Le marché du calcul neuromorphique explosera de 28,5 millions à 1,325 milliards de dollars d’ici 2030, soit une croissance de 89,7% par an. Cette projection trouve un catalyseur inattendu dans les laboratoires de Northwestern University : des neurones artificiels imprimés qui ne se contentent pas d’imiter le cerveau, ils dialoguent directement avec lui.

L’expérience menée par l’équipe du professeur Mark Hersam franchit la barrière entre le monde artificiel et biologique. Testés sur des tranches de tissu cérébral de souris, ces neurones artificiels ont déclenché avec succès des réponses neuronales réelles. Cette percée technique redéfinit les possibilités des prothèses neurales et pourrait diviser par mille la consommation énergétique de l’intelligence artificielle.

La barrière entre artificiel et biologique s’effondre

Le cerveau humain est cinq ordres de grandeur plus efficace énergétiquement qu’un ordinateur numérique, consommant seulement 12 watts de puissance pour fonctionner en continu contre 250 watts pour faire fonctionner une simple carte graphique GeForce Titan X. Cette différence fondamentale explique pourquoi la course aux neurones artificiels s’intensifie.

L’équipe de Hersam a développé des neurones artificiels utilisant des matériaux souples et imprimables, formulés à partir de flocons nanométriques de disulfure de molybdène (MoS2) servant de semi-conducteur et de graphène agissant comme conducteur électrique. Grâce à une technique d’impression spécialisée appelée aérosol jet printing, les chercheurs ont déposé ces encres sur des substrats polymères flexibles.

L’innovation tient dans l’exploitation d’un défaut apparent. Tandis que d’autres chercheurs éliminaient complètement le polymère stabilisant des encres après impression, Hersam l’a partiellement décomposé pour créer une fonctionnalité similaire au cerveau. Cette décomposition spatiale inhomogène forme un filament conducteur qui génère une réponse électrique soudaine, semblable à celle d’un neurone.

Une efficacité énergétique qui défie l’informatique classique

Au lieu de générer de simples impulsions uniques, ce nouveau dispositif produit des motifs de signalisation complexes, incluant des pointes individuelles, des tirs continus et des motifs en rafales qui ressemblent à la communication neuronale réelle. En capturant cette diversité de signalisation, chaque neurone peut encoder plus d’informations et exécuter des fonctions plus sophistiquées, réduisant drastiquement le nombre de composants nécessaires.

Cette approche répond directement aux limitations actuelles de l’IA. Comme l’explique Hersam : “La façon de rendre l’IA plus intelligente consiste à l’entraîner sur de plus en plus de données. Cet entraînement intensif en données conduit à un problème massif de consommation électrique. Nous devons donc développer du matériel plus efficace”.

Cette transformation technique s’appuie sur une différence architecturale fondamentale. Tandis que les ordinateurs répondent aux tâches complexes en ajoutant des milliards de composants identiques sur des puces de silicium rigides bidimensionnelles, chaque transistor se comportant de la même manière et restant fixe une fois fabriqué, le cerveau fonctionne différemment, s’appuyant sur des types diversifiés de neurones accomplissant des rôles spécialisés, organisés en réseaux souples tridimensionnels qui changent constamment.

Un dialogue direct entre circuits artificiels et biologiques

L’équipe de Northwestern a franchi l’étape décisive : la communication bidirectionnelle. Pour tester si leurs neurones artificiels pouvaient véritablement interfacer avec la biologie, l’équipe de Hersam a collaboré avec Indira M. Raman, qui a appliqué les signaux électriques des neurones artificiels à des tranches de cervelet de souris.

Les neurones biologiques ont réagi, démontrant que les signaux synthétiques étaient suffisamment convaincants pour activer de véritables circuits neuraux. “Vous pouvez voir les neurones vivants répondre à notre neurone artificiel”, confirme Hersam. “Nous avons démontré des signaux qui ont non seulement la bonne échelle temporelle mais aussi la bonne forme de pointe pour interagir directement avec les neurones vivants”.

Cette biocompatibilité ouvre des perspectives concrètes pour les interfaces cerveau-machine. Le marché mondial des interfaces cerveau-ordinateur était évalué à 1,488 milliards de dollars en 2020 et devrait atteindre 5,463 milliards de dollars d’ici 2030, avec une croissance de 13,9%. Parallèlement, le marché des neuroprosthèses était évalué à 12,66 milliards de dollars en 2023 et devrait atteindre 26,12 milliards de dollars d’ici 2030.

L’efficacité énergétique comme enjeu civilisationnel

L’urgence énergétique de l’IA transforme cette percée en nécessité civilisationnelle. Hersam observe que les entreprises technologiques construisent d’énormes centres de données alimentés par des centrales nucléaires pour répondre aux besoins énergétiques de l’IA, une approche qui a des limites en termes d’alimentation et de refroidissement, rendant essentiel un nouveau matériel plus efficace énergétiquement.

La comparaison des efficacités révèle l’ampleur du défi. Selon une estimation basée sur des simulations détaillées, le calcul biologique est environ 900 millions de fois plus efficace énergétiquement que l’architecture de calcul artificielle. Un cerveau humain utilise environ 20 watts pour fonctionner, équivalent à la consommation d’un écran d’ordinateur en veille, permettant à 80-100 milliards de neurones d’effectuer des billions d’opérations qui nécessiteraient la puissance d’une petite centrale hydroélectrique si elles étaient réalisées artificiellement.

Cette efficacité remarquable s’explique par l’évolution. Le cerveau a évolué sous des contraintes claires d’énergie et d’espace, cette efficacité étant expliquée par l’utilisation systémique neurobiologique du calcul analogique, du câblage local et des stratégies computationnelles, ainsi que par les capacités d’adaptation et d’apprentissage.

Une transformation industrielle en gestation

Avec seulement deux de ces neurones imprimables et quelques composants de circuit de base, les chercheurs ont produit des motifs de pointes sophistiqués, ajustant la longueur et la fréquence des pointes pour correspondre au timing des potentiels d’action biologiques. Cette flexibilité pourrait transformer l’efficacité énergétique de l’IA, qui aujourd’hui réinvente déjà son approche pour diviser sa consommation par 100.

L’impact dépasse largement l’informatique. Ces travaux ouvrent la voie à l’électronique capable de communiquer directement avec le système nerveux, avec des applications potentielles dans les interfaces cerveau-machine et les neuroprosthèses, incluant les implants pour l’audition, la vision et le mouvement.

Le marché neuromorphique confirme cette trajectoire. Le marché est façonné par des tendances émergentes, notamment le passage vers les architectures de calcul en périphérie, la demande croissante d’interfaces cerveau-ordinateur et la convergence de l’informatique quantique avec les systèmes neuromorphiques. La mondialisation du calcul neuromorphique gagnera en momentum grâce à la demande croissante de circuits intégrés haute performance et à l’adoption du matériel neuromorphique par les industries de la santé et automobile.

Northwestern vient de démontrer qu’imiter le cerveau ne suffit plus. La prochaine étape consiste à lui parler directement. Cette conversation entre l’artificiel et le biologique pourrait redéfinir les limites de l’intelligence elle-même, un dialogue qui commence dans les éprouvettes et pourrait se terminer dans nos têtes.