Une startup suisse créé un bio-ordinateur composé de 16 mini-cerveaux humains

La startup de bio-informatique suisse FinalSpark a récemment annoncé le lancement d’une plateforme de cloud computing pas comme les autres, et pour cause : elle est construite autour d’un bioprocesseur composé de 16 mini-cerveaux humains synthétiques qui ne peuvent ni penser ni ressentir quoi que ce soit, mais tout de même fonctionnels.

Cela fait des décennies que les chercheurs tentent de reproduire le fonctionnement du cerveau pour en exploiter les formidables capacités. Aujourd’hui, ces efforts sont surtout incarnés par les réseaux de neurones artificiels qui sous-tendent les systèmes de machine learning.

Mais les bioinformaticiens n’ont pas abandonné pour autant. Plusieurs laboratoires continuent de développer une autre approche basée sur des organoïdes — de petits amas de cellules vivantes spécialisées cultivées en laboratoire qui imitent le fonctionnement d’un organe. C’est à cette catégorie qu’appartient la startup suisse Final Spark. Son “ordinateur” est construit autour de plusieurs organoïdes cérébraux, eux-mêmes composés de neurones humains.

Ce n’est pas la première fois qu’une telle entité est créée en laboratoire, loin de là. Ces dernières années, d’autres équipes ont déjà créé des organoïdes qui, une fois connectés à un autre système, se sont avérés capables de jouer à Pong, de reconnaître des mots ou même de résoudre des équations mathématiques.

L’énergie, une problématique centrale de l’IA

FinalSpark, en revanche, a poussé le concept nettement plus loin avec un système composé de 16 organoïdes cérébraux distincts. On peut donc le considérer comme un bioprocesseur organique à plusieurs cœurs. Les chercheurs estiment qu’une fois mature, cette approche pourrait constituer une alternative intéressante aux systèmes de machine learning qui pullulent en ce moment.

Fondamentalement, les deux technologies reposent sur les mêmes mécanismes. Elles exploitent un grand nombre de sous-unités, des neurones virtuels ou biologiques, qui forment des réseaux dont l’architecture évolue lorsqu’ils sont soumis à un signal. C’est comme ça que les humains ou les “intelligences artificielles” modernes apprennent à traiter des données. Mais il existe plusieurs différences majeures entre les deux approches, dont une absolument cruciale : la quantité d’énergie qu’ils utilisent.

Puisqu’ils ne sont pas capables de reproduire les nuances qui rendent l’architecture du cerveau aussi efficace, les informaticiens n’ont qu’une seule approche à disposition pour émuler son fonctionnement : miser sur la force brute. C’est pour cela qu’ils développent des réseaux de neurones artificiels très étendus. Par exemple, GPT-4 exploite environ 1670 milliards de paramètres, contre à peine 85 milliards de neurones pour le cerveau humain.

Or, entraîner un système de ce genre nécessite une quantité d’énergie importante qui augmente de façon exponentielle avec la complexité. L’entraînement des grands modèles de langage (LLM) comme GPT, par exemple, se compte typiquement en dizaines de gigawatts-heures ; de quoi alimenter quelques milliers de domiciles pendant une année entière. Une considération très importante, sachant que ces systèmes deviennent de plus en plus courants. L’année dernière, une étude suggérait que le machine learning pourrait consommer près de 4 % de l’électricité globale en 2030. Il est donc urgent de trouver des moyens de réduire l’appétit dévorant des modèles IA.

La bio-informatique, une alternative potentielle ?

À ce jour, l’industrie cherche surtout des solutions logicielles. De nombreux chercheurs considèrent qu’il sera possible de réduire énormément la facture énergétique en optimisant les algorithmes actuels, ou en développant de toutes nouvelles architectures. FinalSpark, de son côté, semble convaincu que les supports biologiques pourraient faire partie de la solution.

Il faut reconnaître que l’idée a du sens. Après tout, si l’évolution a pris la peine d’optimiser la consommation énergétique des cerveaux pendant des millions d’années, pourquoi réinventer la roue ? Le cerveau humain, par exemple, est beaucoup plus économe qu’un modèle IA. Même s’il consomme environ 20 % de l’énergie totale de l’organisme, cela ne représente qu’une grosse centaine de kWh par an et par individu. De la même façon, la startup affirme qu’à puissance égale, un bioprocesseur organique est un million de fois moins gourmand en énergie qu’un processeur traditionnel.

Un “neuro-cloud” au service de la recherche

Évidemment, ce n’est pas demain la veille que des ordinateurs grand public pourront fonctionner avec ce genre de bioprocesseur. Mais pour pouvoir commencer à les exploiter dans de vrais travaux, il faut d’abord amener le concept à maturité. Et c’est là que les travaux de FinalSpark deviennent particulièrement intéressants.

En effet, les chercheurs ont relié leur bioprocesseur à 16 organoïdes à une plateforme en ligne qui permet aux chercheurs du monde entier de l’utiliser pour conduire des expériences d’intelligence artificielle à distance. Une sorte de neuro-cloud computing au service de la recherche, en somme. Il conviendra donc de suivre les résultats de cette démarche qui pourrait ouvrir la voie à quelques publications scientifiques assez fascinantes sur les prochains mois.

Le texte de l’étude est disponible ici.

🟣 Pour ne manquer aucune news sur le Journal du Geek, abonnez-vous sur Google Actualités. Et si vous nous adorez, on a une newsletter tous les matins.