I.2.Les réseaux de neurones face au traitement du temps

Historiquement, les réseaux de neurones ont été utilisés pour des problèmes de classification ou d’approximation de fonction sur des données statiques : la sortie d’un réseau ne dépend que de l’entrée actuelle. Pour pouvoir atteindre un rendu plus réaliste des réseaux de neurones biologiques, il faut prendre en compte l’aspect dynamique du problème : à un instant donné, la sortie dépend de l’entrée à l’instant courant, ainsi que des entrées et des sorties aux instants précédents, jusqu’à un certain ordre. Les informaticiens ont été amenés à étudier les modèles de traitement de séquences pour des applications telles que l’identification et le contrôle de système dynamique, la reconnaissance de motifs syntaxiques, l’induction de la grammaire (Kremer, 2001).

Les réseaux connexionnistes spatio-temporels peuvent se classer suivant la représentation du temps utilisée par ces modèles de traitement de séquence ³ . Cette représentation peut être :

• Discrète : le temps est réduit à une succession d’évènements symbolique (mots, syllabes, etc.). Ces modèles considèrent que chaque événement a la même durée. Elle n’est pas donc prise en compte par ces modèles, qui proposent uniquement un traitement séquentiel.
• Temporelle : cas des modèles biologiques actuellement étudiés qui s’appuient sur un échantillonnage très fin du temps ⁴ , sans tenir compte d’unité temporelle. Cette particularité permet aux modèles de tenir compte de l’organisation temporelle des données. Nous évoquerons dans ce cas l’expression de traitement réaliste du temps (ou contrainte temporelle), dans la mesure où elle permet de s’approcher au mieux de notre perception physiologique du temps.