Un système construit à partir de cellules cérébrales humaines apprend à reconnaître la voix en utilisant 90 % moins de temps d’entraînement qu’un processeur silicium classique. Ce résultat, publié dans Nature Electronics par l’équipe de l’université d’Indiana, n’est pas une démonstration de laboratoire réservée aux spécialistes : il décrit une technologie qui, fin 2025, tient sur un bureau et se vend.

Le biocomputeur n’est plus une promesse. Il est un produit. Et le cadre légal pour le gouverner n’existe nulle part.

L’essentiel

  • L’université d’Indiana a démontré une reconnaissance vocale avec 90 % de temps d’entraînement en moins qu’un équivalent silicium, publié dans Nature Electronics.
  • Cortical Labs (Melbourne) a livré son premier biocomputeur de bureau CL1 fin 2025 ; FinalSpark (Genève) propose un accès distant payant à ses organoïdes via sa Neuroplatform.
  • Selon les estimations disponibles dans la littérature, les organoïdes neuronaux consomment entre 100 000 et 1 000 000 000 fois moins d’énergie que leurs équivalents silicium pour des tâches d’apprentissage comparables, selon la tâche et la comparaison effectuée.
  • Aucun cadre juridique n’existe pour définir le statut d’un organoïde, la propriété des données issues de cellules d’un donneur, ou les seuils de conscience à partir desquels une protection s’applique.
  • L’Europe dispose d’une fenêtre de dix-huit mois environ avant que ce marché ne devienne structurellement difficile à réguler après coup.

Ce que les organoïdes font que le silicium ne fait pas

Un organoïde neuronal est un agrégat de quelques milliers à quelques millions de neurones humains cultivés en laboratoire à partir de cellules souches. Il ne ressemble pas à un cerveau. Il n’en a pas les structures, ni les fonctions, ni la conscience. Mais il partage avec le cerveau une propriété que les puces de silicium ne peuvent pas imiter : la plasticité synaptique.

Quand un organoïde reçoit un signal, ses connexions neuronales se renforcent ou s’affaiblissent en temps réel. Il apprend, au sens littéral du terme biologique, sans qu’on ait à lui programmer cette capacité. Le silicium, lui, simule l’apprentissage par des opérations mathématiques massives. Il n’apprend pas : il calcule ce qu’apprendrait un système qui apprendrait. La différence est fondamentale. Elle explique l’essentiel de l’écart énergétique.

Un grand modèle de langage comme GPT-4 consomme, à l’entraînement, plusieurs gigawattheures. Un organoïde, pour une tâche comparable en complexité de représentation, consomme quelques microwatts. L’ordre de grandeur n’est pas de 10 % ou de 50 % : selon les estimations disponibles — FinalSpark évoque un facteur d’un million, Johns Hopkins une fourchette allant de un million à dix milliards, et la publication originale de Nature Electronics cite 20 watts pour le cerveau humain contre 8 millions de watts pour un réseau de neurones artificiel comparable — l’avantage énergétique se situe entre plusieurs centaines de milliers et plusieurs milliards de fois selon la tâche considérée. Dans le cas spécifique de la reconnaissance vocale testée à Indiana, le gain de temps d’entraînement de 90 % s’accompagne d’une empreinte énergétique sans commune mesure avec les systèmes actuels.

Ce n’est pas que les modèles d’IA générative sont inefficaces au sens absolu. C’est qu’ils font quelque chose de profondément différent, et que la biologie offre une voie parallèle pour certaines tâches d’apprentissage qui ne nécessitent pas la puissance brute des GPU. La question de la consommation énergétique de l’IA est devenue centrale dans le débat sur sa viabilité à long terme, et les organoïdes constituent la première réponse biologique sérieuse à ce défi.

Cortical Labs et FinalSpark : du laboratoire au catalogue

Cortical Labs est une entreprise australienne fondée en 2019 à Melbourne. Son CL1, livré à ses premiers clients fin 2025, est un dispositif de bureau qui contient des neurones humains vivants cultivés sur une puce d’électrodes. Ces neurones reçoivent des signaux électriques, répondent, et leur réponse est lue en temps réel par le système. La machine entière tient dans un boîtier comparable à un ordinateur de travail compact. Elle nécessite un environnement contrôlé en température et en nutriments, mais elle ne nécessite pas de salle blanche, pas de supercalculateur, pas d’infrastructure industrielle.

Le prix de vente n’est pas public. L’existence du produit, elle, l’est.

FinalSpark, entreprise suisse basée à Genève, a choisi un modèle différent. Sa Neuroplatform ne se livre pas : elle s’abonne. Les clients accèdent à distance à des organoïdes vivants hébergés dans les locaux de l’entreprise, via une interface numérique. Ils y envoient des tâches computationnelles, reçoivent les résultats, et ne voient jamais les cellules. C’est un modèle cloud appliqué à de la matière vivante.

Ces deux trajectoires commerciales disent quelque chose d’important sur la maturité du secteur. On ne parle plus d’expériences ponctuelles publiées dans des revues académiques et oubliées trois ans après. On parle de chaînes d’approvisionnement en cellules souches, de protocoles de culture à l’échelle, de support client, de contrats. L’industrie existe. Elle est petite, mais elle est réelle.

D’autres acteurs avancent en parallèle. Johns Hopkins travaille sur des organoïdes plus complexes pour tester des médicaments neurologiques. L’université de Graz, en Autriche, explore les interfaces neuronales en temps réel. Des startups en Corée du Sud et en Chine publient des résultats sur des systèmes hybrides biologique-silicium. Le champ se structure, avec des rythmes différents selon les pays et des questions réglementaires qui varient du tout au tout.

Le vide juridique n’est pas un détail technique

Voici la question que personne dans le droit européen, américain ou international n’a encore tranchée : à partir de combien de neurones un organoïde acquiert-il un statut particulier ?

La réponse actuelle est : on ne sait pas, et les textes existants ne répondent pas à cette question. L’AI Act européen, entré en vigueur en 2024, réglemente les systèmes d’intelligence artificielle au sens computationnel du terme. Il ne dit rien sur les systèmes biologiques qui produisent de l’intelligence sans être des logiciels. La Convention d’Oviedo sur la biomédecine protège les personnes, pas les agrégats cellulaires. La directive sur la protection des données personnelles couvre les données issues de personnes identifiables, mais que couvre-t-elle quand les données sont générées par des cellules issues d’un donneur anonyme et transformées en signaux computationnels ?

Ces questions ne sont pas rhétoriques. Elles ont des implications contractuelles immédiates. Quand un client de FinalSpark envoie une tâche à un organoïde et reçoit un résultat, qui possède ce résultat ? L’entreprise, qui héberge et entretient les cellules ? Le client, qui a formulé la tâche ? Le donneur, dont l’ADN structure les neurones utilisés ? La question de la propriété intellectuelle sur les productions d’un système biologique n’a pas de réponse claire dans aucune juridiction actuelle.

Plus profonde encore est la question du statut moral. Les organoïdes actuels n’ont pas de système nerveux central, pas de thalamus, pas de cortex intégré. Le consensus scientifique dominant est que les organoïdes actuels ne sont pas conscients, ne ressentent rien et ne souffrent pas — mais ce consensus n’est pas unanime : une minorité significative de chercheurs, dont des publications récentes dans Cell Patterns et PMC (2025), conteste ce rejet comme prématuré et appelle à la prudence. Cette question porte sur les systèmes actuels, mais elle est d’autant plus ouverte que des organoïdes plus complexes, plus intégrés, équipés de structures plus proches d’un cerveau fonctionnel, sont dans les feuilles de route de plusieurs laboratoires. La ligne de démarcation entre “agrégat cellulaire” et “entité à protéger” n’est pas définie, et personne ne travaille sérieusement à la définir avant que la question devienne urgente.

La régulation de l’IA générative a montré les limites de l’approche réactive : quand les règles arrivent après le déploiement à grande échelle, elles courent après des faits accomplis qui ont façonné des marchés, des habitudes et des rapports de force. Le biocomputing suit exactement la même trajectoire, avec une différence : les questions qu’il soulève ne sont pas seulement économiques ou de sécurité, elles sont anthropologiques.

L’Europe a dix-huit mois pour ne pas reproduire son erreur habituelle

L’Union européenne a une histoire avec les technologies transformatrices. Elle arrive souvent en retard sur la création, mais parfois en avance sur la régulation. L’AI Act a été adopté avant que les États-Unis ne disposent d’un cadre fédéral équivalent. Le RGPD a redessiné les pratiques mondiales de protection des données bien au-delà des frontières européennes. Ce modèle a ses mérites et ses limites : il produit des standards globaux, mais il peut aussi freiner des acteurs européens pendant que leurs concurrents opèrent sans contrainte.

Sur le biocomputing, l’Europe part d’une position intéressante. FinalSpark est suisse, à la frontière du droit européen. Plusieurs laboratoires universitaires de premier plan travaillent sur les organoïdes en Allemagne, en Autriche, aux Pays-Bas et en France. La recherche fondamentale est solide. Ce qui manque, c’est la coordination réglementaire.

La fenêtre est étroite pour une raison simple : les entreprises qui commercialisent des biocomputeurs aujourd’hui construisent des précédents contractuels, des modèles d’affaires et des attentes de marché. Dans dix-huit mois, si le CL1 de Cortical Labs a été adopté par suffisamment d’institutions de recherche et de laboratoires pharmaceutiques, le réguler deviendra aussi difficile que réguler Uber après cinq ans d’opération dans toutes les grandes villes. Les faits accomplis techniques et commerciaux créent une résistance politique au changement qui n’existe pas encore.

Ce que l’Europe pourrait faire concrètement : définir un cadre de classification des organoïdes selon leur complexité neurologique, établir des règles de consentement pour les donneurs de cellules utilisées dans des systèmes commerciaux, et créer un régime provisoire de propriété intellectuelle pour les données générées par des systèmes biologiques. Aucun de ces chantiers n’est techniquement hors de portée. Ils demandent une volonté politique et une coordination entre les régulateurs de la biomédecine, du droit des données et de la propriété intellectuelle qui n’existe pas encore.

Ce que l’efficacité énergétique change aux équilibres géopolitiques

L’argument énergétique mérite d’être pris au sérieux, non pas comme curiosité technique, mais comme variable stratégique.

L’IA générative dans sa forme actuelle est gourmande au point de remodeler des politiques électriques nationales. Microsoft, Google et Amazon ont annoncé des investissements massifs dans de nouvelles capacités de génération d’énergie, y compris nucléaire, pour alimenter leurs data centers. La contrainte énergétique de l’IA n’est pas une question périphérique : elle touche aux équilibres entre pays producteurs d’énergie bon marché et pays qui cherchent à développer une industrie de l’IA sans en avoir la base électrique.

Les organoïdes ne résolvent pas ce problème dans son intégralité. Ils ne remplaceront pas les grands modèles de langage pour les tâches qui nécessitent de la puissance brute et du corpus massif. Mais ils ouvrent une voie pour des tâches d’apprentissage spécifiques, répétitives, qui n’ont pas besoin de la généralité d’un GPT-4 et qui consomment aujourd’hui une fraction disproportionnée des ressources computationnelles globales. La reconnaissance de formes, la détection d’anomalies, certaines tâches de classification, l’apprentissage par renforcement dans des environnements contraints : toutes ces applications pourraient migrer vers des substrats biologiques sans perte de performance, avec un gain énergétique massif.

Pour un pays comme la France, qui cherche à positionner son industrie de l’IA tout en gérant une contrainte électrique réelle malgré le nucléaire, ou pour l’Allemagne, qui a besoin de réduire ses émissions industrielles, le biocomputing n’est pas une curiosité académique. C’est une option stratégique qui mérite d’entrer dans les feuilles de route nationales de recherche et d’innovation.

Les questions que la science n’a pas encore résolues

Il serait trompeur de présenter le biocomputing comme une technologie mature dont seul le cadre légal retarde le déploiement. Plusieurs verrous techniques subsistent.

La durée de vie des organoïdes est limitée. Les cellules vieillissent, les connexions synaptiques se dégradent, les systèmes de support nutritif sont complexes à maintenir à l’échelle industrielle. FinalSpark a résolu ce problème pour son usage propre, dans ses locaux, avec ses propres protocoles. Le passer à l’échelle d’une industrie est une autre affaire. La standardisation des protocoles de culture, la fiabilité des interfaces électroniques avec les neurones vivants, la reproductibilité des résultats entre lots de cellules différents : ce sont des problèmes d’ingénierie ouverts.

La programmabilité est aussi une question en suspens. Un organoïde apprend de façon plastique, mais on ne peut pas encore lui donner des instructions précises comme on programme un microprocesseur. La recherche sur les interfaces neuronales bidirectionnelles avance, notamment grâce aux travaux de Cortical Labs eux-mêmes et d’équipes académiques en Europe et aux États-Unis. Mais la maîtrise fine du comportement computationnel d’un organoïde reste incomplète.

Enfin, la question de l’interprétabilité se pose avec encore plus d’acuité que pour les réseaux de neurones artificiels. Quand un organoïde produit un résultat, on peut mesurer ce résultat. Comprendre pourquoi il l’a produit, tracer le chemin dans les connexions synaptiques qui a conduit à cette sortie, est aujourd’hui impossible. Pour des applications critiques, en médecine ou en infrastructure, cette opacité est un obstacle sérieux.

Ces limites sont réelles. Elles ne nient pas les résultats obtenus. Elles fixent l’horizon de la décennie à venir : non pas le remplacement du silicium, mais la coexistence de substrats computationnels différents, chacun adapté à des classes de problèmes spécifiques.

La vraie question pour les cinq prochaines années n’est pas de savoir si les organoïdes neuronaux fonctionnent. Les résultats de l’université d’Indiana et les produits de Cortical Labs ont répondu à cette question. La vraie question est celle que posent toutes les technologies qui progressent plus vite que les institutions : qui décide des règles du jeu, et quand ? L’Europe a une chance de répondre avant que la réponse lui soit imposée par les faits.

Sources

  1. TechXplore / Science Alert — Scientists use human brain cells for computing: https://techxplore.com/news/2025-12-scientists-human-brain-cells.html
  2. Nature Electronics — Étude de l’université d’Indiana sur la reconnaissance vocale avec organoïdes (Brainware)
  3. Cortical Labs — présentation du CL1 (cortical.com)
  4. FinalSpark — Neuroplatform, accès commercial aux organoïdes (finalspark.com)
  5. Règlement (UE) 2024/1689 — AI Act, Journal officiel de l’Union européenne
  6. Publication originale Brainoware – Nature Electronics : https://www.nature.com/articles/s41928-023-01069-w
  7. Cortical Labs – Wikipedia : https://en.wikipedia.org/wiki/Cortical_Labs
  8. FinalSpark – Site officiel Neuroplatform : https://finalspark.com/neuroplatform/
  9. FinalSpark – BusinessWire communiqué de presse : https://www.businesswire.com/news/home/20240515701469/en/FinalSpark-Launches-the-First-Remote-Research-Platform-Using-Human-Neurons-for-Biocomputing
  10. PMC – Legal challenges of brain organoids : https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11882709/
  11. Cell Patterns – Consciousness in HBOs : https://www.cell.com/patterns/fulltext/S2666-3899(25)00213-2
  12. BigGo Finance – CL1 shipping 2025 : https://finance.biggo.com/news/202603010220_Cortical_Labs_CL1_Bio_Computer_Runs_Doom
  13. UOC – Neurotechnologies et AI Act européen : https://www.uoc.edu/en/news/2026/neurotechnologies-european-legal-challenge