Qu’est-ce qui permet de créer une intelligence artificielle capable de se comporter comme un humain ? Pour les informaticiens, la réponse est claire : des grappes massives de supercalculateurs. Pour imiter l’intelligence humaine, les chercheurs pensent en grand. Mais pour les neuroscientifiques, qui cherchent à comprendre le fonctionnement réel du cerveau, les grands modèles d’IA ne suffisent pas : ils remplacent un système complexe (le cerveau) par un autre tout aussi complexe (l’IA). Alors, comment percer les mécanismes internes du cerveau biologique ? Benjamin Cowley, chercheur à Cold Spring Harbor Laboratory, propose une autre voie : penser petit. En collaboration avec Matthew Smith (Carnegie Mellon University) et Jonathan Pillow (Princeton University), Cowley a conçu un nouveau modèle d’IA bien plus petit et simple que les systèmes dits « d’avant-garde », mais bien plus efficace pour illustrer comment le cerveau interprète les stimuli visuels. Dans une étude récente publiée dans Nature, les chercheurs ont présenté à des macaques des images naturelles soigneusement sélectionnées, tout en enregistrant les réponses des neurones dans leur cortex visuel. À partir de ces données, ils ont d’abord entraîné des modèles d’IA massifs pour prédire ces réponses neuronales, avec un succès supérieur de plus de 30 % à celui des modèles concurrents. Ensuite, ils ont utilisé une technique de compression pour réduire ce modèle colossal à environ 1/1 000 de sa taille initiale. Le résultat ? Un modèle de vision aussi petit qu’un fichier attaché à un courriel. Cette réduction drastique est déjà une avancée majeure. Mais Cowley ne s’arrête pas là : il analyse en profondeur les mécanismes internes de ce modèle compact. Ce qu’il découvre est fascinant : les « neurones » du modèle décomposent les images en éléments de base — comme des bords ou des couleurs — puis combinent ces informations de façons uniques. Ce processus révèle une logique précise. En particulier, le modèle révèle que certaines unités neuronales se spécialisent dans des caractéristiques très spécifiques. Cowley donne un exemple parlant : « Dans le cerveau du singe — et probablement dans le nôtre aussi — il existe un groupe de neurones V4 qui adorent les points. » Cette particularité n’est pas anodine. Les yeux, par exemple, sont des points chargés d’informations cruciales. La reconnaissance des yeux, le contact visuel, la communication sociale… tout cela repose sur la détection de ces petits détails. À l’avenir, ces découvertes pourraient ouvrir la voie à des modèles d’IA dédiés à des troubles mentaux. « Dans la démence d’Alzheimer, nous savons que les synapses se perdent », explique Cowley. « Si nous connaissons les images qui activent les neurones pour qu’ils communiquent, nous pourrions un jour rétablir ces connexions perdues. » Qui sait ? Un jour, regarder des images spécifiques pourrait aider à prévenir, voire traiter, des maladies neurodégénératives. L’avenir de la neurologie pourrait bien commencer par un simple regard.