• Langue : Français
• Discipline : Neurosciences
• Identifiant : 2023ULILS077
• Type de thèse : Doctorat
• Date de soutenance : 11/12/2023

Résumé en langue originale

Le rythme des crises sociopolitiques s'est considérablement accéléré au cours des dernières années, et s'est accompagné d'une montée en flèche des croyances conspirationnistes et pseudo-scientifiques. Ces idées inflexibles, largement répandues au sein de la population générale, ont eu un impact non négligeable sur les comportements individuels, qu'il s'agisse de leur choix de santé ou de leur choix d'engagement politique. Ce phénomène global de rigidification des croyances, s'il peut être observé au niveau individuel, trouve également son reflet à l'échelle des groupes sociaux, via la polarisation et la radicalisation des opinions en ligne. Certains auteurs ont formulé l'hypothèse du « complotisme » en tant que stratégie d'adaptation, qui viserait à rétablir la prévisibilité du monde face à des évènements très incertains. Ce mécanisme compensatoire s'appuierait sur des biais d'inférence, cognitifs et perceptifs, que les modèles Bayésiens sont censés pourvoir capturer. Cette thèse de doctorat visait donc à décrypter les mécanismes qui sous-tendent l'émergence et le maintien des croyances complotistes à travers trois niveaux de compréhension : les approches cognitives, perceptives et computationnelles.Dans le premier axe, j'ai exploré les mécanismes cognitifs associés aux idéations complotistes (IC). J'y montre notamment que l'attribution aberrante de saillance, un biais cognitif qui consiste à attribuer une trop grande importance à des stimuli non-pertinents, est associée aux IC et à l'hésitation vaccinale lors de la pandémie de COVID-19. Nous démontrons également que le lien, encore débattu, entre IC et perte du sentiment de contrôle sur le monde, peut être capturé expérimentalement par une tâche comportementale. Je montre enfin que cette association est sensible au stress et peut être révélée par l'incertitude du monde réel.En m'appuyant sur ces résultats, je me suis appliqué dans le deuxième axe du travail à déchiffrer la dynamique des IC autour d'événements politiques incertains, en combinant l'utilisation d'une tâche de perception bistable en ligne et d'un modèle computationnel. En utilisant le modèle de l'Inférence Circulaire, nous montrons notamment que lorsque l'incertitude atteint son paroxysme, les IC sont associées à une prise en compte plus importante des informations sensorielles. Pour faire face à l'incertitude, certains participants, particulièrement sensibles au stress, adopteraient une stratégie d'exploration consistant à rechercher des réponses simples et intuitives à des questions complexes. Progressivement, cette stratégie d'exploration évoluerait vers une stratégie d'exploitation dans laquelle l'adhésion accrue aux théories du complot est associée à l'amplification des connaissances a priori conduisant à un auto-renforcement du système de croyance.Enfin, dans le troisième axe de la thèse, j'aborde la question de la rigidification des croyances à l'échelle du groupe, en modélisant la propagation des croyances dans les réseaux sociaux comme une forme d'inférence probabiliste. Nous avons notamment abordé les phénomènes de polarisation et de radicalisation communément observés dans les communautés en ligne comme un excès de confiance qui trouverait ses origines dans une forme de circularité inhérente à la structure du réseau. En outre, nous avons pu démontrer la validité d'un nouvel algorithme, le Circular Belief Propagation (CBP), capable de contrer cet excès de confiance en utilisant des données issues de réseaux réels, tels que Facebook© et Twitter©.

Résumé traduit

The pace of socio-political crisis has dramatically accelerated over the past decade and was accompanied by a surge in conspiratorial and pseudo-scientific beliefs. These inflexible ideas, widespread to varying degrees in the non-clinical population, can drastically influence a wide range of attitudes from health-related behaviors to political engagement. Furthermore, while it can be observed at an individual level, this global phenomenon of belief rigidification is mirrored at the community level by the major polarization and radicalization of online opinions. Adherence to conspiracy theories (CTs) has been proposed by some authors as a coping strategy aimed at restoring predictability in highly uncertain situations. This compensatory mechanism would be rooted in cognitive and perceptual inference biases that can be captured by Bayesian belief models. This PhD thesis aimed at deciphering the mechanisms underpinning the emergence and maintenance of unshakeable conspiracy beliefs through three intertwined levels of comprehension: the cognitive, perceptual and computational approaches. In the first axis, I explored the cognitive mechanisms associated with conspiracy ideations. I notably showed that hypersalience, a cognitive bias that consists in attributing great significance to irrelevant stimuli, was associated with adherence to CTs and vaccine hesitancy in the context of the COVID-19 pandemic. We also demonstrated that the debated link between the perceived lack of control over one's life could be experimentally captured with a behavioral task. I further showed that this association was stress sensitive and could be uncovered by real-world uncertainty. Drawing on that idea, the second axis aimed at deciphering the dynamics of CTs around distressing and uncertain political events, combining an online bistable perception task with computational model fitting. Using the Circular Inference framework, we notably showed that when uncertainty peaks, CTs were associated with an overweighting of sensory information. In an attempt to cope with uncertainty, some participants particularly sensitive to stress adopted an exploration strategy that consisted in searching for simple and intuitive answers to complex issues. Progressively, this exploration strategy could shift to an exploitation strategy in which increased adherence to CTs is associated with the amplification of prior information leading to a self-reinforcement of the belief system. Finally, in the third axis, I addressed the question of belief rigidification at the community scale by modeling belief propagation in large social networks, as a form of probabilistic inference. We notably approached the phenomenon of polarization and radicalization observed in online communities as aberrant overconfidence rooted in some form of circularity in messages-passing, considered inherent to the network's structure. Going further, we demonstrated the validity of a novel algorithm, Circular Belief Propagation, in countering this aberrant overconfidence using data from Facebook© and Twitter©.