Blog · IA

Le cerveau d'une mouche est entièrement cartographié — et c'est une IA qui a tenu le crayon

166 000 neurones, 125 millions de connexions. C'est le premier système nerveux central complet d'un animal. Et la manière dont il a été obtenu ne ressemble à rien de ce qu'on vous vend sous le nom d'intelligence artificielle.

Ce qui a été publié

Le 3 septembre 2026, la revue Cell a publié le connectome complet du système nerveux central d'une drosophile mâle — le cerveau, les deux lobes optiques et la chaîne nerveuse ventrale, l'équivalent de notre moelle épinière. Le travail est mené par le Janelia Research Campus du HHMI, avec Google Research. Une préversion circulait sur bioRxiv depuis le 10 octobre 2025.

Plus de 166 000 neurones et environ 125 millions de synapses. C'est à ce jour la plus grande carte cérébrale jamais établie en nombre de neurones.

Ce n'est pas le premier connectome de mouche. En octobre 2024, le consortium FlyWire publiait dans Nature le cerveau d'une drosophile femelle : 139 255 neurones et 54,5 millions de connexions. La différence tient en deux points. Cette fois, le périmètre va « des yeux jusqu'aux pattes en une seule étape », selon le neuroscientifique Greg Jefferis. Et pour la première fois, on peut comparer les deux sexes d'un animal au comportement social complexe.

Le détail qui intéresse un DSI, pas un biologiste

Cette carte n'a pas été dessinée à la main. Elle a été reconstruite par des réseaux de neurones convolutifs appelés flood-filling networks : on part d'un pixel dans un empilement d'images de microscopie électronique, et le modèle identifie de proche en proche tous les autres pixels qui appartiennent au même neurone. Répété sur des dizaines de milliers de cellules enchevêtrées.

Autrement dit : une tâche unique, mécanique, répétée à une échelle qu'aucune équipe humaine ne pourrait tenir. Pas un oracle à qui l'on pose des questions.

Ce qu'il faut en retenir

Trois leçons qui n'ont rien à voir avec les mouches

1. L'IA qui marche est un spécialiste, pas un généraliste

Le modèle qui a rendu ce projet possible sait faire une chose : suivre un contour dans un volume d'images. Il ne comprend rien à la neurobiologie, ne rédige pas l'article, ne formule aucune hypothèse. Sa valeur vient entièrement du fait qu'il fait cette chose-là dix millions de fois sans se fatiguer.

Conséquence : Dans votre organisation, les projets d'IA qui aboutissent ressemblent à celui-ci — une tâche étroite, ennuyeuse, à très gros volume. Ceux qui échouent commencent par « et si l'IA nous aidait à décider… ».

2. Le résultat est vérifiable, et c'est tout le sujet

Chaque neurone reconstruit par la machine a été relu par des humains. C'est possible parce que la sortie du modèle est une forme géométrique qu'on peut superposer aux images d'origine : elle est juste ou elle est fausse, et ça se voit. Des années de relecture ont été investies là-dedans.

Conséquence : C'est le critère à appliquer à vos propres projets. Si personne ne peut dire si une sortie est juste, vous n'avez pas un outil : vous avez un générateur d'affirmations. Le coût de la vérification fait partie du projet, il n'est pas en option.

3. Le goulot d'étranglement n'a jamais été le modèle

Dix ans de partenariat. L'essentiel du temps n'est pas passé à entraîner des modèles, mais à acquérir les images — découper un cerveau de mouche en tranches et le photographier au microscope électronique — puis à annoter, corriger, typer les cellules. Les équipes ont même dû fabriquer des neurones synthétiques pour enrichir les données d'entraînement.

Conséquence : La donnée et sa qualité coûtent plus cher que le modèle, et c'est là que les projets dérapent. Un budget IA qui ne prévoit rien pour la préparation des données prévoit surtout un échec.

Garder la mesure

Et le cerveau humain, alors ?

Le facteur d'échelle qu'on oublie de mentionner

Une drosophile : environ 166 000 neurones. Un cerveau humain : de l'ordre de 86 milliards. Le rapport est d'environ un pour cinq cent mille — et il ne porte que sur le nombre de cellules, pas sur le volume de données de microscopie, qui croît bien plus vite que linéairement.

Les chercheurs eux-mêmes présentent la mouche comme un terrain d'essai pour des techniques applicables à de plus gros cerveaux. C'est la formulation honnête. Toute personne qui vous explique que le connectome humain est « pour bientôt » vend autre chose que de la science.

À retenir : Une réussite spectaculaire sur une tâche bornée ne dit rien de la même tâche à une échelle mille fois supérieure. C'est vrai pour les connectomes, et c'est vrai pour à peu près toutes les démonstrations d'IA qu'on vous présentera cette année.

Le calendrier réglementaire qui encadre ces usages est suivi dans l'article sur le calendrier de l'AI Act.

Sources : Google Research — A connectomics milestone (chiffres, date de publication dans Cell, rôle des flood-filling networks et du système PATHFINDER), HHMI Janelia (préversion bioRxiv d'octobre 2025, citations de Gerry Rubin et Greg Jefferis), et Nature, octobre 2024 pour le connectome FlyWire du cerveau femelle. L'ordre de grandeur de 86 milliards de neurones humains est l'estimation communément retenue en neurosciences. Synthèse de veille par un praticien IT, pas par un neuroscientifique : les liens sont là pour que vous puissiez vérifier.

Vos projets d'IA ont-ils une sortie vérifiable ?

C'est la première question à poser, et elle tue plus de projets qu'un budget. Autant la poser tôt.

Demander un premier échange