Des scientifiques ont créé pour la première fois un neurone artificiel pouvant communiquer avec le cerveau humain.

Un groupe de recherche aux États-Unis dévoile un composant capable non seulement d’émettre des signaux, mais aussi de les moduler avec une finesse telle que des neurones biologiques peuvent les « accepter ». Ce travail ouvre la voie à des interfaces qui ne perturbent pas le vivant, mais s’y intègrent.

Ce que sait faire le neurone artificiel UMass 2025

« Le 29 septembre 2025, des chercheurs de l’University of Massachusetts ont rapporté dans Nature Communications : un neurone artificiel communique directement et de manière réaliste avec des neurones biologiques. »

Le prototype émet et capte des signaux électriques à des intensités proches de celles du système nerveux naturel. Surtout, il reste fiable en environnement humide - autrement dit, dans des conditions comparables à celles où vivent les cellules. Ce point, en apparence simple, est délicat sur le plan technique : de nombreux matériaux perdent leur conductivité en milieu aqueux ou se dégradent.

Des nanofils protéiques comme pont biocompatible

L’équipe s’appuie sur des nanofils protéiques ultrafins produits par des bactéries. Ces filaments conducteurs adhèrent aux surfaces, transportent des électrons et conservent leurs propriétés dans un liquide. Cet ensemble d’atouts permet de créer une interface capable de coexister avec des neurones dans un milieu de culture, tout en transmettant les signaux sans bruit parasite grossier.

« Les nanofils protéiques créent une couche conductrice et biocompatible qui transmet de façon stable des signaux neuronaux en environnement aqueux. »

Des signaux « à voix basse » autour de 0,1 volt

Les neurones artificiels précédents « parlaient » trop fort : leurs tensions étaient souvent bien supérieures à celles observées dans les fibres nerveuses. Résultat, les cellules réceptrices étaient saturées et l’information se trouvait altérée. La nouvelle approche change d’échelle.

« Le composant fonctionne à environ 0,1 volt - proche du niveau biologique. Les versions antérieures utilisaient des tensions environ dix fois plus élevées et jusqu’à cent fois plus de puissance. »

Conséquence directe : les signaux arrivent avec la bonne intensité. Les cellules biologiques répondent sans entrer en état de stress. Une liaison réellement exploitable entre silicium et tissu nerveux se rapproche ainsi.

Pourquoi les neurones sont si difficiles à remplacer

Le cerveau humain pilote le mouvement, la perception et la mémoire grâce à un réseau d’environ 100 milliards de neurones. Chaque cellule reçoit des stimuli via ses dendrites, les traite dans le corps cellulaire, puis transmet des impulsions le long de l’axone. Quand cette chaîne se rompt, des « vides » apparaissent dans le système. Des maladies comme Parkinson affectent la motricité, des troubles sensoriels diminuent la perception, et les démences attaquent la mémoire.

Le nœud du problème : à l’âge adulte, les neurones se renouvellent très peu. Lorsqu’une cellule disparaît, la lacune persiste le plus souvent. C’est pourquoi, depuis des années, la recherche tente de contourner ou de ponter des circuits défaillants. Si les puces numériques peuvent imiter certaines fonctions neuronales, elles dialoguent rarement dans la langue discrète et analogue du cerveau. C’est précisément sur ce point que se concentre ce nouveau travail.

Comparatif en un coup d’œil

Critère	Neurones artificiels précédents	Neurone UMass 2025
Tension de fonctionnement	Plusieurs fois au-dessus du niveau biologique	Environ 0,1 V (proche du système nerveux)
Consommation d’énergie	Élevée, parfois 100× au-dessus de la nouvelle approche	Faible, économe en énergie
Qualité du signal	Saturation, transmission déformée	Communication « à voix basse », motifs réalistes
Résistance à l’environnement	Faible dans les milieux humides	Stable en environnement liquide proche des cellules

Ce que cela change pour la médecine et la technologie

Un neurone artificiel qui « parle » avec des cellules rebat les priorités. L’enjeu ne se limite pas à la puissance de calcul : il s’agit d’interfaces ajustées au vivant. Des thérapies pourraient gagner en précision, des prothèses devenir plus naturelles, et des architectures neuromorphes mieux s’adapter.

Applications possibles en clinique

• Stimulation cérébrale profonde : des électrodes capables de stimuler de façon sélective et finement dosée pourraient mieux atténuer les tremblements liés à Parkinson.
  
• Prothèses sensorielles : des aides auditives ou visuelles pourraient délivrer des signaux que le cerveau traite sans post-traitement lourd.
  
• Neurorééducation : des ponts biohybrides pourraient coupler provisoirement des voies endommagées et renforcer les effets de l’entraînement.
  
• Gestion de l’épilepsie : des systèmes détecteraient plus tôt les crises et moduleraient les réseaux en temps réel avec une dépense énergétique minimale.
  

Opportunités pour les puces neuromorphes

Les calculateurs neuromorphes s’inspirent du cerveau : ils traitent l’information de manière événementielle et réduisent la consommation d’énergie. À l’avenir, des neurones artificiels pourraient ne plus seulement simuler, mais se connecter directement à des réseaux biologiques. Les algorithmes d’apprentissage recevraient des retours provenant de tissu réel. Des modèles « lab-on-a-chip » reproduiraient plus fidèlement les mécanismes des maladies.

Limites, risques et prochaines étapes

Pour l’instant, le prototype reste cantonné au laboratoire. Avant toute utilisation dans le corps, plusieurs obstacles doivent être levés : durabilité, protocoles de stérilisation, réactions immunitaires et ancrage sécurisé dans le tissu. L’éthique des données entre aussi en jeu. Les signaux neuronaux portent des informations sensibles ; toute interface nécessite des dispositifs de protection stricts et des consentements explicites.

Sur le plan technique, il faut encore connecter de nombreuses cellules de façon stable. La production à grande échelle des nanofils protéiques, le calibrage de seuils individuels et la protection contre la corrosion restent des chantiers. En parallèle, les performances doivent demeurer constantes pendant des mois. Ce n’est qu’à cette condition que le passage à des modèles précliniques devient pertinent.

« La biocompatibilité, la stabilité à long terme et la protection des données décideront si cette base de laboratoire deviendra une plateforme médicale. »

Clarification : ce que signifie « neuromorphe »

Les systèmes neuromorphes reproduisent des principes fonctionnels du cerveau : fonctionnement basé sur les événements, répartition de la charge de calcul sur de nombreuses unités, et stockage au plus près du calcul. Cela diminue les échanges de données et la dépense énergétique. Les neurones artificiels apportent des briques capables de moduler les signaux en continu, plutôt que de les enfermer dans des paquets numériques rigides.

Mini-simulation : comment un pont de signal peut fonctionner avec un neurone artificiel

Imaginons une voie endommagée qui affaiblit des signaux moteurs. Un neurone artificiel se place entre deux groupes de cellules. Il mesure les impulsions entrantes, ajuste amplitude et cadence, puis les retransmet dans un format compatible. Les neurones en aval recommencent à décharger de façon synchrone. Un pont fonctionnel apparaît ainsi, sans stimulation agressive du tissu.

Lorsqu’on évalue le rapport bénéfice/risque, il faut aussi considérer les effets indésirables. Des tensions faibles limitent l’échauffement et réduisent le stress tissulaire. Une interface précise diminue les décharges inappropriées. En contrepartie, la technologie exige une personnalisation : chaque cerveau oscille différemment, et chaque réseau apprend à son rythme. Des boucles de régulation adaptatives au sein du neurone artificiel deviennent alors un élément clé.