Thèse Mécanismes Neuronaux des Stratégies Sociales Pendant la Recherche de Nourriture H/F - Doctorat.Gouv.Fr

Établissement : Université Claude Bernard Lyon 1
École doctorale : NSCo - Neurosciences et Cognition
Laboratoire de recherche : CRNL - CENTRE DE RECHERCHE EN NEUROSCIENCES DE LYON
Direction de la thèse : Jacqueline SCHOLL ORCID 0000000199691355
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-31T23:59:59

Dans la vie quotidienne, les êtres humains agissent rarement de manière isolée, mais plutôt en collaboration avec d'autres êtres humains. Il peut s'agir d'une coopération (par exemple, un objectif commun) ou d'une compétition (par exemple, une concurrence pour des ressources limitées). Jusqu'à présent, ce phénomène a surtout été étudié dans le cadre de modèles expérimentaux très simples fondés sur des essais (par exemple, Spiering ... Rushworth* & Scholl*, 2025). Ces modèles ont permis d'élaborer des modèles informatiques de l'apprentissage et du choix des humains dans ces contextes. Cependant, ils ont été limités à des scénarios binaires (collaboration ou compétition) dans des tâches nécessitant un raisonnement abstrait. Cela ne permet pas de saisir les complexités et les ambiguïtés de la vie quotidienne (par exemple, vous ne savez pas si l'autre personne coopère ou est en compétition). Dans un contexte non social, nous avons récemment montré, en utilisant des tâches de type jeu vidéo permettant un comportement autodéterminé, que les situations approchant les complexités de la vie quotidienne évoquent des émotions comme un raccourci computationnel (Trier ... Rushworth* & Scholl*, 2025). Ici, nous nous appuierons sur cette approche pour comprendre les mécanismes informatiques et neuronaux qui sous- tendent la manière dont les émotions façonnent les interactions sociales autodéterminées (par exemple, la colère/l'indignation qui convainc les autres joueurs de coopérer). Pour ce faire, nous concevrons une nouvelle tâche comportementale, capable d'évoquer et de mesurer les émotions (auto-évaluation, physiologie, expressions faciales) et l'activité cérébrale (avec l'imagerie par résonance magnétique fonctionnelle, IRMF).
Pour faire le lien entre les différents niveaux de mesure, nous utiliserons des modèles informatiques (modèles de prise de décision et réseaux neuronaux profonds). Enfin, nous utiliserons la tâche pour comprendre comment les différences individuelles dans les caractéristiques psychiatriques de la vie réelle façonnent les stratégies sociales dans notre tâche en utilisant une approche en ligne à grande échelle. Un intérêt particulier sera porté aux troubles des émotions et de leur régulation, par exemple le trouble borderline (Leichsenring et al. 2023) (prédiction : augmentation des réponses émotionnelles aversives à un comportement ambigu de la part d'un autre joueur). À l'avenir, le projet aura un impact sur la recherche en psychiatrie, en identifiant des cibles pour les études de traitement et des outils pour les études prédisant les résultats du traitement.

Description du projet : Ce projet conviendra à un doctorant passionné par le développement de nouveaux modèles expérimentaux (tâches cognitives) mesurant les cognitions, les émotions, les différences individuelles (par exemple, les traits psychiatriques/psychologiques), l'activité cérébrale et l'analyse avancée des données (développement de modèles computationnels, y compris les réseaux neuronaux profonds). Le chercheur rejoindra une équipe et un réseau de collaboration plus large à l'interface entre les neurosciences cognitives computationnelles et la psychiatrie. Les principales tâches du doctorant seront les suivantes :
- La conception et le design expérimental (y compris le codage des tâches expérimentales)
- Aide à la rédaction de la demande d'éthique
- Acquisition de données (tests comportementaux en ligne, IRMF)
- Analyse avancée des données (modélisation informatique, y compris réseaux neuronaux profonds) - Rédaction d'un manuscrit
- Présentation des travaux lors de réunions scientifiques - Soutien aux activités quotidiennes du laboratoire

Over the last decade, cognitive neuroscience has seen a movement from very abstract decision making tasks (n-alternative forced-choice tasks, neuroeconomics framework') to more naturalistic tasks - foraging framework' - that allowed participants more freedom in their behaviour (self-determined behaviour). The principal behind this was to design tasks that are closer to behaviours the brain evolved to solve and thus map more closely onto real-life behaviours. This has allowed understanding the computations of brain areas (e.g. anterior cingulate cortex) differently to what was known from studies done in the neuroeconomics framework (Kolling & Scholl et al. 2018; Kolling & Scholl 2025, Hunt et al. 2021). These kinds of tasks have shown links to individual differences in daily life behaviours, measured as e.g. psychiatric traits (Scholl & Klein-Flügge 2018, Scholl et al. 2022).
More recently, work has begun to expand this framework to include emotions (Trier et al. 2025; Erdman & Eldar 2023). The rationale is that emotions are ubiquituous in daily life, providing short-cuts allowing quick actions (e.g. fear in the presence of a predator readies the organism for immediate action). To capture this, we have designed naturalistic, video game-like tasks, that evoke emotions (stress, excitement), allow measuring them (self-reports, physiology, facial expressions) and capturing their impact on behaviour (Trier et al. 2025).
However, most of this work has remained focused on understanding individual humans. This is the key step-change proposed by this PhD project. Humans are inherently social, cooperating or competing with others (Declerck et al. 2013; Frith & Singer (2008); Mantas et al. 2022; Riling et al. 2011; van Dijk et al. 2021; Van Lange et al. 2013). While in cognitive neuroscience, much work has examined social behaviour through the neuroeconomics framework (e.g. Spiering et al. 2025), this again does not allow measuring self-determined social interaction. Recent work in rats (Solié et al. 2025) has shown that in fact social behaviour is emergent, with only weak links between behaviours observed in isolated animals and those emerging in groups. Therefore, tasks that allow self-determined behaviour with multiple agents working together (competing/cooperating) are crucial for undertstanding how humans develop strategies in social contexts helped or hindered by emotions.

Compétences essentielles :
- Solides compétences en codage dans un langage de codage couramment utilisé, par exemple R, Python ou Matlab, attestées par un projet de recherche antérieur (par exemple M2).
- Bonnes compétences verbales et écrites en anglais et en français
- Expérience de la rédaction académique
- Diplôme dans une discipline quantitative (par exemple l'informatique, l'ingénierie ou les neurosciences computationnelles).
Une ou plusieurs des compétences suivantes seraient un plus :
- Expérience de la conception d'expériences à l'aide de logiciels tels que python, unity, javascript.
- Expérience approfondie de l'analyse de données à l'aide de la modélisation computationnelle de données comportementales. Exemples : analyses de régression, réseaux neuronaux, visualisation de données (par exemple, tracés matriciels).
- Expérience de l'apprentissage automatique (par exemple, Xgboost, régressions régularisées) et de l'apprentissage profond (par exemple, réseaux neuronaux profonds pour la résolution de tâches cognitives).