Une recherche publiée dans la revue Science Advances, menée par l'équipe du professeur Nabil Imam à l'Université Georgia Tech, remet en cause le concept populaire du cerveau divisé en une couche rationnelle superposée à un cerveau reptilien primitif. Plutôt qu'une évolution en couches successives, l'étude révèle que le développement cérébral résulte d'un compromis stratégique dans l'allocation de l'espace neural. Les chercheurs ont analysé la structure cérébrale de plus de cent quatre-vingts espèces et ont constaté que le néocortex, responsable de la perception, de la raison et des sens comme la vue, fonctionne selon un réseau à cartographie spatiale. Les zones traitant des informations proches du corps ou du champ visuel sont physiquement regroupées. À l'inverse, le système limbique, souvent associé aux émotions mais gérant aussi la mémoire et l'odorat, utilise un système de connexion distribué comparable à un code-barres, où l'information est représentée par des schémas de neurones dispersés. Cette différence fondamentale de câblage, présente dès la naissance, explique pourquoi ces deux systèmes évoluent de manière coordonnée et inverse. Les ressources énergétiques et spatiales étant limitées, la sélection naturelle favorise l'un ou l'autre selon les besoins environnementaux. Une espèce dépendante de l'odorat, comme le tatou à neuf bandes, développe un système limbique massif au détriment du néocortex, tandis qu'un primate visuel, comme le singe écureuil, présente un néocortex prédominant. L'évolution ne consisterait donc pas à ajouter de nouvelles couches de logique, mais à redistribuer l'espace cérébral en fonction des priorités sensorielles de l'espèce. Ces découvertes offrent également des pistes prometteuses pour l'intelligence artificielle. Les réseaux de neurones actuels reposent principalement sur l'apprentissage par exposition à d'immenses quantités de données. En intégrant aux modèles artificiels une architecture préréglée inspirée de cette dualité cérébrale, les ingénieurs pourraient développer des systèmes plus efficaces, nécessitant beaucoup moins de données et d'énergie pour traiter l'information. Cette approche hybride, combinant une structure innée et l'expérience, pourrait accélérer le déploiement d'IA plus proches du fonctionnement biologique.