participant et la fiabilité des données obtenues.
Une interprétation pertinente repose à la fois sur un plan expérimental soigné et sur des décennies de recherche associant les composantes d'ERP à des processus cognitifs spécifiques.
Lectures suggérées
Ce que les potentiels évoqués cognitifs révèlent sur le cerveau
Qu'est-ce qui caractérise une recherche cognitive de haute qualité ?
Pourquoi la validité écologique est importante dans la recherche cognitive
Références
[1] C. Pütz, M. Span, et M. Lorist, « Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants », STAR Protocols, vol. 6, n° 2, art. n° 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2e éd. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., « Best Practices for Event-Related Potential Research in Clinical Populations », Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n° 2, p. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, et N. A. Badcock, « It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research », PeerJ, vol. 9, e10700, 2021.
La conception d'une étude sur les potentiels évoqués cognitifs (ERP) implique bien plus que le simple choix d'un système EEG ou l'enregistrement de l'activité cérébrale. Avant le début de la collecte des données, les chercheurs doivent définir une question scientifique claire, déterminer le processus cognitif qu'ils souhaitent étudier, sélectionner un paradigme expérimental approprié et concevoir une étude capable d'isoler les processus neuronaux d'intérêt. Ces décisions façonnent la qualité des données ainsi que les conclusions qui peuvent être tirées de l'étude.
Cet article explore les considérations clés liées à la conception d'une expérience d'ERP, de la formulation d'une question de recherche à la collecte de données fiables et interprétables.
Commencer par la question de recherche
Lorsque l'on découvre les potentiels évoqués cognitifs (ERP), on se concentre souvent sur la technologie. On imagine des électrodes EEG, des tracés d'ondes cérébrales colorés et des logiciels spécialisés analysant les réponses neuronales avec une précision à la milliseconde près.
Cependant, les chercheurs expérimentés ont tendance à envisager les études d'ERP de manière très différente.
Bien avant de poser les électrodes ou de recueillir des données, les chercheurs prennent une série de décisions qui détermineront si une expérience pourra répondre à sa question scientifique. Ils identifient le processus cognitif qu'ils souhaitent étudier, sélectionnent une tâche expérimentale appropriée, définissent les événements qui seront mesurés et élaborent des conditions permettant d'isoler des réponses neuronales spécifiques parmi les nombreux processus qui se déroulent simultanément [1], [2].
En d'autres termes, une recherche fructueuse sur les ERP commence par le plan expérimental plutôt que par la technologie EEG.
Comprendre cette distinction constitue l'une des étapes les plus importantes vers la conception d'une étude d'ERP efficace.
Définir la question de recherche
Une expérience d'ERP doit débuter par une question scientifique plutôt que par une composante d'ERP en particulier.
Par exemple, un chercheur peut souhaiter comprendre comment l'attention évolue au cours de l'apprentissage, comment la mémoire de travail est mise à jour, comment les personnes détectent les erreurs ou comment le cerveau réagit à des stimuli inattendus. Chacune de ces questions reflète un processus cognitif différent et peut nécessiter un paradigme expérimental distinct.
Une fois la question de recherche établie, les chercheurs peuvent sélectionner les composantes d'ERP les plus susceptibles de fournir des éclairages sur ce processus. Des composantes telles que la P300, la N170, la négativité de discordance (MMN) ou la négativité liée à l'erreur (ERN) sont précieuses parce que des décennies de recherche les ont associées à des aspects spécifiques de la perception, de l'attention, de la mémoire ou du contrôle cognitif [2]. La composante d'ERP devient ainsi un outil pour étudier la cognition plutôt que l'objectif même de l'étude.
Cet ordre d'étapes importe car le plan expérimental doit toujours être au service de la question de recherche. Partir d'une hypothèse cognitive permet de s'assurer que chaque décision ultérieure, de la conception de la tâche à l'analyse statistique, soutient l'objectif scientifique.
Concevoir des tâches qui isolent l'activité cérébrale
L'un des plus grands atouts des potentiels évoqués cognitifs est leur résolution temporelle exceptionnelle, qui permet aux chercheurs d'observer l'activité neuronale à mesure qu'elle se déroule sur quelques millisecondes. Toutefois, cette précision représente également un défi.
À tout moment, le cerveau effectue plusieurs opérations cognitives à la fois. La perception visuelle, l'attention, la mémoire, la prise de décision et la préparation motrice peuvent toutes se chevaucher dans le temps, contribuant au signal EEG enregistré au niveau du cuir chevelu.
Dès lors, le défi pour les chercheurs consiste à concevoir une expérience qui isole le processus cognitif spécifique qu'ils souhaitent étudier tout en minimisant l'influence de l'activité neuronale non liée.
Kappenman et al. expliquent que le simple fait d'enregistrer l'EEG au cours de n'importe quelle expérience produit rarement des données pouvant être interprétées sans ambiguïté. Les expériences d'ERP doivent plutôt être conçues de manière à ce que l'opération cognitive étudiée diffère tandis que les facteurs non pertinents restent aussi constants que possible. Cela permet d'attribuer plus facilement les modifications de la forme d'onde de l'ERP au processus étudié plutôt qu'à d'autres activités neuronales simultanées [3].
Les chercheurs y parviennent grâce à des paradigmes expérimentaux soigneusement contrôlés. Les tâches oddball, les paradigmes Go/No-Go, les tâches de Flanker, les tâches de Stroop et d'autres paradigmes cognitifs sont devenus largement utilisés parce qu'ils mobilisent de manière fiable des processus cognitifs spécifiques tout en limitant la variabilité inutile. Le choix de la tâche appropriée est donc tout aussi important que le choix de la composante d'ERP elle-même.
Paradigme | Ce que fait le participant | Processus cognitif | Composantes couramment étudiées |
|---|---|---|---|
Oddball | Répond à des cibles rares parmi des standards fréquents | Détection de stimuli inattendus ou pertinents pour la tâche | P300 (environ 250–500 ms) |
Oddball auditif passif | Écoute sans répondre lorsque des sons rares surviennent | Détection automatique du changement auditif | Négativité de discordance (environ 100–250 ms) |
Go/No-Go | Répond aux stimuli « go », s'abstient sur les « no-go » | Inhibition de la réponse | N2 et P3 |
Flanker | Identifie une cible centrale entourée de distracteurs | Contrôle du conflit et de l'erreur | Négativité liée à l'erreur (dans les 100 ms environ suivant une erreur) |
Stroop | Nomme la couleur de l'encre de mots congruents ou incongruents | Interférence et contrôle cognitif | N450 |
Visualisation de visages vs objets | Regarde des visages et des images sans visage | Perception des visages | N170 |
Les événements comptent plus que l'enregistrement continu
Contrairement aux analyses EEG traditionnelles qui peuvent examiner l'activité neuronale continue, la recherche sur les ERP se concentre sur la réponse du cerveau à des événements précis.
Un événement peut être la présentation d'une image, l'apparition d'un mot, un signal sonore, la pression d'un bouton par un participant ou un retour indiquant si une réponse était correcte. Ces événements synchronisés avec précision permettent aux chercheurs d'aligner les enregistrements EEG sur des essais répétés et de calculer des réponses neuronales moyennes qui révèlent l'activité liée à l'événement [1].
Puisque les analyses d'ERP dépendent d'une synchronisation temporelle rigoureuse, les marqueurs d'événements deviennent l'un des éléments les plus critiques de la conception de l'étude. Même de légères incohérences entre la présentation du stimulus et le marquage de l'événement peuvent influencer les mesures de latence, en particulier lorsque les chercheurs étudient des processus cognitifs rapides qui se déroulent sur seulement quelques centaines de millisecondes.
Des recherches récentes de validation ont également démontré l'importance d'un marquage précis des événements pour obtenir des mesures d'ERP fiables à l'aide de systèmes EEG portables [4].
Choisir le bon nombre d'essais
Contrairement à de nombreuses expériences comportementales, les études d'ERP ne reposent pas sur une seule observation. Les chercheurs présentent plutôt le même type d'événement à de nombreuses reprises et calculent la moyenne des réponses EEG obtenues. Ce processus réduit l'activité de fond continue tout en préservant la réponse neuronale qui se produit systématiquement après chaque événement [1], [2].
Le nombre d'essais requis dépend de plusieurs facteurs, notamment :
La composante d'ERP mesurée
La variabilité attendue de la réponse
La qualité globale des données enregistrées.
Les composantes de plus faible amplitude ou de plus grande variabilité nécessitent souvent des essais supplémentaires pour obtenir un rapport signal sur bruit acceptable. Dans le même temps, les chercheurs doivent tenir compte des limites pratiques de la collecte de données. Des expériences plus longues peuvent accroître la fatigue des participants, les mouvements et les baisses d'attention, autant d'éléments susceptibles d'introduire des artéfacts supplémentaires dans l'enregistrement [1].
La conception d'une étude d'ERP efficace consiste donc à trouver le juste équilibre entre fiabilité statistique et expérience du participant. Plutôt que de recueillir autant d'essais que possible, les chercheurs visent à obtenir suffisamment d'observations de haute qualité pour répondre à la question scientifique tout en maintenant l'engagement du participant tout au long de l'expérience.
Facteur | Effet sur le nombre d'essais nécessaires | Réponse méthodologique |
|---|---|---|
Composante de faible amplitude | Davantage d'essais pour un rapport signal sur bruit acceptable | Prioriser cette composante dans le quota d'essais |
Forte variabilité de la réponse | Davantage d'essais pour stabiliser la moyenne | Réaliser une étude pilote pour estimer la variabilité avant l'étude principale |
Perte de données attendue lors du prétraitement | Moins d'essais exploitables que d'essais enregistrés | Enregistrer des essais supplémentaires pour absorber les époques rejetées |
Fatigue du participant | Des sessions plus longues augmentent les mouvements et les clignements d'yeux | Ajouter des pauses ; garder des sessions réalistes |
Équilibrer le contrôle expérimental
Chaque expérience d'ERP contient des variables que les chercheurs souhaitent étudier et des variables qu'ils souhaitent contrôler.
Supposons qu'un chercheur souhaite examiner la façon dont le cerveau réagit à des événements inattendus à l'aide d'un paradigme oddball. Idéalement, la principale différence entre les conditions expérimentales est la probabilité du stimulus cible, et non des variations de luminosité du stimulus, de correspondance des réponses ou de difficulté de la tâche. Lorsque plusieurs variables changent simultanément, il devient difficile de déterminer quel facteur a produit les différences d'ERP observées.
Pour cette raison, les chercheurs conçoivent soigneusement les expériences de sorte que les facteurs non pertinents restent aussi constants que possible d'une condition à l'autre. Kappenman et al. soulignent qu'un plan expérimental rigoureux est essentiel pour isoler le processus cognitif étudié plutôt que de mesurer plusieurs processus neuronaux chevauchants à la fois [3].
Une stratégie courante est l'utilisation d'ondes de différence, qui comparent les réponses d'ERP entre des conditions expérimentales soigneusement appariées. En soustrayant l'activité commune aux deux conditions, les chercheurs peuvent examiner plus clairement la réponse neuronale associée à la manipulation expérimentale. Bien que les ondes de différence n'éliminent pas tous les défis méthodologiques, elles illustrent un principe important de la recherche sur les ERP : une interprétation significative dépend d'une conception expérimentale soignée bien avant que l'analyse statistique ne commence [3].
Planifier pour obtenir des données de haute qualité
De nombreux facteurs qui influencent la qualité des données d'ERP sont déterminés avant même que le premier participant ne termine l'expérience.
La durée de la session, le confort du participant, la difficulté de la tâche et les procédures d'enregistrement affectent tous la qualité du signal EEG. Des expériences longues ou exigeantes peuvent accroître la fatigue, les mouvements et les clignements d'yeux, tandis que des consignes peu claires peuvent introduire une variabilité inutile dans les réponses des participants. Ces considérations pratiques influencent non seulement l'expérience du participant, mais également la fiabilité des données qui en résultent.
La gestion des artéfacts commence également dès la planification de l'étude plutôt qu'après la collecte des données. Bien que les techniques modernes de prétraitement puissent réduire l'influence de certains artéfacts, elles ne peuvent pas compenser une mauvaise conception expérimentale ou des enregistrements constamment bruités.
Pütz et al. recommandent de prendre en compte la qualité des données tout au long du processus de planification en concevant des sessions d'enregistrement réalistes, en fournissant des consignes claires aux participants et en recueillant suffisamment d'essais pour pallier la perte de données lors du prétraitement [1].
Penser à la qualité des données dès le départ permet de réduire les problèmes évitables lors de l'analyse et renforce la confiance dans les résultats finaux.
L'interprétation commence avant l'analyse
L'une des leçons les plus importantes de la méthodologie des ERP est que l'interprétation commence bien avant que les chercheurs n'examinent les données.
Les formes d'onde d'ERP ne révèlent pas automatiquement la signification d'un processus cognitif. Les chercheurs interprètent plutôt les composantes individuelles d'ERP sur la base de décennies de preuves expérimentales reliant ces composantes à des fonctions neuronales particulières dans des conditions expérimentales spécifiques [2]. Les conclusions qui peuvent être tirées d'une étude d'ERP dépendent donc non seulement des données enregistrées, mais aussi de la solidité du plan expérimental et du corpus existant de la littérature scientifique.
Kappenman et al. soulignent que l'interprétation d'une composante d'ERP dépend de la mesure dans laquelle les recherches antérieures ont établi son lien avec le processus cognitif étudié. Les composantes présentant une plus grande validité de construit autorisent des conclusions plus assurées, tandis que d'autres exigent davantage de prudence et la prise en compte d'explications alternatives [3]. Une conception soignée de l'étude permet de s'assurer que les réponses neuronales observées peuvent être reliées de manière significative à la question de recherche plutôt qu'attribuées à des facteurs expérimentaux non contrôlés.
Réfléchir à l'interprétation dès la phase de planification encourage les chercheurs à concevoir des expériences capables de répondre à des questions scientifiques pertinentes plutôt que de simplement produire des résultats statistiquement significatifs.
L'avenir de la recherche sur les ERP
Les potentiels évoqués cognitifs sont une pierre angulaire des neurosciences cognitives depuis des décennies, et pourtant le domaine continue d'évoluer. Les progrès des technologies EEG portables, l'amélioration des logiciels expérimentaux et des méthodes analytiques de plus en plus sophistiquées élargissent les contextes et les modalités dans lesquels la recherche sur les ERP peut être menée.
Dans le même temps, les principes fondamentaux de la conception d'études d'ERP demeurent remarquablement constants. Une expérience bien conçue commence par une question scientifique claire, choisit un paradigme cognitif approprié, contrôle rigoureusement les variables expérimentales et interprète les résultats dans le contexte des neurosciences établies. Alors que les nouvelles technologies continuent d'améliorer la collecte et l'analyse des données, une conception expérimentale réfléchie reste le fondement d'une recherche rigoureuse sur les ERP [1], [2].
À mesure que les études d'ERP dépassent le cadre traditionnel des laboratoires pour investir les salles de classe, les lieux de travail et d'autres environnements du monde réel, ces principes deviennent de plus en plus essentiels. Quel que soit le lieu de collecte des données, une planification méticuleuse garantit que les chercheurs pourront relier avec certitude l'activité neuronale aux processus cognitifs qu'ils cherchent à comprendre.
Points clés à retenir
Les études d'ERP efficaces commencent par une question de recherche clairement définie plutôt que par une composante d'ERP spécifique.
Les tâches expérimentales doivent isoler le processus cognitif étudié tout en minimisant les sources non pertinentes d'activité neuronale.
Une synchronisation précise des événements, un nombre suffisant d'essais et un contrôle expérimental rigoureux contribuent tous à la fiabilité des mesures d'ERP.
Prévoir le confort des participants et la qualité des données avant le début de l'enregistrement peut améliorer à la fois l'expérience du participant et la fiabilité des données obtenues.
Une interprétation pertinente repose à la fois sur un plan expérimental soigné et sur des décennies de recherche associant les composantes d'ERP à des processus cognitifs spécifiques.
Lectures suggérées
Ce que les potentiels évoqués cognitifs révèlent sur le cerveau
Qu'est-ce qui caractérise une recherche cognitive de haute qualité ?
Pourquoi la validité écologique est importante dans la recherche cognitive
Références
[1] C. Pütz, M. Span, et M. Lorist, « Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants », STAR Protocols, vol. 6, n° 2, art. n° 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2e éd. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., « Best Practices for Event-Related Potential Research in Clinical Populations », Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, n° 2, p. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, et N. A. Badcock, « It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research », PeerJ, vol. 9, e10700, 2021.

Continuez à lire