Quand les neurones deviennent processeurs

Bio-ordinateur, ordinateur à neurones, ordinateur neuronal… Autant d’expressions pour désigner un seul et même concept: celui d’un ordinateur qui utilise des neurones biologiques à la place des traditionnelles puces électroniques pour effectuer ses calculs. Mais avant d’aller plus loin – et au cas où certains auraient manqué quelques épisodes, rappelons brièvement ce qu’est un ordinateur. Il s’agit d’un assemblage de composants électroniques – partie matérielle (hardware) – conçu pour manipuler des données et automatiser toute une série de tâches. Pour ce faire, des programmes – partie logicielle (software) – enchaînent des opérations arithmétiques et logiques dans un ordre précis. Ces instructions sont exécutées par des microprocesseurs: de petites puces miniaturisées capables d’interpréter et d’exécuter un grand nombre de tâches. Ces microprocesseurs appartiennent à la famille des circuits intégrés: de minuscules composants regroupant sur un même support, généralement en silicium, un ensemble d’éléments électroniques. Véritables cerveaux des ordinateurs, ils concentrent sur quelques millimètres carrés des milliards de transistors – ces interrupteurs électroniques qui, en plus de moduler le courant, peuvent le laisser passer ou le bloquer, traduisant ainsi les 0 et les 1 du langage binaire propre aux machines. Ce sont eux qui assurent les calculs, les décisions logiques et la circulation des données. Le tout s’articule dans un système où l’information se propage à travers des circuits imprimés: des plaques rigides, souvent en fibre de verre, sur lesquelles sont gravés de fins chemins de cuivre reliant les composants.

Mais si toute cette «intelligence informatique» repose sur des composants miniaturisés et gravés dans du silicium… que se passe-t-il quand on remplace ce matériau inerte par des neurones ? C’est le pari un peu fou que se sont lancé certains chercheurs: créer des ordinateurs qui fonctionnent grâce à des neurones humains cultivés en laboratoire.

Pour transformer des neurones en composants informatiques, encore faut-il comprendre comment ils traitent l’information. Dans notre cerveau, chaque neurone reçoit des signaux électriques et chimiques provenant d’autres cellules, les intègre, puis décide – selon un seuil d’activation – d’envoyer ou non une impulsion à son tour. Ce réseau d’échanges forme une architecture de calcul d’une complexité et d’une efficacité inégalées: un modèle que les ingénieurs tentent depuis longtemps d’imiter. Avec les ordinateurs à neurones, l’idée n’est plus seulement de simuler cette activité biologique à l’aide d’algorithmes, comme le font les réseaux de neurones artificiels, mais de l’utiliser directement pour réaliser des tâches informatiques. Soulignons que les réseaux neuronaux artificiels ne contiennent aucun neurone vivant: ils en imitent l’organisation et l’apprentissage. Ici, les chercheurs cultivent de véritables cellules nerveuses humaines en laboratoire, puis les connectent à des interfaces électroniques capables de leur envoyer des stimulations et d’en mesurer les réponses.

En s’appuyant sur ces réseaux biologiques, les chercheurs profitent de propriétés que l’électronique peine encore à reproduire: la transmission synaptique, la plasticité des connexions et la capacité d’apprentissage. La transmission synaptique désigne le mécanisme par lequel un neurone communique avec un autre, en transformant un signal électrique en signal chimique au niveau de la synapse, ce minuscule point de contact où 2 cellules nerveuses échangent de l’information. La plasticité des connexions correspond à la faculté du réseau neuronal de se modifier au fil du temps: certaines connexions se renforcent, d’autres s’affaiblissent ou disparaissent. Ce remodelage constant est à la base de l’adaptation et de la mémoire. Quant à la capacité d’apprentissage, elle découle directement de cette plasticité: le réseau ajuste ses réponses en fonction de l’expérience et des signaux reçus, optimisant progressivement ses performances sans qu’aucune instruction explicite ne soit nécessaire. Ces caractéristiques confèrent aux neurones des atouts majeurs: une efficacité énergétique remarquable – ils consomment bien moins d’énergie qu’une puce de silicium –, un traitement parallèle naturel de l’information et une capacité d’adaptation qui permet de se réorganiser face à de nouvelles situations. À terme, cette approche pourrait offrir une alternative matérielle aux IA, bien plus gourmandes en énergie.

L’étape suivante consiste à entraîner le réseau neuronal, comme pour une IA: les neurones sont soumis à des séquences de stimulations répétées, et les chercheurs observent comment le réseau s’adapte, apprend ou optimise ses réponses. Enfin, tout l’enjeu est de stabiliser et pérenniser ces systèmes. Maintenir un ordinateur à neurones en fonctionnement pendant plusieurs semaines ou mois reste donc un défi technique considérable: ces cultures vivantes ont besoin de nutriments et d’oxygène. Pour que ces dispositifs deviennent réellement fonctionnels, 3 champs de recherche doivent progresser de concert: la communication électrophysiologique entre neurones et interfaces, l’analyse des signaux complexes produits par ces réseaux vivants (grâce à l’IA) et la capacité à maintenir des tissus neuronaux plus vastes et plus stables dans le temps – ce qui suppose, à terme, de résoudre la question de la vascularisation, indispensable pour alimenter ces cultures. 

Malgré ces obstacles, certains sont déjà passés à la pratique. Depuis quelques années, 3 acteurs dominent le jeune paysage des bio-ordinateurs: l’initiative Organoid Intelligence portée par l’Université Johns Hopkins à Baltimore, la start-up FinalSpark en Suisse et la société Cortical Labs en Australie. Tous explorent la même idée: tirer parti de la puissance d’apprentissage des neurones pour concevoir une nouvelle génération de machines capables de penser autrement.

Le centre de recherche américain Johns Hopkins est à l’origine de l’expression intelligence organoïde parfois déjà abrégée en IO, qui désigne l’usage de mini-cerveaux cultivés en laboratoire comme supports de calcul. L’équipe pilote un vaste programme international visant à transformer ces organoïdes, des cultures 3D composées de dizaines de milliers de neurones humains, en plateformes de calcul. À terme, ces systèmes pourraient rivaliser voire surpasser certaines formes d’IA classiques en capacité d’apprentissage, tout en restant bien plus sobres sur un plan énergétique. Mais les chercheurs avancent prudemment: l’origine des cellules et le risque, même hypothétique, d’émergence d’une forme de conscience rudimentaire soulèvent déjà de nombreuses questions éthiques.

Du côté de la Suisse, la société FinalSpark a mis au point un prototype d’ordinateur biologique reposant sur 1 à 3 organoïdes, chacun constitué d’environ 10 000 neurones humains reliés à des microélectrodes. Issus de cellules épithéliales reprogrammées, ces neurones sont stimulés et entraînés à effectuer des tâches simples de reconnaissance ou de prédiction. Dans une expérience emblématique, leur réseau a appris à sortir d’un labyrinthe virtuel: à chaque «bonne» orientation, les neurones recevaient une stimulation positive, renforçant les connexions associées. Peu à peu, le système a montré une forme élémentaire d’apprentissage par renforcement, comme un organisme qui apprend par l’expérience. L’entreprise propose désormais un accès à distance à sa plateforme, la Neuroplatform, permettant à d’autres laboratoires de tester leurs propres modèles sur des réseaux neuronaux cultivés en laboratoire. L’objectif reste le même: démontrer qu’un réseau de neurones biologiques peut apprendre et s’adapter tout en consommant bien moins d’énergie qu’un processeur en silicium.

Introduction

    https://www.larousse.fr/dictionnaires/francais/ordinateur/56358

    https://edu.gcfglobal.org/en/tr_fr-misc/questce-quun-ordinateur/1/

    https://uis.unesco.org/fr/glossary-term/ordinateur

    https://www.ansys.com/fr-fr/simulation-topics/what-is-a-printed-circuit-board

    https://www.futura-sciences.com/tech/definitions/informatique-microprocesseur-487/

    https://www.larousse.fr/dictionnaires/francais/microprocesseur/51303

    https://www.pcbasic.com/fr/blog/transistor_symbol.html