La capacité à analyser des scènes sonores complexes est mise à mal chez les personnes porteuses d'implants cochléaires (IC), notamment dans les environnements bruyants ou en présence de plusieurs sources. Ceci est principalement dû à la faible résolution spectrale de l'IC et au fait qu'il n'amplifie pas uniquement la source d'intérêt.Une solution possible serait d'utiliser une technique récente, appelée Détection de l'Attention Auditive (AAD), qui permet de détecter, grâce à l'activité neuronale, quelle source, parmi un ensemble de sources, un individu est en train d'écouter. Cette technique s'appuie sur le fait que 1) le cerveau suit l'enveloppe d'amplitude des stimuli auditifs au niveau cortical et que 2) dans les environnements multi-sources, le suivi cortical de la source d'intérêt est amélioré par rapport à celui de la source qui ne l'est pas. Grâce à cette approche, il devient possible d'imaginer une nouvelle génération d'appareils auditifs qui serait capable de détecter la source d'intérêt et de l'amplifier.Cependant, l'AAD souffre d'une importante variabilité interindividuelle de ses performances de reconstruction et de classification. Cette variabilité peut s'expliquer en partie par des facteurs physiologiques mais aussi potentiellement par des facteurs comportementaux et cognitifs tels, les fonctions exécutives.Outre le problème de la variabilité, la plupart des études exploitant l'AAD ont utilisé des stimuli de parole. Ici, nous proposons que la musique naturelle polyphonique pourrait permettre de manipuler la complexité de la scène sonore et d'obtenir des informations sur son traitement neuronal.Nous avons utilisé une approche AAD basée sur la reconstruction de stimulus pour explorer s'il était possible de reconstruire et classifier des extraits musicaux naturels polyphoniques monodiques et dichotiques à partir d'enregistrements EEG. Nous avons aussi mesuré l'attention soutenue, l'inhibition attentionnelle et la mémoire de travail par le biais de tests cognitifs. De plus, nous avons collecté des informations relatives à la familiarité des stimuli ainsi que sur le temps d'errance mentale des participants durant la tâche. Ensuite, nous avons utilisé des modèles de régression linéaire pour voir si les fonctions cognitives, la familiarité et l'errance mentale expliquent les performances du système AAD. De surcroît, nous avons cherché à savoir si l'expertise musicale affecte les fonctions exécutives et le suivi neuronal des stimuli musicaux en comparant les musiciens et les non musiciens.Nos résultats ont montré que 1) il était possible de reconstruire et de classifier des stimuli musicaux polyphoniques monodiques et dichotiques, sur la base d'enregistrements EEG, 2) l'inhibition attentionnelle explique environ 10 % des performances dans la condition dichotique, 3) l'expertise musicale ainsi que la mémoire de travail et l'attention soutenue ne sont pas des prédicteurs significatifs de la performance dans les deux conditions, 4) l'expertise musicale n'influence pas les fonctions cognitives et 5) Il existe un effet de la familiarité sur la performance dans la condition monodique et que celui-ci est modulé par le niveau d'errance mentale.Dans l'ensemble, ces résultats ont montré la faisabilité de l'utilisation de l'approche AAD basée sur la reconstruction de stimulus avec des stimuli musicaux polyphoniques et indiquent que des mécanismes cognitifs spécifiques sont à l'œuvre pendant l'écoute musicale dichotique chez des auditeurs normo-entendants. Ils suggèrent également que l'entraînement de fonctions cognitives particulières pourrait être utile pour améliorer les systèmes AAD et, par extension, les appareils auditifs de prochaine génération.