L'intelligence artificielle a fait des progrès remarquables, mais elle reste insuffisante sur trois points fondamentaux : elle ne peut pas interagir avec le monde physique, elle apprend de manière rigide et elle consomme trop d'énergie et de données. Un récent rapport d'un atelier de la National Science Foundation décrit comment les principes issus des neurosciences peuvent combler ces lacunes, ouvrant la voie à un nouveau domaine appelé NeuroAI.
Trois lacunes de l'IA actuelle
En août 2025, la NSF a réuni des neuroscientifiques et des chercheurs en IA de premier plan, dont Anthony Zador, Jean-Marc Fellous et Terrence Sejnowski. Leur analyse, publiée sur arXiv en avril 2026, identifie trois lacunes en matière de capacités :
- Incapacité à interagir avec le monde physique : Les systèmes d'IA manquent d'expérience incarnée dans le monde réel, que même les animaux simples possèdent.
- Apprentissage inadéquat : L'IA produit souvent des systèmes rigides qui échouent lorsque les conditions changent légèrement.
- Inefficacité énergétique et de données insoutenable : L'entraînement de grands modèles nécessite des ressources informatiques et des données massives, bien au-delà de ce qu'utilise un cerveau biologique.
Solutions inspirées des neurosciences
Le rapport met en avant cinq principes neuroscientifiques pouvant répondre à ces lacunes :
- Co-conception du corps et du contrôleur — comme les corps et les systèmes nerveux des animaux évoluent ensemble.
- Prédiction par l'interaction — apprendre en s'engageant activement avec l'environnement.
- Apprentissage multi-échelle avec contrôle neuromodulateur — utiliser des signaux chimiques pour réguler l'apprentissage sur différentes échelles de temps.
- Architectures hiérarchiques distribuées — organiser le calcul à plusieurs niveaux, comme le fait le cortex.
- Calcul parcimonieux piloté par les événements — traiter l'information seulement quand nécessaire, économisant de l'énergie.
Les auteurs décrivent une feuille de route de recherche avec des jalons à court terme (1 à 5 ans), moyen terme (5 à 10 ans) et long terme (10 ans et plus). Ils soulignent que réaliser la NeuroAI nécessite de former une nouvelle génération de chercheurs à l'aise à la fois en neurosciences et en ingénierie.
Pourquoi cela importe pour votre cerveau
Comprendre comment le cerveau fonctionne améliore non seulement l'IA, mais approfondit aussi notre connaissance de notre propre cognition. Les principes identifiés — comme la prédiction par l'interaction et le calcul parcimonieux — sont pertinents pour la façon dont vous apprenez et mémorisez. Par exemple, l'apprentissage actif (interagir avec le contenu plutôt que de lire passivement) est plus efficace car il reflète le style prédictif et interactif du cerveau. De même, faire des pauses et espacer l'apprentissage s'aligne sur le contrôle neuromodulateur multi-échelle.
Ce que vous pouvez faire
Pour améliorer votre propre efficacité cognitive, essayez ces stratégies fondées sur des preuves :
- Apprenez en faisant : engagez-vous activement avec les nouvelles informations — enseignez-les, appliquez-les ou discutez-en.
- Espacez votre pratique : utilisez la répétition espacée pour renforcer la mémoire au fil du temps.
- Réduisez le multitâche : concentrez-vous sur une tâche à la fois pour préserver l'énergie mentale, un peu comme le calcul parcimonieux du cerveau.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
