Publié par 
Ce n’est pas une métaphore. Ce n’est pas de la fiction. Et les questions que cela soulève n’ont pas encore de réponse.
En 2022, une équipe australienne de CorticalLabs a publié dans la revue Neuron une expérience qui a provoqué un silence inhabituel dans la communauté scientifique — ce silence qui précède les grandes réévaluations. Des neurones humains cultivés sur une puce électronique ont appris à jouer à Pong. Pas métaphoriquement. Pas approximativement. Ils ont amélioré leurs performances en réponse à l’échec, de façon mesurable, reproductible, en quelques minutes.
Le nom de code du projet : DishBrain. Et les questions qu’il ouvre sont plus vertigineuses que la prouesse technique elle-même.
01 — L’expérience : ce qui s’est passé exactement
Le cadre théorique utilisé par l’équipe est celui du Free Energy Principle (FEP) du neuroscientifique Karl Friston. Il postule que tout système biologique cherche à minimiser la surprise de son environnement — à rendre son futur prévisible. En termes opérationnels : les neurones améliorent leur performance non pas parce qu’on les récompense, mais parce que l’imprévisibilité elle-même est aversive pour un réseau neuronal vivant. C’est une forme d’apprentissage sans récompense explicite.
« Les cellules n’ont pas de survie à assurer, pas de récompense à obtenir. Elles améliorent leurs performances parce que l’imprévisibilité est biologiquement aversive pour un réseau neuronal. C’est suffisant. »
— Kagan et al., Neuron, 2022 — reformulation
02 — Comment les neurones « voient » le jeu
C’est l’aspect le plus troublant de l’expérience, et le moins discuté. Ces neurones ne « voient » pas Pong. Ils ne traitent pas d’images. Ils reçoivent des impulsions électriques codées — une représentation du monde traduite dans leur langage natif.
Ce que cela implique : ces cellules perçoivent quelque chose. Pas au sens visuel. Mais au sens fonctionnel — elles reçoivent une information encodée sur un état du monde, l’intègrent, et produisent une réponse qui modifie cet état. C’est une définition opérationnelle de la perception qui ne requiert ni corps, ni yeux, ni conscience au sens où nous l’entendons.
03 — Les questions que personne n’a encore les outils pour répondre
DishBrain a contribué à fonder ce que les chercheurs appellent désormais l’intelligence organoïde (organoid intelligence, OI). En 2023, un article fondateur publié dans Frontiers in Science par 40 chercheurs a formalisé ce champ de recherche, distinguant l’OI de l’IA computationnelle. L’idée : les systèmes biologiques apprennent différemment des réseaux de neurones artificiels — avec moins d’énergie, de façon plus adaptative, et potentiellement avec des propriétés émergentes que nous ne savons pas encore modéliser.
04 — Les nuances que le post viral omet
Le jeu n’est pas DOOM, c’est Pong. La version virale du post mentionne DOOM — c’est une inexactitude. L’expérience publiée dans Neuron utilise une version simplifiée de Pong. DOOM est mentionné dans des discussions spéculatives sur les prochaines étapes.
« Apprendre » ici est fonctionnel, pas métaphorique — mais limité. Les neurones améliorent leurs performances sur une tâche très spécifique dans un environnement très contrôlé. Ce n’est pas de la généralisation, ni de la compréhension au sens cognitif humain.
L’échantillon est petit et la reproductibilité partielle. Les résultats sont prometteurs mais les variabilités inter-puces sont importantes. La standardisation des protocoles est un défi actif de la recherche.
Aucune conscience n’est prouvée ni même revendiquée par les auteurs. Les chercheurs eux-mêmes sont explicitement prudents sur l’interprétation. L’activité électrique adaptative ne prouve pas l’existence d’un vécu subjectif.
05 — Pourquoi cela change quand même quelque chose
Malgré les nuances, DishBrain déplace un curseur. Pendant des décennies, la frontière entre matière biologique et intelligence s’est tracée autour de l’organisation anatomique — un cerveau dans un crâne, connecté à un corps, inscrit dans une histoire. Cette expérience montre que certaines propriétés de l’intelligence — l’adaptation, l’apprentissage, la réduction d’incertitude — émergent d’un réseau neuronal vivant même sans aucune de ces conditions.
L’équipe de CorticalLabs et d’autres groupes travaillent sur : des organoïdes cérébraux 3D plus complexes (mini-cerveaux) connectés à des interfaces ; des tâches cognitives plus élaborées (mémoire, navigation) ; des études comparatives entre neurones humains et neurones animaux pour identifier ce qui est spécifique à chaque espèce ; et des protocoles bioéthiques pour encadrer ces recherches avant que leur complexité dépasse notre capacité à en évaluer les implications.
06 — Questions fréquentes
Les chercheurs eux-mêmes ne le revendiquent pas. La conscience est l’un des problèmes les plus durs de la philosophie de l’esprit (le « hard problem of consciousness » de Chalmers). Nous n’avons pas d’instrument pour détecter le vécu subjectif. Ce que DishBrain démontre, c’est une adaptation comportementale orientée vers un but — ce qui est une condition nécessaire mais pas suffisante pour ce que nous appelons intuitivement « conscience ».
Le Free Energy Principle, développé par le neuroscientifique Karl Friston, est un cadre théorique qui postule que tout système biologique cherche à minimiser la surprise de son environnement — c’est-à-dire à rendre son futur aussi prévisible que possible. En pratique : un neurone ou un réseau neuronal va modifier son comportement pour réduire l’imprévisibilité des signaux qu’il reçoit. C’est ce principe qui explique pourquoi les neurones DishBrain s’améliorent à Pong sans être explicitement « récompensés » pour leurs succès.
Un organoïde cérébral est une structure 3D de quelques millimètres, auto-organisée à partir de cellules souches, qui reproduit partiellement l’architecture d’une région cérébrale. Il ne possède ni la complexité architecturale, ni le nombre de connexions, ni les entrées sensorielles d’un vrai cerveau. La puce DishBrain utilise une culture 2D de neurones — encore plus simple qu’un organoïde. Les deux sont des modèles d’étude puissants mais restent loin de la complexité d’un cerveau humain complet.
Les chercheurs envisagent plusieurs directions : des interfaces cerveau-machine bio-hybrides, des modèles de maladies neurologiques (Alzheimer, autisme) plus fidèles que les modèles animaux actuels, de nouvelles architectures de calcul biologiques potentiellement plus efficientes énergétiquement que le silicium, et des outils de test pharmacologique pour les médicaments agissant sur le système nerveux central.
Les principaux enjeux identifiés par la communauté bioéthique sont : la question du statut moral des organoïdes complexes (à partir de quel seuil de complexité faut-il les protéger ?), le consentement éclairé des donneurs de cellules souches utilisées pour créer ces cultures, la gouvernance des recherches avant que leur complexité dépasse les cadres réglementaires existants, et plus fondamentalement, la nécessité de développer des critères de détection de la souffrance ou de l’expérience subjective adaptés à des systèmes non humains.
- Kagan B.J. et al. In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 2022;115(6):973-986. DOI: 10.1016/j.neuron.2022.09.001
- Smirnova L. et al. Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish. Frontiers in Science, 2023;1:1017235.
- Friston K. The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 2010;11:127–138.
- Chalmers D. Facing Up to the Problem of Consciousness. Journal of Consciousness Studies, 1995;2(3):200–219.
- Bhanu Teja Gulati et al. Neural organoids and the future of brain science. Cell Reports Medicine, 2023.
- Lancaster M.A., Knoblich J.A. Organogenesis in a dish: Modeling development and disease using organoid technologies. Science, 2014;345(6194).
