En analysant l’activité cérébrale d’un individu, il est possible de savoir sur quoi il porte son attention et ainsi, déclencher une action correspondante [1]. Cette capacité est utilisée par des interfaces cerveau-machine (Brain-Computer Interface ou BCI). Lorsque l’utilisateur est soumis à des stimulations répétées, des potentiels évoqués stationnaires apparaissent dans les signaux cérébraux. Une BCI qui exploite la réponse cérébrale à ces stimuli particuliers est dite réactive. De nos jours, les BCI réactives sont principalement basées sur des stimuli visuels, mais elles ne sont pas adaptées à tous les utilisateurs [2]. Le but de ces travaux est de concevoir et d’évaluer une BCI exploitant des stimuli auditifs spatialisés. En effet, utiliser la modalité auditive permet de s’affranchir des écrans, un casque audio suffit. L’utilisateur peut contrôler la BCI sans que d’autres personnes ne le voient, de manière confidentielle. Enfin, le temps de réponse à un stimulus auditif étant plus court que pour un stimulus visuel, la BCI peut potentiellement être contrôlée plus efficacement [3]. Il existe plusieurs méthodes pour générer des stimuli auditifs donnant lieu à une modification de l’activité cérébrale observable dans les signaux ElectroEncéphaloGraphiques (EEG), parmi lesquelles, la modulation en amplitude sinusoïdale d’un son [4]. Une première étude a été réalisée en utilisant des sinusoïdes modulées en amplitude périodiquement. Les fréquences de stimulation ont pu être retrouvées dans les signaux EEG. Toutefois, les stimuli utilisés ne sont pas agréables à écouter au quotidien. Nos travaux portent actuellement sur la conception de stimulations sonores qui soient, dans un même temps, confortables pour l’utilisateur, mais aussi identifiables dans son activité cérébrale. En complément, nous souhaitons évaluer l’apport de la spatialisation des stimuli. Le fait de spatialiser les stimuli à des positions différentes est susceptible de renforcer leur séparation dans les signaux EEG. Un second axe de recherche porte sur les méthodes de classification des signaux EEG pour extraire l’information associée aux stimuli. Les algorithmes basés sur l’analyse des corrélations canoniques [5] ou sur la géométrie Riemannienne [6] sont considérés.