Intelligence artificielle et neurosciences au service de la décision économique et managériale : Revue systématique des approches EEG/fNIRS fondées sur l’apprentissage automatique

Résumé

Cette revue systématique examine la manière dont l’intelligence artificielle (IA), appliquée à des signaux neurophysiologiques – principalement l’électroencéphalographie (EEG) et la spectroscopie fonctionnelle proche infrarouge (fNIRS) – contribue à la prédiction et à l’interprétation de décisions économiques et managériales, telles que la préférence, l’intention ou la décision d’achat, la disposition à payer, la décision de crédit et l’efficacité publicitaire. Elle comble une lacune précise : les revues antérieures portent surtout sur le neuromarketing EEG ou sur les techniques d’analyse, alors qu’elles articulent rarement, dans un même périmètre, les modèles d’apprentissage automatique, les mesures EEG/fNIRS, les applications économiques et financières, ainsi que les conditions de validité externe et de gouvernance éthique. Conformément aux recommandations PRISMA 2020, une recherche structurée a été conduite sur les publications parues au cours des dix dernières années à partir de PubMed Central, Frontiers, ScienceDirect, Springer Nature et ACM Digital Library. Sur 28 enregistrements identifiés, 6 doublons ont été supprimés, 22 titres et résumés ont été examinés, 14 textes intégraux ont été évalués et 12 études empiriques ont finalement été incluses. La synthèse met en évidence un apport prédictif récurrent lorsque les signaux EEG complètent les auto-rapports ou les données comportementales, mais aussi une forte hétérogénéité des performances rapportées, liée aux tâches, aux tailles d’échantillon, aux métriques et aux schémas de validation. L’article propose un cadre intégratif « Neuro-IA-Décision » et un agenda de recherche centré sur la validité externe, la reproductibilité et la gouvernance éthique des données neuronales.

Classification JEL : C45, D91, G41, M31

Type du papier : Recherche théorique (revue systématique)