NIT & apprentissage moteur
Paysage attracteur
Le paysage attracteur est le relief complet des états moteurs stables d’une personne, et apprendre revient à le remodeler pour rendre les bonnes solutions plus accessibles que les anciennes.
Définition
Le paysage attracteur cartographie l'ensemble des attracteurs accessibles au système moteur d'une personne, avec leurs bassins d'attraction et les barrières qui les séparent. L'apprentissage moteur déforme ce paysage : il approfondit certains attracteurs (compétences stabilisées), en comble d'autres (compensations dissoutes), en creuse de nouveaux (solutions neuves). C'est l'outil, issu des systèmes dynamiques, pour penser la robustesse, la rigidité et la capacité d'adaptation d'un même système.
Pas un geste à corriger. Le relief complet des états moteurs stables d’une personne, que l’apprentissage vient remodeler.
Description et fonction
Un attracteur, c’est un état stable vers lequel le système retombe naturellement, un creux dans le relief. Le paysage attracteur est le relief entier : tous les états moteurs stables qu’une personne peut adopter, et la facilité avec laquelle elle passe de l’un à l’autre. La métaphore, issue des travaux sur les systèmes dynamiques dans la lignée de Kelso et de Thelen, est éclairante. Un paysage à creux unique et profond donne un comportement rigide, fiable mais peu adaptable : une seule manière de faire, difficile à quitter. Un paysage à plusieurs attracteurs accessibles donne un système souple, capable de changer de solution quand le contexte l’exige.
Lire le mouvement comme un paysage, c’est cesser de juger un geste isolé et commencer à évaluer le répertoire complet : combien de solutions stables, à quelle profondeur, séparées par quelles barrières. Une compensation tenace n’est alors pas un défaut local, c’est un creux trop profond dans lequel le système retombe sans cesse.
Place dans la grille de lecture RNP
Au NIT, reprogrammer n’est pas corriger un point, c’est remodeler le relief. On approfondit l’attracteur utile pour le rendre plus stable, on aplanit la compensation pour qu’elle cesse de capturer le geste, on abaisse la barrière qui empêche d’accéder à une meilleure solution. La robustesse sous contrainte se lit directement dans la forme du paysage : un système qui dispose de plusieurs bons creux résiste mieux qu’un système enfermé dans un seul.
→ Termes liés : Auto-organisation : pourquoi le bon mouvement apparaît sans que personne ne le commande · Invariants informationnels · Architecture d'une tâche d'apprentissage · Pratique variable NIT · Calibration neuro-posturale · Pilier D : NIT et apprentissage moteur → Pour creuser : Architecture d'une tâche d'apprentissage
Cadre fonctionnel non médical.