Exposé interactif — accès libre

800 000 neurones
ont appris Pong
en cinq minutes.

Ce n'est pas une métaphore ni une simulation : des neurones humains et de souris, vivants, cultivés sur une puce à électrodes, ont appris à renvoyer une balle. L'article est paru dans la revue Neuron en 2022. Cette page vous fait cultiver un réseau, l'entraîner, et comprendre pourquoi 20 watts de matière vivante inquiètent des centres de données de plusieurs mégawatts.

800 000neurones vivants dans l'expérience DishBrain
5 minpour apprendre à renvoyer la balle
20 Wconsommation totale d'un cerveau humain

Faites défiler

Manipulation — faites pousser un réseau

Une boîte, un milieu nutritif,
et la vie s'organise seule

Déposez des neurones dans la boîte : cliquez dedans. Ils ne restent pas immobiles — ils poussent des axones vers leurs voisins et se connectent d'eux-mêmes. Personne ne câble ce réseau : l'auto-organisation est une propriété du vivant, et c'est précisément ce qu'aucune puce en silicium ne sait faire. Puis stimulez, et regardez l'activité se propager.

Cliquez ou glissez dans la boîte pour ensemencer

Lecture des électrodes

Neurones 0
Synapses 0
Décharges / s 0
Maturité
Les axones cherchent les corps cellulaires voisins dans un rayon limité, comme in vitro. Au-delà d'une trentaine de neurones, des salves spontanées apparaissent sans stimulation : le réseau devient actif de lui-même. C'est le phénomène observé dans toutes les cultures neuronales réelles.

L'expérience — reproduite en simulation

Le réseau apprend
sans qu'on lui explique rien

Voici le protocole de DishBrain, reproduit avec un réseau de neurones à impulsions. Dix électrodes stimulent le réseau selon l'écart entre la balle et la raquette. Deux populations motrices concurrentes commandent le déplacement. Quand la balle est renvoyée, le réseau reçoit un signal prévisible ; quand elle est manquée, un signal incohérent. C'est tout : aucune correction pas à pas, aucune cible, aucun gradient. Le réseau n'apprend que du résultat.

électrodes sensorielles décharge en cours populations motrices raquette pilotée
0balles renvoyées
0balles manquées
taux de réussite
0meilleur échange

Ce que l'apprentissage veut dire ici. Le réseau ne « comprend » pas Pong. Il subit trois règles physiques, toutes mesurées sur du tissu vivant avant d'être utilisées en informatique. Un : les synapses qui ont participé à une action suivie d'un signal cohérent se renforcent — c'est la plasticité dépendante du temps des impulsions, ou STDP. Deux : renforcer une action affaiblit l'action concurrente, par inhibition latérale entre populations motrices. Trois : la somme des poids sortants de chaque neurone est ramenée à une constante, ce qu'on appelle la mise à l'échelle synaptique. Retirez la deuxième règle et une population s'emballe : le réseau apprend une carte biaisée et n'attrape plus rien. La courbe monte parce que ces trois mécanismes, ensemble, favorisent structurellement ce qui marche. Pas d'intelligence — une préférence physique.

Soyons précis sur ce que vous voyez. Cette page simule le protocole ; elle ne contient pas de neurones vivants. Les résultats réels de l'équipe de Cortical Labs sont plus modestes et plus lents qu'une simulation optimisée : le gain de performance mesuré était statistiquement significatif mais loin de la perfection, et les cultures vivent quelques mois. La simulation illustre le mécanisme, pas la performance biologique.

La raison économique

Vingt watts contre
plusieurs mégawatts

Voilà pourquoi des laboratoires sérieux investissent dans la matière vivante. Le cerveau humain fait tourner la perception, le langage, la mémoire et la motricité avec la puissance d'une ampoule de réfrigérateur. Aucune architecture en silicium n'approche cette efficacité, et l'écart ne se réduit pas.

Calcul biologique

Cerveau humain

≈ 20 W

  • 86 milliards de neurones, ~10¹⁴ synapses
  • Mémoire et calcul au même endroit : pas de transport de données
  • S'auto-répare, s'auto-organise, se reconfigure
  • Fonctionne à 37 °C, sans refroidissement actif
  • Mais : lent en arithmétique, non déterministe, mortel

Calcul numérique

Grappe d'entraînement IA

10⁶ – 10⁷ W

  • Des milliers d'accélérateurs en parallèle
  • Mémoire séparée du calcul : l'essentiel de l'énergie sert à déplacer les données
  • Refroidissement massif, souvent à l'eau
  • Exact, reproductible, inspectable
  • Mais : l'efficacité par opération progresse plus lentement que la demande

D'où vient l'écart, concrètement ? Dans un processeur classique, la mémoire est physiquement séparée du calcul : chaque opération exige d'aller chercher une valeur, de la ramener, de la renvoyer. Ce va-et-vient — le goulot de von Neumann — consomme davantage que le calcul lui-même. Un neurone, lui, est à la fois la mémoire et l'unité de calcul : le poids synaptique est dans la connexion. Rien ne voyage. C'est le principe que cherchent à imiter les puces neuromorphiques, en silicium — et que la biologie applique déjà.

L'autre voie

Des transistors mous,
qui parlent la langue du vivant

Faire calculer des neurones est une chose ; leur parler en est une autre. Le corps ne transmet pas par électrons mais par ions — sodium, potassium, calcium. Un transistor classique ne comprend pas ce langage. Les transistors électrochimiques organiques, eux, sont conçus pour cela.

Ions

Un OECT (transistor électrochimique organique) module son courant par le déplacement d'ions dans un polymère conducteur — exactement le mécanisme d'un potentiel d'action.

Souple

Polymères sur substrat plastique : il se plie, s'étire, épouse un tissu vivant. Aucun silicium rigide ne peut s'implanter sans léser.

< 1 V

Ces dispositifs fonctionnent aux tensions physiologiques, dans un milieu aqueux et salé — un environnement qui détruit l'électronique ordinaire.

Mémoire

Certains conservent leur état après stimulation : ils se comportent comme des synapses artificielles, avec renforcement progressif.

À quoi cela sert déjà. Pas encore à construire des ordinateurs : à faire l'interface. Capteurs de glucose ou de lactate portés à même la peau, électrodes de mesure de l'activité cérébrale à haute résolution, prothèses qui reçoivent une commande nerveuse et renvoient une sensation. C'est le domaine de la bioélectronique, et c'est aujourd'hui son application concrète — le calcul viendra peut-être après.

Ce qui a réellement eu lieu

Une chronologie sans emphase

Le domaine attire les gros titres. Voici les étapes documentées, telles qu'elles ont été publiées et relues par des pairs.

Années 1990 – 2000

Les premières cultures sur électrodes

Des neurones de rat cultivés sur des matrices de microélectrodes montrent une activité électrique organisée et des salves spontanées. On sait enregistrer et stimuler, mais l'usage reste l'étude du tissu, pas le calcul.

2022

DishBrain : une culture apprend une tâche

Une équipe menée par Cortical Labs, avec des universités australiennes, publie dans Neuron : environ 800 000 neurones humains (issus de cellules souches) et de souris, embarqués dans un Pong simulé, améliorent leur performance en quelques minutes. C'est la première démonstration d'un apprentissage orienté tâche dans une culture in vitro.

2023

L'« intelligence organoïde » devient un programme

Des chercheurs de Johns Hopkins formalisent le champ dans Frontiers in Science : utiliser des organoïdes cérébraux — des agrégats de tissu nerveux cultivés en trois dimensions — comme substrat de calcul, avec une feuille de route et un cadre éthique explicite.

2024

Accès à distance à des organoïdes vivants

La société suisse FinalSpark ouvre sa Neuroplatform : une quinzaine d'organoïdes cérébraux maintenus en vie et stimulables à distance par des laboratoires. L'argument mis en avant est énergétique — l'entreprise revendique un écart d'efficacité de plusieurs ordres de grandeur face au numérique, chiffre qui reste sa propre estimation et non un résultat indépendant.

2025

Les premiers systèmes commercialisés

Cortical Labs annonce la CL1, présentée comme le premier ordinateur biologique vendu comme produit : des neurones sur puce, avec le système de survie intégré. Les cultures se comptent en mois de durée de vie. C'est un instrument de recherche, pas un remplaçant de serveur.

La question qu'on ne peut pas contourner

À partir de quand
faut-il s'inquiéter ?

Cultiver du tissu nerveux humain pour qu'il calcule pose une question que la technique ne tranche pas. Il faut la poser proprement, sans la dramatiser ni l'écarter.

Ce que ces cultures ne sont pas. Un organoïde cérébral n'a ni organes sensoriels, ni système nerveux périphérique, ni cortex organisé en couches fonctionnelles complètes. Il ne voit pas, n'entend pas, n'a pas d'histoire ni de corps. Aucun résultat publié n'établit chez eux la moindre expérience subjective, et les chercheurs du domaine sont explicites sur ce point.

Ce qui justifie néanmoins la vigilance. Personne ne dispose d'un test de la conscience. On ne sait pas mesurer son absence — seulement constater qu'on n'a aucun indice de sa présence. Or les cultures gagnent en complexité chaque année : vascularisation, différenciation, durée de vie. Le champ a donc choisi d'installer le cadre éthique avant d'en avoir besoin — position rare et à saluer, portée notamment par les auteurs du programme d'intelligence organoïde, qui appellent à un suivi continu plutôt qu'à un seuil fixé d'avance.

Et la question du consentement, elle, se pose déjà. Ces neurones proviennent de cellules souches dérivées de tissus humains donnés. Un donneur consent à la recherche médicale — a-t-il consenti à ce que ses cellules servent de processeur dans une entreprise privée ? La réponse ne dépend d'aucune avancée technique. Elle demande du droit, et une discussion publique qui n'a pas encore vraiment eu lieu.

Vérifier par vous-même

Sources

Les affirmations factuelles de cette page renvoient aux travaux ci-dessous, tous publiés et relus par des pairs — sauf mention explicite d'une communication d'entreprise. Les simulations sont calculées par votre navigateur.

01
Kagan et al. — Neuron, 2022« In vitro neurons learn and exhibit sentience when embodied in a simulated game-world ». L'expérience DishBrain : ~800 000 neurones humains et murins apprennent Pong. C'est la source du chiffre et du protocole reproduits en section 2.
02
Smirnova et al. — Frontiers in Science, 2023« Organoid intelligence (OI): the new frontier in biocomputing ». Article fondateur du champ, incluant la feuille de route et le cadre éthique de suivi continu cité en section 6.
03
Bi & Poo — Journal of Neuroscience, 1998Mesure expérimentale de la plasticité dépendante du temps des impulsions (STDP) sur des neurones en culture. La règle d'apprentissage utilisée dans la simulation de cette page.
04
FinalSpark — Neuroplatform, documentation technique 2024Plateforme d'accès distant à des organoïdes cérébraux vivants. Les chiffres d'efficacité énergétique avancés sont ceux de l'entreprise et n'ont pas fait l'objet d'une validation indépendante.
05
Rivnay et al. — Nature Reviews Materials, 2018« Organic electrochemical transistors ». Revue de référence sur les OECT : fonctionnement ionique, opération sous 1 V, usage en bioélectronique.
06
Attwell & Laughlin — JCBFM, 2001Bilan énergétique de la matière grise. Base des estimations de consommation cérébrale, dont l'ordre de grandeur de 20 W pour un cerveau humain au repos.
07
Herculano-Houzel — Frontiers in Human Neuroscience, 2009Comptage par la méthode du fractionnement isotropique : ≈ 86 milliards de neurones dans le cerveau humain. Corrige le chiffre de 100 milliards longtemps répété sans source.
08
Cortical Labs — annonce produit CL1, 2025Communication d'entreprise sur le premier système de calcul biologique commercialisé. À lire comme telle : les performances ne sont pas établies par publication indépendante.