Nature
Contributeur régulier
Lu ce petit article [lien réservé abonné] intéressant. Comme celui-ci était un peu surprenant, j'ai demandé à Claude son avis, et les implications potentielles à attendre :
Cortical Labs avait déjà fait parler d'elle en entraînant une unité CL1 (~800 000 neurones) à jouer à Doom en moins d'une semaine, alors qu'il avait fallu 18 mois pour entraîner des neurones à jouer à Pong en 2022.
1. Une informatique potentiellement beaucoup plus économe en énergie. Le cerveau humain fonctionne avec une vingtaine de watts pour des capacités de traitement qu'aucun supercalculateur n'égale sur ce ratio. Si le calcul biologique peut un jour réaliser certaines tâches d'apprentissage adaptatif avec une fraction de l'énergie d'un GPU, l'intérêt économique serait réel — pas pour entraîner de grands modèles de langage, mais pour des tâches comme le contrôle robotique, la reconnaissance de formes ou l'apprentissage à partir de peu de données.
2. Une architecture hybride plutôt qu'un remplacement. Le scénario le plus crédible n'est pas « le neurone remplace le transistor », mais une architecture combinant GPU (calcul matriciel massif), CPU (logique générale), mémoire classique et composants biologiques ou neuromorphiques pour l'apprentissage en temps réel. Cortical Labs elle-même positionne son produit comme complémentaire au silicium, pas comme son successeur.
3. La recherche médicale, souvent sous-estimée. Ces cultures neuronales peuvent servir de modèle expérimental pour étudier des maladies neurologiques, tester la toxicité de molécules ou observer l'effet de médicaments sur de l'activité neuronale réelle. C'est probablement le champ d'application le plus mûr à court terme, avant même les usages purement informatiques.
Le scénario le plus plausible est celui d'une spécialisation : le calcul biologique deviendrait une technologie de niche, utilisée là où elle apporte un avantage réel — apprentissage continu à partir de peu de données, adaptation en temps réel à un environnement changeant, très faible consommation énergétique pour des tâches ciblées — en complément du calcul électronique classique et neuromorphique, plutôt qu'en remplacement.
Il est également probable que les retombées les plus significatives de cette technologie se situent d'abord du côté de la recherche médicale et pharmaceutique (modélisation de maladies, criblage de molécules) plutôt que du côté de l'informatique grand public.
Le fait que NUS, DayOne et Cortical Labs évoquent déjà une extension possible jusqu'à un millier d'unités montre néanmoins qu'ils ne considèrent pas cette expérience comme une simple démonstration de laboratoire, mais bien comme une piste industrielle à explorer sérieusement — même si l'échelle actuelle (20 unités, 16 millions de neurones) reste très éloignée d'un déploiement commercial généralisé.
En résumé : la technologie est réelle et le sujet mérite d'être suivi de près, mais on se situe aujourd'hui beaucoup plus proche du stade du « premier transistor » que de celui du « cerveau artificiel » annoncé par certains titres racoleurs. La prudence sur les extrapolations, en particulier celles circulant sur des sites peu fiables ou orientés vers la désinformation, reste de mise.
Le rack de neurones humains de Singapour : ce qu'il faut vraiment en retenir
Il y a eu pas mal de bruit récemment autour d'un article annonçant qu'un data center à Singapour « tournait grâce à 16 millions de neurones humains vivants ». Le titre est spectaculaire, et beaucoup de reprises médiatiques l'ont rendu encore plus sensationnaliste. Après vérification croisée de plusieurs sources (NUS Medicine, Cortical Labs, Tech Times, Interesting Engineering, Clubic), voici ce qui est confirmé, ce qui est exagéré, et ce à quoi on peut raisonnablement s'attendre dans les 20 prochaines années.Les faits vérifiés
Le 17 août 2026, l'université NUS (Yong Loo Lin School of Medicine), l'opérateur de data centers DayOne et la start-up australienne Cortical Labs ont inauguré à Singapour un rack contenant 20 unités CL1, chacune reposant sur des neurones humains cultivés en laboratoire à partir de cellules souches. Au total, environ 16 millions de neurones. C'est présenté comme le premier centre de calcul biologique intégré fonctionnant dans un cadre de recherche réel, et non plus seulement en laboratoire.Cortical Labs avait déjà fait parler d'elle en entraînant une unité CL1 (~800 000 neurones) à jouer à Doom en moins d'une semaine, alors qu'il avait fallu 18 mois pour entraîner des neurones à jouer à Pong en 2022.
Ce qu'il ne faut pas croire
Le raccourci « 16 millions de neurones = mini-cerveau qui pense » est faux à plusieurs titres :- 16 millions représente environ 0,02 % des 86 milliards de neurones d'un cerveau humain, et ces neurones ne sont pas organisés en cortex, hippocampe ou tout autre système fonctionnel. Ce sont des cultures homogènes sur des matrices de microélectrodes, pas un cerveau miniature.
- Le fonctionnement réel est un système hybride : électronique classique → stimulation électrique des neurones → activité biologique → lecture des signaux → interprétation logicielle → résultat exploitable. Les neurones ne « remplacent » pas un GPU au sens strict ; ils constituent un composant de traitement dans une chaîne qui reste largement pilotée par du silicium.
- Il existe une controverse scientifique sur l'usage du mot « sentience » (sensibilité/conscience) employé parfois par Cortical Labs pour décrire ces cultures. Des neuroscientifiques contestent ce vocabulaire, jugé prématuré voire trompeur. Ce point mérite d'être traité au conditionnel plutôt que comme un fait acquis.
- Sur la consommation électrique, il y a une incohérence non résolue entre les sources : certaines articles évoquent environ 25 W par unité CL1, d'autres 850 à 1000 W. L'écart est considérable (facteur ~35) et n'a pas pu être tranché avec certitude à ce stade — un point à vérifier avant de tirer des conclusions fermes sur l'argument « efficacité énergétique ».
Pourquoi ça intéresse quand même sérieusement les chercheurs
Trois axes ressortent des analyses techniques :1. Une informatique potentiellement beaucoup plus économe en énergie. Le cerveau humain fonctionne avec une vingtaine de watts pour des capacités de traitement qu'aucun supercalculateur n'égale sur ce ratio. Si le calcul biologique peut un jour réaliser certaines tâches d'apprentissage adaptatif avec une fraction de l'énergie d'un GPU, l'intérêt économique serait réel — pas pour entraîner de grands modèles de langage, mais pour des tâches comme le contrôle robotique, la reconnaissance de formes ou l'apprentissage à partir de peu de données.
2. Une architecture hybride plutôt qu'un remplacement. Le scénario le plus crédible n'est pas « le neurone remplace le transistor », mais une architecture combinant GPU (calcul matriciel massif), CPU (logique générale), mémoire classique et composants biologiques ou neuromorphiques pour l'apprentissage en temps réel. Cortical Labs elle-même positionne son produit comme complémentaire au silicium, pas comme son successeur.
3. La recherche médicale, souvent sous-estimée. Ces cultures neuronales peuvent servir de modèle expérimental pour étudier des maladies neurologiques, tester la toxicité de molécules ou observer l'effet de médicaments sur de l'activité neuronale réelle. C'est probablement le champ d'application le plus mûr à court terme, avant même les usages purement informatiques.
Les obstacles majeurs
- Ce sont des cellules vivantes. Contrairement à un GPU qu'on allume et qui fonctionne, un réseau neuronal biologique exige un maintien en vie permanent : température, oxygénation, apport en nutriments, stérilité, contrôle du pH. L'infrastructure ressemble autant à un laboratoire de culture cellulaire qu'à un data center classique.
- Durée de vie et reproductibilité. Les neurones ont une durée de vie limitée (de l'ordre de plusieurs mois selon certaines sources), avec une variabilité biologique inhérente qui complique la standardisation industrielle — un problème que le silicium ne connaît pas.
- Des propriétés émergentes mal comprises. Plus un réseau biologique devient complexe, plus son comportement peut devenir difficile à prévoir, contrairement à un circuit électronique classique dont le comportement est déterministe.
- Des questions éthiques qui vont devenir centrales. À partir de quel niveau de complexité une culture neuronale pourrait-elle développer une forme de sensibilité ? Aujourd'hui rien ne permet de l'affirmer pour ces 16 millions de neurones, mais la question scientifique et philosophique est réelle et va prendre de l'ampleur si les réseaux biologiques utilisés gagnent en complexité.
Perspective à 20 ans
Il paraît peu probable que les data centers soient un jour majoritairement composés de neurones humains cultivés remplaçant les GPU Nvidia — ce scénario relève davantage du fantasme technologique que d'une trajectoire industrielle réaliste, notamment à cause des contraintes de maintenance du vivant et de reproductibilité évoquées plus haut.Le scénario le plus plausible est celui d'une spécialisation : le calcul biologique deviendrait une technologie de niche, utilisée là où elle apporte un avantage réel — apprentissage continu à partir de peu de données, adaptation en temps réel à un environnement changeant, très faible consommation énergétique pour des tâches ciblées — en complément du calcul électronique classique et neuromorphique, plutôt qu'en remplacement.
Il est également probable que les retombées les plus significatives de cette technologie se situent d'abord du côté de la recherche médicale et pharmaceutique (modélisation de maladies, criblage de molécules) plutôt que du côté de l'informatique grand public.
Le fait que NUS, DayOne et Cortical Labs évoquent déjà une extension possible jusqu'à un millier d'unités montre néanmoins qu'ils ne considèrent pas cette expérience comme une simple démonstration de laboratoire, mais bien comme une piste industrielle à explorer sérieusement — même si l'échelle actuelle (20 unités, 16 millions de neurones) reste très éloignée d'un déploiement commercial généralisé.
En résumé : la technologie est réelle et le sujet mérite d'être suivi de près, mais on se situe aujourd'hui beaucoup plus proche du stade du « premier transistor » que de celui du « cerveau artificiel » annoncé par certains titres racoleurs. La prudence sur les extrapolations, en particulier celles circulant sur des sites peu fiables ou orientés vers la désinformation, reste de mise.
