Le fonctionnement du cerveau peut-il éclairer nos interventions pédagogiques en lecture?

Apprendre est un processus qui se déroule en premier lieu dans le cerveau. Lorsqu’un élève réalise un nouvel apprentissage, son cerveau s’en trouve changé. En salle de classe, l’enseignant perçoit ce changement en étant témoin des progrès de l’élève sur les plans scolaire et comportemental : celui-ci apprend par exemple à lire de nouveaux mots, à faire des calculs plus complexes, à affiner certains gestes moteurs, etc. Aujourd’hui, grâce au développement des techniques d’imagerie cérébrale et à une meilleure connaissance du fonctionnement du cerveau, il est possible de mieux comprendre les processus cérébraux qui sous-tendent les apprentissages des élèves.

Un cerveau qui se transforme pour apprendre

Les nouveaux apprentissages sont possibles en raison de la remarquable flexibilité de notre cerveau, que l’on appelle la plasticité cérébrale. En effet, l’apprentissage influence le fonctionnement du cerveau qui s’adapte à son environnement en modifiant et en optimisant les connexions entre ses neurones : certaines connexions qui ne sont pas utiles peuvent ainsi être éliminées, de nouvelles connexions peuvent être créées et l’efficacité de certaines connexions déjà existantes peut être modulée à la hausse ou à la baisse, selon leur importance (OCDE, 2007). L’apprentissage n’est donc possible que parce que notre cerveau possède cette capacité de se transformer pour accueillir et développer de nouvelles capacités. En modifiant ses connexions, le cerveau devient également plus spécialisé : certaines régions cérébrales prennent ainsi en charge des fonctions cognitives bien précises.

L’architecture préalable du cerveau : point de départ de l’apprentissage

Bien qu’il soit très flexible, le cerveau ne possède pas une plasticité infinie. Une autre caractéristique du cerveau influence ainsi la façon dont certains apprentissages scolaires peuvent se réaliser. En effet, avant même qu’un nouvel apprentissage ne se réalise, notre cerveau présente une architecture qui découle notamment de l’évolution et qui est très similaire d’une personne à l’autre. Cette architecture cérébrale contraint la façon dont ont lieu certains apprentissages (Dehaene, 2008) : certaines régions du cerveau seraient plus propices que d’autres à accueillir certains apprentissages en raison notamment de leur position dans le cerveau, de leurs connexions déjà établies avec d’autres régions cérébrales ou encore parce qu’elles accomplissent déjà une fonction très similaire à la nouvelle fonction à acquérir (Goswami, 2008). C’est entre autres le cas pour l’apprentissage de la lecture.

Un cerveau qui se recycle pour apprendre à lire

Plusieurs activités culturelles créées de toutes pièces par l’humain sont apparues trop récemment pour que l’évolution seule ait pu générer des réseaux neuronaux qui leur sont propres. L’apprentissage de la lecture en est un excellent exemple puisque cette dernière s’appuie sur l’invention culturelle des systèmes d’écriture datant d’environ 5400 ans. Pour bien comprendre comment la lecture trouve sa place au sein du cerveau de l’apprenti lecteur, il importe donc de considérer ce qui est déjà présent dans le cerveau de l’enfant avant l’apprentissage de la lecture.

Le cerveau d’un enfant d’environ 5-6 ans est déjà hautement spécialisé pour la vision et le langage, qui sont des préalables essentiels à la lecture (pour reconnaitre les mots et leur attribuer un sens). S’appuyant sur ces caractéristiques, notre cerveau réalise en quelque sorte la modification qui semble la plus simple afin de développer la capacité à lire : il recycle une partie d’une région visuelle qui est déjà connectée aux régions du langage et dont la fonction initiale est déjà très près de la fonction à acquérir. Son choix se porte ainsi sur la région occipito-temporale de l’hémisphère gauche, à l’origine spécialisée pour reconnaitre différents types d’objets, tels que les visages et les animaux. Durant l’apprentissage de la lecture, cette région se transforme pour développer la capacité à reconnaitre un nouveau type d’objets, les symboles écrits du langage (Dehaene, 2007, 2011). Elle est d’ailleurs couramment désignée par l’appellation « région de la forme visuelle des mots ». En plus d’être spécifiquement responsable de la reconnaissance visuelle des mots, cette région est également associée au fait d’être un bon lecteur (Dehaene, 2007). En effet, au fur et à mesure que la compétence en lecture s’améliore, l’activation de la région de la forme visuelle des mots augmente. L’expertise en lecture est donc caractérisée par une utilisation accrue et plus efficace d’une région qui devient spécialisée pour la lecture : la région occipito-temporale gauche.

Un éclairage supplémentaire à l’enseignement de la lecture?

Si l’on sait qu’une région semble optimale pour la lecture, une question se pose d’emblée : comment l’enseignant peut-il, par les choix pédagogiques qu’il fait, faciliter le recyclage et la spécialisation de cette région de la forme visuelle des mots chez ses élèves? Des recherches récentes ont comparé l’impact de différentes interventions pédagogiques visant l’apprentissage de la lecture sur le fonctionnement cérébral de lecteurs adultes (Bitan, Manor, Morocz, & Karni, 2005; Yoncheva, Blau, Maurer, & McClandliss, 2010). Dans ces recherches, les participants apprenaient à lire un nouvel alphabet créé par les chercheurs, ce qui les plaçait dans une situation d’apprentissage similaire à celle d’apprentis lecteurs. Un constat intéressant émerge des résultats de ces recherches : des interventions pédagogiques de nature différente entrainent la mobilisation de régions cérébrales différentes. La façon dont on enseigne peut donc avoir une influence sur la façon dont certaines régions de notre cerveau fonctionnent. Plus précisément, le fait d’insister sur l’établissement explicite de correspondances entre les graphèmes et les phonèmes (Brem et al., 2010; Yoncheva et al., 2010) engendre une activité cérébrale très près de celle liée à l’expertise en lecture, spécialisée dans l’hémisphère gauche du cerveau. Cela laisse entendre qu’il serait possible d’influencer, voire même de faciliter, le processus de recyclage qui s’opère durant l’apprentissage de la lecture au moyen d’interventions pédagogiques qui insistent sur les lettres et leurs correspondances avec les sons (Brem et al., 2010).

Bien entendu, la conduite de recherches supplémentaires sera nécessaire afin de mieux comprendre et de préciser les effets de différentes interventions pédagogiques en lecture sur le cerveau. Mais, déjà, ces premiers résultats pointent vers l’idée qu’une meilleure connaissance du fonctionnement cérébral peut apporter un éclairage supplémentaire aux interventions mises en place au début de l’apprentissage de la lecture.

Références

Bitan, T., Manor, D., Morocz, I. A., & Karni, A. (2005). Effects of alphabeticality, practice and type of instruction on reading an artificial script: An fMRI study. Cognitive Brain Research, 25(1), 90-106.

Brem, S., Bach, S., Kucian, K., Guttorm, T. K., Martin, E., Lyytinen, H., ... Richardson, U. (2010). Brain sensitivity to print emerges when children learn letter–speech sound correspondences. Proceedings of the National Academy of Sciences, 107(17), 7939-7944.

Dehaene, S. (2007). Les neurones de la lecture. Paris : Odile Jacob.

Dehaene, S. (2008). Cerebral constraints in reading and arithmetic: Education as a ‘‘neuronal recycling’’process. In A. M. Battro, K. W. Fischer, & P. J. Léna (Eds), The educated brain: Essays in neuroeducation (pp. 232-247). Cambridge: Cambridge University Press.

Dehaene, S. (2011). Apprendre à lire : des sciences cognitives à la salle de classe. Paris : Odile Jacob.

Goswami, U. (2008). Principles of learning, implications for teaching: A cognitive neuroscience perspective. Journal of Philosophy of Education, 42(3-4), 381-399.

OCDE. (2007). Comprendre le cerveau : naissance d’une nouvelle science de l’apprentissage. Paris : Éditions de l'OCDE.

Yoncheva, Y. N., Blau, V., Maurer, U., & McClandliss, B. D. (2010). Attentional focus during learning impacts: N170 ERP Responses to an Artificial Script. Developmental Neuropsychology, 35(4), 423-445.

Crédit photo: Anna Grigorjeva / 123RF Banque d'images