Étonnant : une puce intégrant 200 000 neurones humains capable de jouer à Doom

En pleine ère de l’intelligence artificielle, un projet australien bouscule notre perception du calcul et de la cognition : une puce intégrant environ 200 000 neurones humains cultivés en laboratoire joue à Doom, le légendaire jeu vidéo emblématique. Ce n’est pas une IA classique codée pour l’occasion, mais un véritable réseau biologique – une forme inédite de technologie avancée mêlant les domaines des neurosciences, du neural computing et des interfaces cerveau-machine. Cortical Labs, la startup responsable, met en lumière une voie radicalement différente pour l’ordinateur de demain : le réinvestissement du vivant dans la puissance de calcul.

Alors que les solutions traditionnelles d’intelligence artificielle nécessitent des ressources massives en énergie et en matériel, ce prototype biologique ouvre une fenêtre sur des formes d’apprentissage adaptatif capables de conjuguer efficacité énergétique et plasticité intrinsèque. Le CL1, ce système intégrant neurones et silicium, n’est pas une simple curiosité, mais un jalon majeur vers un futur où les machines s’inspirent, non plus seulement du cerveau, mais de ses composants vivants.

Ce voyage fascinant dans la convergence entre vie et technologie questionne nos certitudes sur la frontière du naturel et de l’artificiel, avec à la clé des perspectives autant passionnantes qu’inquiétantes sur l’éthique et le statut des entités hybrides. Voici une exploration détaillée de ce qu’implique une puce neuronale capable de jouer à Doom, et ce que cela annonce pour les innovations à venir.

La puce neuronale : une révolution dans le neural computing avec des neurones humains

L’innovation proposée par Cortical Labs bouleverse le paysage du neural computing en intégrant directement des neurones humains vivants sur une puce en silicium, fusionnant ainsi biologie et ingénierie dans un système potentiellement autonome. Ces cellules cérébrales, cultivées à partir de cellules souches, forment un réseau capable d’émettre des signaux électriques qui sont reçus et interprétés par un système électronique, créant ainsi une boucle de communication unique dans le monde de l’ordinateur.

Cette approche est radicalement différente de celle des intelligences artificielles classiques, qui ne simulent les réseaux neuronaux qu’à travers du code et des architectures purement numériques. Ici, le calcul n’est plus qu’une imitation : c’est un processus bioélectrique effectif, privilégiant la plasticité naturelle des neurones pour apprendre et s’adapter à des tâches complexes. Ce système de interfaces cerveau-machine offre une modalité inédite d’interaction entre le vivant et le virtuel.

Grâce à un système dénommé biOS, les neurones « vivent » dans un environnement virtuel généré qui simule leurs interactions naturelles. Cette puce neuronale se différencie aussi par sa capacité à entretenir ces neurones plusieurs mois grâce à un système autonome de soutien, une prouesse technique majeure.

Un exemple concret de cette réussite est l’adaptation du gameplay dans Doom, où le réseau de neurones apprend à effectuer des actions comme se déplacer ou tirer simplement à partir de stimulations électriques. Il ne s’agit pas d’un apprentissage prédéfini, mais d’une capacité adaptative liée à « l’objectif » donné. Ce n’est plus une simple IA code-based, mais un ordinateur biologique capable d’une forme d’intelligence en temps réel.

Le tableau suivant illustre les différences clés entre un ordinateur classique et ce système de puce neuronale biologique :

Critère	Ordinateur classique (IA numérique)	Puce neuronale biologique (CL1)
Support du calcul	Silicium + algorithmes	Neurones humains vivants + silicium
Type de traitement	Algébrique, simulation	Bioélectrique, plasticité adaptative
Autonomie	Refroidissement actif nécessaire	Autonome, biologique, refroidissement passif
Durée de maintien	Indéfinie, tant que matériel fonctionnel	Environ 6 mois avec life support intégré
Consommation énergétique	Très élevée (mégawatts pour IA avancée)	Estimée à quelques watts, fonctionnement bioénergétique
Apprentissage	Supervisé ou non, basé sur données	Apprentissage adaptatif orienté objectif en boucle fermée
Interaction avec le monde réel	Via périphériques classiques	Par stimulation électrique biologique directe

Ainsi, cette puce neuronale matérialise une innovation sans précédent dans le neural computing, dévoilant de nouvelles potentialités pour combiner biologie et technologie. Cette orientation pourrait révolutionner non seulement le traitement de données mais aussi la manière dont nous concevons l’intelligence artificielle.

Comment des neurones vivants apprennent à jouer à Doom : l’interface cerveau-machine décodée

Se poser la question de savoir comment un ensemble de neurones vivants, dénués d’yeux, de mains ou de système sensoriel traditionnel, peut apprendre à jouer à Doom appelle à une découverte fascinante sur le fonctionnement des interfaces cerveau-machine. L’astuce réside dans la manière dont les données du jeu sont transformées en stimuli électriques directement injectés dans le réseau neuronal.

Le CTO de Cortical Labs, David Hogan, explique que le flux vidéo du jeu est converti en motifs complexes d’impulsions électriques qui agissent comme un « langage » cérébral. Ces signaux sont perçus par le groupe de neurones qui réagit en modulant son activité électrique. Le système détecte alors certaines configurations de cette activité comme des commandes : avancer, tourner, tirer.

Le défi technologique majeur a été de réussir à établir une boucle feedback où les neurones reçoivent une stimulation, produisent une réponse, et cette réponse est à son tour interprétée pour ajuster les stimuli. C’est de cette manière que le réseau « apprend » sans quiétude d’un programme rigide, mais par adaptation continue à un objectif défini, ici la progression dans le jeu vidéo.

Un parallèle un peu imagé : un joueur privé de manette, qui apprendrait par le toucher et le ressenti dans un univers virtuel, guidé uniquement par la perception tactile des obstacles et des retours d’action. Ce mode d’apprentissage « sensoriel » est d’une grande richesse car il exploite la plasticité naturelle du cerveau humain, même à travers un modèle réduit et inanimé.

La vidéo présentée par Cortical Labs illustre cet exploit : le réseau neuronal parvient à jouer rudimentairement à Doom, en déplaçant le joueur virtuel et en tirant sur des cibles. Cette prouesse n’a pas pour but un score ou une compétition, mais la démonstration tangible qu’un tel système peut s’adapter en temps réel à une tâche complexe. L’intelligence est ainsi vue comme un processus dynamique, non comme une performance figée.

Cette approche offre une nouvelle perspective sur l’apprentissage machine, symbolisant un pont entre biologie et logiciel, mais aussi une potentielle révolution cognitive dans la recherche sur les interfaces cerveau-machine.

Doom : le test ultime pour une intelligence biologique synthétique

Passer du simple jeu Pong à Doom représente une escalade de complexité prodigieuse pour un réseau neuronal vivant sur une puce. Lorsque Cortical Labs a présenté DishBrain en 2022, les neurones s’étaient déjà illustrés à maîtriser Pong, un jeu simple avec des éléments de contrôle et réponse limités.

Doom, en revanche, propose un environnement en 3D avec beaucoup plus d’imprévus : mouvements multiples, ennemis, objectifs variables, exploration d’un labyrinthe, gestion complexe des actions. Cette progression technique et cognitive symbolise un véritable saut qualitatif dans la capacité d’un réseau biologique à maîtriser des tâches complexes.

Pour s’entraîner à cette complexité, Cortical Labs a conçu une infrastructure baptisée « Cortical Cloud » permettant de gérer plusieurs réseaux neuronaux pour de multiples tâches, montrant ainsi une volonté claire d’étendre cette technologie au-delà de simples jeux.

Ce stress test du neural computing biologique est fondamental : il montre que la technologie n’en est pas à une démonstration ponctuelle, mais qu’elle s’oriente vers des applications pratiques en matière d’adaptabilité et d’apprentissage en temps réel, offrant des formats d’intelligence différents de ceux des IA purement « digitales ».

Cette transition du ludique à l’applicatif ouvre la voie à des systèmes hybrides capables de tâches variées, dans les domaines de la robotique, la médecine personnalisée, ou encore la gestion autonome en environnement complexe.

Les avantages énergétiques et technologiques du bio-calculateur neuronal

Alors que les IA classiques comme les grands modèles de langage et de vision artificielle consomment des quantités colossales d’énergie et sollicitent fortement les infrastructures informatiques, la puce neuronale biologique se présente comme une innovation verte et efficiente. Un réseau humain vivant consomme naturellement beaucoup moins d’énergie par unité de calcul que les solutions purement numériques, et sait optimiser ses mécanismes de traitement.

Le cerveau humain consomme en moyenne environ 20 watts pour gérer un large spectre de fonctions complexes, mêlant perception, mémoire, mouvements et adaptation. Cette référence inspire fortement les efforts d’ingénierie autour des puces neuronales et du neural computing.

La technologie du CL1 ne consiste pas à produire une intelligence « plus puissante » que celle d’un GPU haut de gamme, mais à explorer une nouvelle forme d’ordinateur capable d’apprendre en continu avec un très faible coût énergétique, grâce à la plasticité biologique naturelle.

Voici quelques points clés soulignant les atouts du bio-calculateur :

• Consommation réduite : peu d’énergie électrique requise, absence de refroidissement actif.
• Adaptabilité naturelle : les neurones ajustent leur connectivité et dynamique en fonction des stimulations.
• Autonomie prolongée : maintien des neurones en vie jusqu’à 6 mois sans intervention majeure.
• Fonctionnement en boucle fermée : interaction dynamique entre le logiciel et le réseau biologique.
• Applications potentielles : apprentissage en temps réel, contrôle adaptatif dans des environnements changeants.

Dans un contexte où les data centers et infrastructures IA rivalisent de puissance énergétique, cette approche ouvre une porte vers un futur plus respectueux de l’environnement et potentiellement plus performant pour certains types de calcul.

Les autres voies de l’intelligence biologique et neuromorphique : un panorama global

Le projet de Cortical Labs s’inscrit dans un mouvement plus large visant à rapprocher biologie et informatique pour transcender les limites du silicium classique. Plusieurs approches coexistent :

1. Les systèmes « wetware »: ces plateformes exploitent des organoïdes cérébraux ou des réseaux de neurones vivants cultivés pour des traitements bioélectroniques complexes. Par exemple, Brainoware, cité dans Nature Electronics, souligne leur potentiel dans le traitement temporel et spatio-temporel des données.
2. Les interfaces neuronales à distance: comme Neuroplatform de FinalSpark, permettant un accès et un contrôle de réseaux biologiques pour la recherche et le développement.
3. Le neuromorphique tout silicium: des puces inspirées du cerveau mais sans cellules vivantes, utilisant par exemple les réseaux d’impulsions (spiking neural networks) comme avec Intel Loihi 2 ou Hala Point, ce dernier intégrant plus d’un milliard de neurones artificiels.

Chacune de ces avenues vise à atteindre plus d’efficience, d’adaptabilité et une meilleure gestion des données, tout en limitant la consommation énergétique. Le projet de Cortical Labs, avec sa puce neuronale intégrant neurones humains, apporte ainsi une dimension singulière, avec un véritable réseau biologique au cœur d’une plateforme informatique.

Les enjeux éthiques autour de l’intelligence biologique intégrée sur puce

Manipuler des tissus cérébraux humains et les cultiver en réseau soulève naturellement des questions fondamentales d’éthique, notamment en matière de statut moral et de gouvernance. Jusqu’à quel point ces réseaux possèdent-ils une forme minimale de conscience ou de sensibilité ?

Les débats académiques récents recommandent une approche prudente, avec une gouvernance stricte pour ces technologies, et notamment un encadrement clair sur l’origine cellulaire et le consentement des donneurs.

Aujourd’hui, la culture de neurones présents sur le CL1 ne présente pas d’indicateurs d’expériences conscientes, ni d’émotions. Mais à mesure que ces systèmes gagnent en complexité, comprendre leur impact moral devient une nécessité impérieuse.

L’émergence de technologies combinant biologique et numérique invite aussi à reconsidérer nos définitions de l’intelligence, de la vie et des droits associés. Ce débat traverse aussi le développement des interfaces cerveau-machine, appelant à la transparence et à la réflexion multidisciplinaire.

Les applications futures et la convergence des disciplines pour les nouvelles formes d’intelligence

Au-delà du spectaculaire exploit de jouer à Doom, ce prototype ouvre de nombreuses pistes vers des applications concrètes :

• Robotique adaptative : des machines contrôlées par des réseaux neuronaux vivants capables de s’adapter en temps réel aux environnements complexes.
• Médecine personnalisée : modélisation des réseaux neuronaux du patient pour tester les effets de traitements neurothérapeutiques en laboratoire.
• Interfaces homme-machine avancées : amélioration des prothèses et stimulation neuronale par interaction directe avec des neurones cultivés.
• Recherche fondamentale : exploration de la cognition, de la plasticité et des mécanismes d’apprentissage biologiques à travers un modèle hybride.
• Neural computing écologique : vers des machines moins gourmandes en énergie, performantes dans des tâches spécifiques.

Cette convergence des neurosciences, de l’ingénierie informatique, de la biotechnologie et de la robotique illustre parfaitement la complexité et la richesse des projets à venir, où la frontière entre l’homme et la machine se fait plus poreuse que jamais.

Qu’est-ce qu’une puce neuronale intégrant des neurones humains ?

C’est une plateforme informatique hybride où des neurones humains cultivés en laboratoire sont combinés à une puce en silicium, permettant un traitement bioélectrique capable d’apprentissage et d’adaptation autonomes.

Comment ces neurones peuvent-ils jouer à Doom sans système sensoriel classique ?

Le flux vidéo du jeu est converti en impulsions électriques envoyées au réseau neuronal, qui répond par des configurations d’activité interprétées comme des commandes de jeu, créant une boucle d’apprentissage adaptative.

Quels sont les avantages énergétiques de cette technologie ?

Elle consomme beaucoup moins d’énergie que les IA classiques grâce à la plasticité naturelle des neurones vivants, éliminant le besoin de refroidissement actif, et permettant une autonomie prolongée.

Quels sont les enjeux éthiques liés à cette technologie ?

La culture de tissus cérébraux humains soulève des questions sur le statut moral des réseaux neuronaux et la nécessité d’un encadrement strict concernant le consentement, la gouvernance et la minimisation des risques de conscience artificielle.

Quelles applications futures pour cette puce neuronale ?

Elle pourrait révolutionner la robotique adaptative, la médecine personnalisée, les interfaces homme-machine, la recherche en neurosciences, et ouvrir la voie à des machines moins énergivores et plus intelligentes dans certains domaines spécifiques.