3.4. Cadre théorique de ce travail de thèse : Les notions de traces épisodiques, distribués, multidimensionnelles et l’intégration

Le modèle proposé par Versace, Nevers, Padovan (2002, voir aussi Versace, Labeye, Badard, & Rose, 2009) se situe dans la lignée des modèles à traces multiples de la mémoire. Il propose une architecture pour la mémoire au sein de laquelle la trace est définie comme une synchronisation d’activations au sein de multiples structures codant les nombreux composants ou dimensions, des expériences associées à chaque trace. Les dimensions sont essentiellement des dimensions sensorielles, motrices et émotionnelles. C’est-à-dire que l’ensemble des dimensions présentes au moment de l’épisode vécu par l’individu est encodé au sein de la trace. Ainsi, les traces mnésiques ne sont pas localisées, ni indépendantes les unes des autres, mais distribuées sur ces diverses structures et à l’intérieur même de chaque structure. Il ne s’agit pas d’une architecture connexionniste même si elle peut parfaitement être implémenté dans une telle architecture.

Dans une telle approche, les connaissances n’auraient pas d’existence réelle en mémoire, mais émergeraient des interactions entre l’individu et sonenvironnement, donc du fonctionnement cognitif (connaissances fonctionnelles et situationnelles). L’accumulation de multiples traces et leur réactivation en fonction du contexte rendrait compte de l’émergence d’un événement spécifique ou d’un concept. Une connaissance de type souvenir correspondrait à un état d’activation très proche d’un état antérieur spécifique, alors qu’une connaissance catégorielle ou sémantique est issue de multiples traces antérieures. Dans ce modèle, une intégration des dimensions est nécessaire pour la constitution de traces unifiées, bien qu’une trace plus élémentaire puisse également se constituer au niveau d’une seule dimension. Cette idée est représentée dans la figure 9 ci-dessous.

Figure 9. L’architecture pour un modèle épisodique, multidimensionnel et distribuée de la mémoire à long terme
Figure 9. L’architecture pour un modèle épisodique, multidimensionnel et distribuée de la mémoire à long terme