Cet article s'appuie sur des preuves croissantes montrant que le cerveau utilise des schémas d'attention, des modèles simplifiés de l'attention, pour le contrôler. À l'aide d'un réseau neuronal doté d'un mécanisme d'attention transformateur, nous avons étudié l'impact de l'ajout de schémas d'attention à des agents artificiels sur leurs capacités de jugement et de collaboration. Les résultats expérimentaux montrent que les agents dotés de schémas d'attention sont plus à même de classer les états attentionnels des autres agents (améliorant ainsi leur précision), de développer des modèles permettant aux autres agents de classer plus facilement leurs propres schémas attentionnels et d'améliorer leurs performances dans les tâches collaboratives. Ces gains de performance ne sont pas simplement dus à une complexité accrue du réseau, mais résultent plutôt de tâches spécialisées impliquant l'évaluation, la classification ou la prédiction de l'attention des autres agents. En conclusion, nos résultats étayent l'hypothèse selon laquelle les schémas d'attention possèdent des propriétés computationnelles bénéfiques pour l'inter-interprétabilité et le comportement interactif.
