Des neurones humains pour sortir l'IA de sa crise énergétique

La NSF parie sur des neurones humains pour sortir l’IA de sa crise énergétique

Un centre de données de taille moyenne consomme entre 5 et 20 MW, ce qui représente l’alimentation d’environ 3 500 à 14 000 foyers — c’est seulement pour un grand centre de données (50-70 MW) que la comparaison avec une ville de 50 000 habitants devient pertinente. Un organoïde cérébral humain, quelques millions de neurones cultivés dans une boîte de Pétri, tourne sur quelques milliwatts. L’écart est si vertigineux qu’il a fini par attirer l’argent sérieux.

En 2025, la National Science Foundation a engagé 14 millions de dollars dans sept projets de biocomputing. Ce n’est pas un financement symbolique de recherche fondamentale. C’est un signal que le champ a franchi un seuil : celui où une idée académique commence à ressembler à un pari industriel. La question qui s’ouvre n’est plus “est-ce que des cerveaux miniatures peuvent calculer ?” Elle est devenue “à quel prix — énergétique, éthique, social — sommes-nous prêts à le faire ?”

L’essentiel

• La NSF a investi 14 millions de dollars dans sept projets de biocomputing en 2025, signal d’un passage du laboratoire à la traction industrielle.
• Le système Brainoware, développé à l’Université d’Indiana, a démontré en 2023 dans Nature Electronics la capacité d’organoïdes cérébraux humains à reconnaître la parole et résoudre des équations différentielles.
• Un organoïde cérébral fonctionne sur quelques milliwatts, contre des gigawatts pour les infrastructures IA actuelles — un avantage énergétique théorique de plusieurs ordres de grandeur.
• Le champ soulève des questions éthiques sans précédent sur le statut du tissu nerveux humain utilisé comme outil de calcul, que les cadres réglementaires existants ne couvrent pas.
• Les premières applications commerciales restent à 5-10 ans, mais plusieurs laboratoires privés ont commencé à nouer des partenariats avec des équipes académiques dès 2025-2026.

Le cerveau consomme ce que les GPU dépensent pour rien

Pour comprendre pourquoi ce pari attire désormais des financements publics, il faut d’abord mesurer l’ampleur du problème qu’il prétend résoudre. La consommation électrique des centres de données américains devrait doubler d’ici 2030, selon les projections de l’Agence internationale de l’énergie. La demande tirée par l’IA en est le principal moteur. Chaque requête adressée à un grand modèle de langage mobilise des centaines de puces spécialisées pendant des fractions de seconde. Multipliée par des milliards d’interactions quotidiennes, cette équation commence à poser un problème de physique, pas seulement d’économie. La course à l’IA est en train de devenir une bataille électrique que les opérateurs de réseaux peinent à anticiper.

Le cerveau humain, lui, traite l’information sur environ 20 watts. Il le fait avec une efficacité que les meilleurs chips actuels n’approchent pas. Cette comparaison est connue depuis des décennies, mais elle est longtemps restée dans le registre de l’admiration impuissante. Ce qui change depuis 2022-2023, c’est qu’on dispose d’organoïdes cérébraux assez stables et assez complexes pour commencer à les brancher sur des systèmes de calcul réels.

Un organoïde cérébral est un amas tridimensionnel de cellules souches humaines reprogrammées pour se différencier en neurones. Il ne ressemble pas à un cerveau adulte. Il n’a pas de conscience, pas de structure organisée comme un cortex. Mais il développe spontanément des connexions synaptiques actives, forme des réseaux, répond à des stimuli. Et surtout, il apprend — d’une façon qui reste mal comprise, mais qui est documentée.

Brainoware : 2023, le moment où ça a cessé d’être de la science-fiction

L’équipe de Feng Guo à l’Université d’Indiana a publié en décembre 2023 dans Nature Electronics une démonstration qui a changé le ton des discussions dans le champ. Leur système, baptisé Brainoware, connectait un organoïde cérébral humain à une puce électronique via un réseau d’électrodes. L’organoïde recevait des signaux électriques encodant des sons de parole humaine. Après plusieurs sessions d’entraînement, il parvenait à distinguer des locuteurs différents avec un taux de reconnaissance significatif. Il était également capable de résoudre des équations différentielles du type de celles utilisées en modélisation physique.

Ces performances restaient modestes comparées à un algorithme dédié tournant sur GPU. Mais elles ne visaient pas la compétition frontale. Elles visaient la preuve de concept : un tissu nerveux humain peut être intégré dans une boucle de calcul, recevoir des entrées structurées, produire des sorties interprétables, et s’améliorer avec l’exposition. C’est la définition fonctionnelle d’un système apprenant.

Ce que l’article ne rendait pas entièrement visible, c’est la difficulté technique colossale qui précède ce moment. Les organoïdes meurent. Ils ne se comportent pas de façon reproductible d’un lot à l’autre. L’interface entre tissu vivant et silicium pose des problèmes de biocompatibilité que les équipes d’électrophysiologie travaillent depuis des années à résoudre. Brainoware n’était pas une solution clés en main. C’était une démonstration que le verrou fondamental n’était pas physique, mais d’ingénierie.

De Johns Hopkins à la NSF : trois ans pour passer du manifeste au chèque

En 2022, une équipe de Johns Hopkins avait publié ce que le milieu a retenu comme le premier manifeste structuré du biocomputing. Le document, signé par une coalition de chercheurs, posait les bases conceptuelles d’une discipline nouvelle : l’organoid intelligence, ou OI. Il argumentait que les organoïdes cérébraux constituaient un substrat de calcul biologique prometteur, combinant efficacité énergétique, capacité d’apprentissage et potentiel de scalabilité. Le ton était délibérément programmatique : il s’agissait de convaincre des financeurs, pas seulement des pairs.

Trois ans plus tard, la NSF a suivi. Les 14 millions de dollars engagés en 2025 couvrent sept projets distincts, portant sur des aspects complémentaires : amélioration de la stabilité des organoïdes, développement des interfaces neuro-électroniques, conception des algorithmes capables d’interpréter les signaux biologiques, et modélisation éthique. Ce dernier volet n’est pas ornemental. La NSF l’a intégré dans les projets financés parce que les questions qu’il soulève conditionnent la trajectoire du champ.

Ce financement public intervient dans un contexte où plusieurs laboratoires privés ont commencé à s’intéresser au sujet. Des startups comme Cortical Labs, en Australie, ont développé des systèmes hybrides neurones-silicium capables de jouer à des jeux simples — Pong, notamment — ce qui avait fait grand bruit en 2022. Le fait que la NSF entre maintenant dans le jeu avec des financements pluriannuels signale que le gouvernement américain ne veut pas laisser ce champ se développer sans cadre public.

Quelques milliwatts contre des gigawatts : l’avantage énergétique est réel mais incomplet

L’argument central du biocomputing est énergétique. Il mérite d’être examiné avec précision, car il est souvent présenté de façon trop simple.

Un organoïde cérébral consomme une quantité d’énergie très faible pour maintenir son activité cellulaire. Un GPU d’entraînement (ex : H100) consomme entre 350 et 700 watts ; un serveur GPU complet intégrant huit de ces puces peut atteindre entre 5 000 et 10 000 watts, parfois jusqu’à 80 kW par rack dans des configurations hyperscale. L’écart est réel et il est massif. Mais il est incomplet pour deux raisons.

La première : la consommation d’un organoïde ne prend pas en compte l’ensemble de l’infrastructure nécessaire pour le faire fonctionner comme outil de calcul. Les électrodes, les amplificateurs, les systèmes de lecture du signal, le maintien en vie du tissu (température, CO₂, nutriments) ont leur propre consommation. Ce qu’on mesure quand on parle de quelques milliwatts, c’est la dépense du tissu nerveux seul, pas du système complet.

La seconde : les organoïdes actuels ne peuvent pas faire ce que font les GPU. Ils ne traitent pas des matrices à plusieurs milliards de paramètres. Ils s’adaptent à des tâches spécifiques après entraînement, mais leur capacité de généralisation est pour l’instant très limitée. Comparer leur consommation à celle d’un data center, c’est comparer une calculatrice à un supercalculateur.

Ce que les chercheurs du champ défendent, c’est un argument de trajectoire, pas de performance immédiate. Le silicium a atteint des limites physiques proches de la miniaturisation. Le calcul biologique, lui, n’a presque pas commencé à être optimisé. L’argument n’est pas “l’organoïde bat le GPU aujourd’hui”. C’est “l’organoïde peut devenir compétitif sur des tâches d’apprentissage adaptif à une fraction du coût énergétique, si les problèmes d’interface et de stabilité sont résolus”.

La frontière éthique que les comités n’ont pas encore dessinée

C’est ici que le sujet change de nature. Tant qu’on discute d’efficacité énergétique et de performance, on reste dans le registre habituel de l’innovation technologique. Mais le biocomputing met sur la table une question que les régulateurs n’avaient pas anticipée : quel est le statut moral d’un tissu nerveux humain utilisé comme outil de calcul ?

Les organoïdes actuels ne sont pas des cerveaux. Ils n’ont pas les structures nécessaires à la conscience telle qu’on la comprend. Ils ne souffrent pas au sens où un organisme souffre. Mais ils sont faits de cellules humaines. Ils développent une activité électrique spontanée. Et plus on les rend complexes pour augmenter leurs capacités de calcul, plus cette zone grise s’élargit.

L’enjeu n’est pas hypothétique. Alysson Muotri, neuroscientifique à l’Université de Californie San Diego, a publié en août 2019 dans Cell Stem Cell des observations d’une activité électrique dans des organoïdes cérébraux rappelant les oscillations enregistrées dans des cerveaux de prématurés. Ses travaux n’impliquaient pas que les organoïdes étaient conscients. Mais ils ont suffi à déclencher une controverse sérieuse dans la littérature bioéthique. À mesure que les organoïdes gagnent en complexité pour les besoins du calcul, cette question va revenir avec plus de force.

Plusieurs chercheurs du champ, dont des membres de l’équipe de Johns Hopkins, plaident pour un cadre éthique établi en amont, avant que les applications commerciales créent des pressions pour avancer vite. Le financement NSF inclut explicitement des projets sur ce volet. Mais il n’existe à ce jour aucune réglementation spécifique aux organoïdes utilisés à des fins de calcul, ni aux États-Unis ni en Europe. Les comités d’éthique institutionnels traitent ces projets sous les protocoles existants pour la recherche sur les cellules souches humaines, qui n’ont pas été conçus pour cette situation.

Ce vide n’est pas uniquement un problème philosophique. Il est pratique. Des entreprises qui voudront commercialiser des systèmes de biocomputing dans cinq ou dix ans auront besoin de savoir ce qui est autorisé, ce qui est interdit, et qui tranche en cas de litige. L’absence de cadre aujourd’hui est une source de risque juridique et commercial pour le développement du champ, pas seulement une question de principe. C’est d’ailleurs l’une des raisons pour lesquelles un financement public structuré, avec des garde-fous, vaut mieux qu’un développement exclusivement privé avançant sous le radar réglementaire.

On retrouve un schéma similaire dans d’autres champs de la biologie de synthèse, comme les microrobots réparateurs de moelle épinière : l’innovation court devant les cadres, et c’est souvent l’argent public qui finance à la fois la recherche et les garde-fous qui permettent de l’encadrer.

Ce que les sept projets NSF cherchent vraiment à résoudre

Les détails des sept projets financés par la NSF en 2025 ne sont pas tous publics, mais les axes de recherche communiqués permettent de comprendre ce que le champ juge prioritaire.

Le premier défi est la stabilité. Un organoïde survit en moyenne quelques semaines à quelques mois en conditions de laboratoire standard. Pour qu’un outil de calcul soit opérationnel, il faut des durées de vie beaucoup plus longues et des comportements reproductibles. Plusieurs projets travaillent sur l’amélioration des milieux de culture et des bioreacteurs capables de maintenir des organoïdes fonctionnels sur des périodes de un à deux ans.

Le deuxième défi est l’interface. Connecter un tissu biologique à un système numérique sans le détruire, et lire ses signaux avec suffisamment de précision pour en extraire de l’information utile, est un problème d’ingénierie majeur. Les électrodes actuelles lisent l’activité de quelques centaines de neurones simultanément. Les chercheurs visent plusieurs dizaines de milliers pour des applications sérieuses.

Le troisième défi est algorithmique. Il ne suffit pas que l’organoïde produise des signaux. Il faut des méthodes pour les interpréter, les entraîner, et les exploiter dans des boucles de calcul. Ce sont des problèmes d’apprentissage machine appliqués à un substrat dont le comportement est fondamentalement stochastique, ce qui exige des approches différentes des méthodes d’entraînement des réseaux de neurones artificiels.

Ces trois verrous sont sérieux. Aucun ne semble insurmontable sur un horizon de dix ans, mais aucun n’est résolu aujourd’hui. Ce qui est en cours n’est pas une course vers un produit imminent. C’est la construction patiente d’une base scientifique sur laquelle des applications pourraient un jour reposer.

L’horizon est à dix ans, mais les paris se prennent maintenant

L’histoire de l’IA elle-même enseigne que les champs qui semblent purement académiques peuvent basculer vite. Les réseaux de neurones profonds étaient un sujet de niche pendant vingt ans avant que la combinaison des données et de la puissance de calcul les rende opérationnels. Le biocomputing n’est pas dans la même situation : il n’attend pas des données, il attend des organoïdes stables et des interfaces fiables. Mais la logique de bascule est comparable.

Ce qui se passe en 2025-2026 ressemble moins à une révolution imminente qu’à la mise en place d’une infrastructure intellectuelle et financière. Les chercheurs qui travaillent sur ces sujets publient, recrutent, forment des doctorants. Les financeurs publics entrent. Les startups regardent. Les premières conférences spécifiquement dédiées au biocomputing se structurent. C’est la phase où une discipline naissante décide si elle va exister ou rester une curiosité de laboratoire.

Pour l’instant, la trajectoire penche vers l’existence. Et si le problème énergétique de l’IA continue de s’aggraver au rythme actuel, la pression sur le champ ne fera qu’augmenter. Ce qui soulève la question la plus difficile : si le biocomputing tient ses promesses, qui décidera dans quelles conditions du tissu nerveux humain peut être utilisé comme outil, pour quelles applications, avec quelles limites ?

C’est la question que les sept projets de la NSF ne peuvent pas résoudre seuls, et qu’aucun acteur industriel n’a intérêt à poser trop fort tant que la technologie n’est pas mature. Elle se posera pourtant — et il sera plus facile d’y répondre si le débat a commencé avant que les premiers systèmes commerciaux soient sur le marché.

Sources

1. Undark — Brain Organoids and Big Questions (2026) : https://undark.org/2026/02/26/brain-organoids-big-questions/
2. Cai H. et al., “Brain organoid reservoir computing for artificial intelligence” — Nature Electronics, décembre 2023 (Brainoware, Université d’Indiana) : https://www.nature.com/articles/s41928-023-01069-w
3. Smirnova L. et al., “Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish” — Frontiers in Science, 2023 (Johns Hopkins) : https://www.frontiersin.org/journals/science/articles/10.3389/fsci.2023.1017235/full
4. Agence internationale de l’énergie — Electricity 2024, projections datacenter et IA ; voir aussi : Energy and AI Report : https://www.iea.org/reports/energy-and-ai/executive-summary
5. Cortical Labs — DishBrain, Neuron, 2022
6. NSF — Communiqué officiel sur les 14M$ en biocomputing : https://www.nsf.gov/news/nsf-invests-14m-bioengineered-systems-ethical-biocomputing
7. Cell Stem Cell 2019 — Muotri, oscillations organoïdes prématurés : https://www.scientificamerican.com/article/can-lab-grown-brains-become-conscious/
8. Indiana University IU Impact Blog — Brainoware et Feng Guo : https://blogs.iu.edu/iuimpact/2023/12/15/human-brain-tissuebioengineers-are-building-the-intersection-of-organoids-and-ai/