En se référant à une remarque de Ludwig Wittgenstein, l'auteur affirme que comprendre signifie : se faire une image, une représentation [mentale]. Cette représentation implique une activité cognitive complexe fondée sur la formulation d'hypothèses, l'application de schémas ou l'interprétation de données. Or la compréhension se joue à différents niveaux, de la catégorisation abstraite des données de base comme les relations spatiales ou temporelles aux phénomènes textuels de surface. La plus grande partie du travail de Michel Colin porte sur les catégories abstraites sous-jacentes, mais il ne néglige pas non plus le rôle des savoirs spécifiques, comme il le montre à partir de l'exemple des retransmissions sportives à la télévision.
Plutôt que se demander comment des phénomènes comme le point de vue ou la construction de la diégèse jouent un rôle pour l'analyse du texte filmique précis, l'auteur s'intéresse en première instance aux structures logiques sous-jacentes de ces phénomènes. Et quand on parle de logique ici, il faut prendre ce terme au pied de la lettre. Le lecteur se verra en effet confronté à un certain nombre de propositions et de calculs logiques, un type de raisonnement que l'on n'a guère l'habitude de rencontrer dans des livres de théorie de cinéma. Ce recours explicite à la logique est d'ailleurs une autre marque distinctive de sa méthode d'approche par rapport au travail des cognitivistes américains.
La réflexion de Michel Colin peut être considérée comme une entreprise critique visant à donner une base conceptuelle exacte à l'analyse de certains problèmes théoriques du cinéma. S'il peut y avoir quelque chose comme une approche scientifique du cinéma, c'est là qu'il fout voir l'objectif de ses recherches.
