Des mini-cerveaux humains cultivés en laboratoire ont « lu » le braille

Ils mesurent environ un demi-millimètre et vivent, branchés sur huit électrodes, dans les installations d'une start-up suisse. Ces amas de neurones humains cultivés en laboratoire viennent pourtant de distinguer les 26 lettres de l'alphabet braille, avec 83 % de bonnes réponses quand on en fait travailler trois ensemble.

L'étude détaillant l'expérience a été publiée ce vendredi 16 octobre dans Frontiers in Artificial Intelligence (une revue scientifique en libre accès) par une équipe de l'université de Bristol.

C'est un jalon du biocalcul, l'idée d'utiliser du tissu vivant comme composant de calcul. Elle est aussi facile à surinterpréter : ces mini-cerveaux n'ont rien « lu » au sens humain et c'est justement là que l'histoire devient intéressante.

Précisons le périmètre. On parle ici d'organoïdes cérébraux (des billes de tissu nerveux de moins d'un millimètre, obtenues à partir de cellules souches humaines), et non de cerveaux entiers ou de puces « inspirées du cerveau ». Le résultat porte sur une tâche précise : trier des signaux électriques issus d'un capteur tactile.

Dans cet article :

• Comment 26 lettres de braille ont atterri dans un grain de cerveau humain
• Trois mini-cerveaux valent mieux qu'un et personne ne sait pourquoi
• Non, ces mini-cerveaux n'ont pas appris à lire
• Des neurones humains en location à 500 dollars par mois
• Ce qu'il faut surveiller avant de croire à l'ordinateur vivant

Comment 26 lettres de braille ont atterri dans un grain de cerveau humain

L'équipe de Tianyi Liu, doctorante à l'université de Bristol, travaille d'ordinaire sur la façon dont les robots perçoivent le toucher. Chacun des organoïdes qu'elle a utilisés compte environ 10 000 neurones, quand un cerveau humain adulte en aligne quelque 86 milliards [1].

Les chercheurs n'ont pas cultivé ces organoïdes eux-mêmes. Les tests ont tourné à distance sur la Neuroplatform de FinalSpark, une start-up suisse qui donne accès à des organoïdes via Internet.

Chaque organoïde y repose sur huit électrodes seulement, et c'est un algorithme classique, une machine à vecteurs de support (un outil statistique qui range des données dans des catégories), qui interprète ensuite son activité [2].

Le protocole ressemble à une chaîne de traduction. Un capteur tactile dit « événementiel » (il n'enregistre que les changements, un peu comme une rétine) a balayé les points en relief des 26 lettres. Ces données ont été converties en impulsions électriques envoyées aux organoïdes, dont les réponses ont été enregistrées puis classées.

Le verdict : un organoïde seul fournit un signal correctement décodé dans 61 % des cas, et trois organoïdes combinés montent à 83 % de précision [3]. Pour situer, un tirage au hasard parmi 26 lettres tomberait juste moins de 4 fois sur 100.

Le trio s'est aussi montré plus solide face au bruit. Quand les chercheurs ont brouillé artificiellement les signaux, les trois organoïdes ont mieux séparé les lettres que le décodeur travaillant seul, directement sur les données dégradées et sans passer par le tissu vivant.

Trois mini-cerveaux valent mieux qu'un et personne ne sait pourquoi

Pourquoi trois font-ils mieux qu'un ? L'équipe avoue ne pas savoir. Son hypothèse : chaque organoïde réagit à la même stimulation de façon similaire, mais jamais tout à fait identique.

Tianyi Liu compare la situation à trois personnes qui observent le même objet : chacune remarque des détails qui échappent aux autres, et c'est la mise en commun de leurs observations qui rend le jugement plus fiable. Cela reste une intuition, que personne n'a encore démontrée.

Le détail mérite qu'on s'y arrête. En informatique classique, la variabilité est un défaut qu'on traque. Ici, l'imperfection devient une ressource : chaque bille de neurones apporte un point de vue légèrement différent, et l'ensemble compense les faiblesses de chacune.

Les spécialistes de l'apprentissage automatique connaissent bien ce principe sous le nom de méthodes d'ensemble (combiner plusieurs modèles imparfaits pour obtenir une prédiction plus juste). La nouveauté tient au support : des tissus humains vivants remplacent les lignes de code.

Non, ces mini-cerveaux n'ont pas appris à lire

Dit comme ça, on imagine des neurones qui auraient appris le braille. Tianyi Liu elle-même écarte cette lecture : l'expérience était menée en boucle ouverte (les organoïdes recevaient des signaux sans jamais être informés de leurs erreurs), et rien ne prouve qu'ils aient appris ou été modifiés durablement [1].

Le partage des rôles est plus prosaïque. L'organoïde agit comme un transformateur de signal : il reçoit une impulsion et y répond avec sa propre dynamique, puis l'algorithme externe fait le tri final entre les lettres.

Selon la chercheuse, le but n'a jamais été de prouver que des organoïdes savent lire comme des humains. L'équipe voulait vérifier si de vrais réseaux de neurones pouvaient participer au traitement des données d'un capteur tactile de robot.

La nuance compte, car d'autres expériences sont allées plus loin sur le terrain de l'apprentissage. En 2022, la start-up australienne Cortical Labs a relié environ 800 000 neurones, humains et de souris, à une version simplifiée du jeu Pong. Grâce à des retours électriques à chaque balle manquée, le système a progressé en cinq minutes environ [4].

En 2023, le dispositif Brainoware de l'université de l'Indiana, décrit dans la revue Nature Electronics, devait reconnaître des locuteurs à partir de voyelles japonaises. Avec un entraînement, sa précision est passée de 51 % à 78 %, un gain que les auteurs relient à une réorganisation des connexions de l'organoïde [5].

La différence avec l'étude de l'université de Bristol saute aux yeux : sans boucle de retour, aucune progression ne peut être mesurée. L'étude britannique livre donc la tuyauterie plutôt qu'une intelligence : une méthode d'encodage, transférable selon ses auteurs, pour faire entrer des sensations de robot dans du tissu vivant.

Des neurones humains en location à 500 dollars par mois

Ces expériences ne sortent plus seulement des universités. FinalSpark facture l'accès à sa plateforme 500 dollars par mois et par utilisateur aux établissements de recherche, et affirme que ses bioprocesseurs consomment un million de fois moins d'énergie qu'un processeur numérique classique [6].

En Australie, Cortical Labs commercialise depuis 2025 le CL1, un boîtier qui abrite 800 000 neurones humains cultivés sur une puce, vendu 35 000 dollars l'unité. L'appareil embarque de quoi garder les cellules en vie environ six mois [7].

L'argument de vente tient en un chiffre : un cerveau humain calcule avec environ 20 watts, alors que des puces neuromorphiques (qui imitent l'architecture du cerveau) poussées à l'échelle du cortex grimperaient vers les kilowatts, voire les mégawatts [2]. La promesse tombe à pic, au moment où l'appétit énergétique de l'IA inquiète.

Prudence cependant : le « million de fois » de FinalSpark est une estimation de l'entreprise, et un organoïde ne survit qu'en étant nourri en continu dans un environnement contrôlé. Tianyi Liu reconnaît elle-même que ces systèmes ont encore un long chemin à parcourir en fiabilité, en reproductibilité et en passage à l'échelle.

Même les pionniers du domaine sont inquiets. Fin 2025, des scientifiques réunis autour des organoïdes cérébraux craignaient que des formules comme « intelligence organoïde » et les promesses des entreprises provoquent un retour de bâton.

La Fondation nationale pour la science américaine et la DARPA (l'agence de recherche du Pentagone) y ont pourtant déjà investi des millions de dollars [8].

Ce qu'il faut surveiller avant de croire à l'ordinateur vivant

Le braille de l'université de Bristol ne fera tourner aucun ordinateur l'an prochain. Il fournit en revanche une grille de lecture pour juger les prochaines annonces du secteur. Voici les quatre fronts où se jouera la crédibilité du biocalcul.

Fermer la boucle, le vrai test

La prochaine étape décrite par Tianyi Liu est un système en boucle fermée : l'activité des organoïdes participerait à la perception et aux décisions d'un robot, et les conséquences de ses gestes leur seraient renvoyées. C'est seulement à ce stade qu'on pourra tester s'ils s'adaptent à une tâche.

Le signal à guetter est donc précis : une courbe de progression obtenue avec du toucher réel, comparée honnêtement à un décodeur sur silicium qui travaillerait sans tissu vivant. Tant que cette comparaison manque, le mot « apprendre » reste un abus de langage.

Le mur de la taille et de la durée de vie

Sur la plateforme de FinalSpark, les organoïdes vivent une centaine de jours environ, là où une puce de silicium tient des années [6]. Un composant qui meurt au bout de trois mois oblige à repenser toute la notion de matériel informatique, de la maintenance au coût par calcul.

La taille pose un autre problème. Dès 2023, Thomas Hartung, chercheur à l'université Johns Hopkins et co-inventeur du terme « intelligence organoïde », jugeait les organoïdes d'alors trop petits avec environ 50 000 cellules. Il estimait qu'il faudrait monter à 10 millions [9].

Reste la variabilité : deux organoïdes ne sont jamais identiques, ce qui complique la reproduction des résultats. L'astuce de l'université de Bristol, additionner plusieurs organoïdes, pourrait devenir une réponse pragmatique : au lieu de fabriquer le neurone parfait, on mise sur le collectif.

L'éthique arrive avant la conscience

La question qui fait frissonner, celle d'une conscience dans la boîte, reste spéculative : une revue signée par des chercheurs de l'université Johns Hopkins juge les données actuelles peu compatibles avec cette hypothèse.

Le chantier concret porte sur le consentement des donneurs, qui devraient connaître les usages prévisibles de leurs cellules et garder un certain contrôle sur elles [10].

Un donneur qui a accepté d'aider la recherche médicale n'imaginait sans doute pas que ses neurones finiraient loués au mois sur une plateforme de calcul. Selon nous, c'est sur ce terrain du consentement, bien plus que sur celui de la conscience, que les premières règles ont le plus de chances d'arriver.

Trois questions à poser à la prochaine annonce

Face au prochain titre sur un « ordinateur fait de cerveau humain », trois vérifications suffisent à séparer la science du marketing. Elles valent autant pour les communiqués d'entreprise que pour les études.

• Boucle ouverte ou fermée ? Sans retour d'information sur ses erreurs, le tissu fournit une réponse que l'on mesure ; l'apprentissage reste à démontrer.
• Qui fait le tri final ? Si un algorithme classique décode tout, la contribution du tissu vivant doit être isolée et chiffrée.
• Comparé à quoi ? Une précision ou une économie d'énergie n'a de sens que face à une référence sur silicium, système de maintien en vie compris.

L'étude de l'université de Bristol a le mérite de répondre clairement aux deux premières questions, et en partie à la troisième grâce à son test de bruit. Dans un domaine qui fait rêver les investisseurs, ses auteurs ne prétendent pas que leurs organoïdes lisent : ils ont publié ce qu'ils ont mesuré.

Sources principales :

1. 404 Media – Computers Made of Human Brain Tissue Identify Braille Letters In Breakthrough
   Organoïdes d'environ 10 000 neurones, expérience en boucle ouverte qui ne prouve aucun apprentissage, limites de fiabilité et de reproductibilité selon Tianyi Liu. (404media.co)
2. Liu, Philamore et Ward-Cherrier (université de Bristol) – Encoding Tactile Stimuli for Braille Recognition with Organoids
   Tests sur la Neuroplatform de FinalSpark, huit électrodes par organoïde, décodage par machine à vecteurs de support, cerveau humain à environ 20 watts. (arxiv.org)
3. Frontiers – Mini brain organoids 'reading' Braille marks key step towards biohybrid computing
   Précision de 61 % pour un organoïde seul, 83 % pour trois, et meilleure résistance au bruit que le décodeur seul. (frontiersin.org)
4. ScienceAlert – A Dish of Brain Cells Figured Out How to Play Pong in 5 Minutes
   DishBrain : environ 800 000 neurones, des retours électriques à chaque balle manquée, un apprentissage observé en cinq minutes environ. (sciencealert.com)
5. News-Medical – Brainoware: A breakthrough AI approach using brain organoids for advanced computation
   La précision de Brainoware en reconnaissance vocale passe de 51 % à 78 % avec l'entraînement (Nature Electronics, 2023). (news-medical.net)
6. Tom's Hardware – World's first bioprocessor uses 16 human brain organoids for 'a million times less power' consumption than a digital chip
   Accès à 500 dollars par mois et par utilisateur, consommation un million de fois moindre selon FinalSpark, organoïdes vivant environ 100 jours. (tomshardware.com)
7. HotHardware – Cortical Labs Ships $35K Bio-Computer With Human Brain Cells For AI Research
   Le CL1 de Cortical Labs : 800 000 neurones, 35 000 dollars l'unité, cellules maintenues en vie environ six mois. (hothardware.com)
8. STAT News – Brain organoid pioneers fear inflated claims about biocomputing could backfire
   Des chercheurs craignent un retour de bâton face aux promesses du biocalcul, dans lequel la NSF et la DARPA ont investi des millions de dollars. (statnews.com)
9. EurekAlert – Scientists unveil plan to create biocomputers powered by human brain cells
   Thomas Hartung estime les organoïdes trop petits avec environ 50 000 cellules et juge qu'il en faudrait 10 millions. (eurekalert.org)
10. Frontiers in Artificial Intelligence – Brain organoids and organoid intelligence from ethical, legal, and social points of view
    Conscience jugée improbable en l'état des données, consentement éclairé des donneurs et contrôle durable sur leur matériel génétique. (frontiersin.org)