Tissus cérébraux en labo : braille et robot-chien piloté

Sur une paillasse de l’université de Bristol, quelques millimètres de tissu cérébral humain, cultivé à partir de cellules dans une boîte de Petri, trient désormais des signaux tactiles. Un capteur tactile balaie un caractère braille et transforme ce qu’il perçoit en motifs de stimulation électrique. Ces impulsions gagnent l’organoïde, ce minuscule modèle de prosencéphale humain cultivé en laboratoire, et ressortent sous forme de motif d’activité que un algorithme d’apprentissage classique interprète ensuite comme une lettre.

Les chiffres montrent ce qu’un seul morceau de tissu peut transmettre. Chaque organoïde, constitué de environ 10 000 neurones et cellules de soutien, identifiait la bonne lettre avec une précision de 61 % à lui seul. La combinaison des réponses de trois organoïdes a porté la précision à 83 %, et le système combiné a mieux tenu lorsque l’équipe a ajouté du bruit artificiel. Les organoïdes n’ont jamais été entraînés à lire le braille : ils utilisaient un codage fixe des lettres, et l’algorithme se chargeait de la classification. L’étude montre que du tissu vivant peut transformer des informations tactiles en conservant des motifs utiles, mais pas qu’il a appris à lire.

Le test le plus ambitieux vient d’une collaboration entre Cortical Labs et Honda Research Institute Europe. Les ordinateurs biologiques CL1 de Cortical Labs étaient reliés à un agent virtuel devant se diriger vers une source d’odeur simulée, en choisissant entre avancer, tourner à gauche ou tourner à droite. Les chercheurs ont testé environ 1 300 configurations de signaux électriques, en enregistrant plus de 4 000 heures d’interaction en temps réel avec des dizaines d’unités biologiques. Seules 12 configurations ont appris de façon constante d’un épisode à l’autre, et, dans des conditions comparables, ces agents optimisés ont battu les référentiels classiques d’apprentissage par renforcement pour la navigation. Ces travaux seront présentés à NeurIPS, la conférence de référence sur l’apprentissage automatique, à Sydney. La méthode sous-jacente, baptisée Embodied Neurocomputation Framework, traite l’imprévisibilité des neurones comme un problème d’ingénierie à régler de façon systématique.

En robotique, l’étape la plus visible est le chien. Cortical Labs a utilisé le taux de décharge de ses neurones en culture pour diriger un robot-chien dans un espace restreint. Brett Kagan, cofondateur et PDG de l’entreprise, résume l’écart sans détour : les robots sont aujourd’hui capables en matière de contrôle physique, mais ils « peinent encore à assurer le contrôle de plus haut niveau nécessaire pour apprendre vite ou s’adapter lorsque les conditions changent ». Si les chercheurs parviennent à exploiter de façon fiable l’efficacité des neurones et leur capacité d’adaptation, l’informatique biologique pourrait un jour devenir le choix privilégié pour les machines évoluant dans des conditions inconnues, loin de chez elles. La route est longue : les sources rappellent que maintenir le tissu en vie reste un défi, et aucune de ces démonstrations ne laisse penser que des ordinateurs biologiques feront bientôt tourner des entrepôts ou conduiront des taxis.