Fondations neurocomputationnelles de la confiance en soi – Self-Beliefs

La confiance en soi, c’est-à-dire la façon dont nous nous percevons et percevons nos capacités, a un impact majeur sur nos trajectoires de vie, et est un facteur central dans le développement de nombreux troubles psychiatriques. Par exemple, les personnes avec des symptômes anxieux et dépressifs ont moins confiance en leurs capacités, avec des conséquences majeures : si on croit qu’on ne va pas réussir, on risque de ne même pas essayer. Mais les fondements cognitifs et neurobiologiques de la confiance en soi restent peu connus. Dans une série d’études empiriques associées à l’IRMf et à la modélisation computationnelle, je testerai l’hypothèse qu’une hiérarchie de signaux métacognitifs locaux contribue à la mise à jour de la confiance en soi à un niveau global. Ce projet est rendu possible grâce aux avancées récentes sur les bases computationnelles et neurales des jugements métacognitifs locaux : nous disposons désormais des outils nécessaires pour étudier la confiance en soi à un niveau global. La généralité des mécanismes identifiés sera testée en examinant deux domaines fréquemment étudiés séparément, la perception et la mémoire. Je testerai également des adolescents qui sont à un âge critique pour la formation de la confiance en soi. Enfin, je m’appuierai sur les fluctuations naturelles de symptômes anxieux et dépressifs dans la population générale pour examiner si les distortions de confiance en soi proviennent de la surgénéralisation d’un niveau de confiance faible à travers différentes tâches. J’examinerai aussi cette prédiction chez des patients dépressifs. Ce projet à l’intersection entre neurosciences cognitives, modélisation mathématique et psychiatrie a pour objectif de caractériser un aspect central de la cognition humaine : la confiance en soi, et de construire de meilleurs modèles des troubles psychiatriques, dans lesquels les distorsions d’auto-évaluation sont omniprésentes.