L’endormissement: une transition plus complexe qu’un simple interrupteur

L’endormissement n’est pas un processus linéaire : les enregistrements d’électro-encéphalogramme (EEG) révèlent des allers-retours fréquents entre états d’éveil et de sommeil, avec une atténuation progressive (mais non monotone) des ondes alpha (8–12 Hz, associées à l’éveil détendu) et l’émergence d’activités à basse fréquence (0,5–4 Hz, caractéristiques du sommeil). Ces variations, longtemps considérées comme du « bruit », sont en réalité structurées et reflètent la dynamique sous-jacente du cerveau.

L’équipe de Jean-Julien Aucouturier a développé un modèle mathématique simplifié pour capturer cette complexité. Celui-ci représente l’endormissement comme le mouvement d’une particule dans un paysage énergétique à double puits (un système dit « bistable ») :
– Un puits pour l’éveil, un autre pour le sommeil, séparés par une barrière.
– Une pente lente (le « sleep drive », ou pression de sommeil) incline progressivement ce paysage vers le puits du sommeil.
– Des fluctuations aléatoires (le « bruit » neuronal) provoquent des basculements intermittents entre les deux états.

La force de l’approche de modélisation réside dans sa capacité à estimer ces paramètres de manière individuelle à partir d’un unique enregistrement EEG. Les chercheurs ont validé leur méthode sur des données existantes, montrant que ces paramètres corrèlent avec la somnolence subjective rapportée par les participants avant une sieste, confirmant leur pertinence comportementale.

Cette modélisation offre un cadre mécanique pour comprendre pourquoi certaines personnes s’endorment rapidement et sans retour en arrière, tandis que d’autres connaissent des transitions chaotiques, avec des réveils brefs. À terme, ces paramètres pourraient servir de biomarqueurs pour évaluer la sévérité des troubles du sommeil (comme l’insomnie ou la narcolepsie). Le travail montre que la variabilité de l’endormissement n’est pas du bruit, mais une signature dynamique riche en information.

Hu, Z.,Aravind, M., Lei, X., Kutz, J. N., Aucouturier, JJ. Learning the bistable cortical dynamics of the sleep-onset period. PLOS Computational Biology, 22(4): e1014246, 2026