Résumé
Nous présentons une preuve de concept pour le décodagesémantique multiclasse à partir d’EEG haute densité en-registré lors d’une tâche de dénomination d’images. Lesnoms des images sont regroupés en neuf catégories séman-tiques au moyen d’embeddings textuels, tandis que les si-gnaux EEG sont transformés canal par canal à l’aide deSingLEM, un encodeur EEG pré-entraîné. Un classifica-teur KNN appliqué aux représentations EARLY, NAMINGet EARLY+NAMING atteint des exactitudes équilibrées de0,562, 0,610 et 0,781, ainsi qu’un score Macro-F1 maxi-mal de 0,784 pour la représentation combinée. Ces perfor-mances démontrent que les embeddings EEG pré-entraînéspermettent d’extraire une structure sémantique robuste àpartir de signaux EEG traités canal par canal.