RechercheMIT Technology Review3h· 2 min de lecture

Atteint de SLA, il est le premier grand utilisateur d'un implant cérébral qui lui permet de parler

Casey Harrell, 45 ans au moment des faits, atteint de sclérose latérale amyotrophique (SLA) et entièrement paralysé, est devenu le premier "power user" d'un implant cérébral destiné à restaurer la parole. En juillet 2023, une équipe de l'Université de Californie à Davis, dirigée par David Brandman, professeur associé de neurochirurgie, lui a implanté quatre réseaux de 64 électrodes chacun dans le cerveau, reliés à deux points de connexion fixés sur le crâne. Dès août 2023, un mois après l'opération, Harrell communiquait avec un vocabulaire de 50 mots et un taux de précision de 99,6 %. Ce vocabulaire a depuis été étendu à 125 000 mots, avec une précision de 97,5 %. Sur les 22,6 premiers mois suivant l'implantation, il a utilisé le dispositif plus de 3 800 heures à domicile sans la présence de chercheurs, selon une étude publiée cette semaine dans la revue Nature Medicine.

L'avancée la plus significative tient à l'autonomie croissante de Harrell. En 2023, des membres de l'équipe devaient encore se rendre physiquement chez lui pour connecter et déconnecter l'appareil. Aujourd'hui, son soignant effectue seul cette opération : Harrell se réveille, est branché, et commence sa journée. Il surfe sur le web et exerce son travail grâce à l'interface. "Vivre avec une maladie comme la SLA, on est censé avoir des rêves diminués. Ce n'est pas mon cas", confie-t-il au MIT Technology Review. Cette autonomie est décisive : elle démontre qu'un tel dispositif peut fonctionner efficacement sur le long terme hors cadre clinique, et qu'un patient gravement atteint peut s'en emparer comme d'un véritable outil quotidien.

Le système repose sur le décodage du cortex moteur de la parole, la région cérébrale qui coordonne les mouvements nécessaires à l'articulation. En enregistrant l'activité neuronale liée aux 39 phonèmes de l'anglais américain, les algorithmes construisent un décodeur personnalisé qui convertit les signaux cérébraux en parole synthétisée. L'une des grandes incertitudes des interfaces cerveau-ordinateur (BCI) à long terme est la formation de tissu cicatriciel autour des électrodes, susceptible de dégrader la captation des signaux neuronaux. Ce phénomène ne semble pas affecter Harrell à ce stade, ce qui est en soi un résultat encourageant. La SLA touche environ 30 000 personnes aux États-Unis. Des acteurs comme Neuralink et Synchron travaillent également sur des BCI humains, mais la durabilité et l'autonomisation démontrées par le cas Harrell constituent un jalon concret vers des dispositifs cliniquement viables, utilisables au quotidien par des patients en dehors de tout laboratoire.

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Interesting Engineering

Les États-Unis utilisent le premier supercalculateur exascale mondial pour modéliser des supernovae et des réacteurs à fusion

Des scientifiques américains du laboratoire national d'Oak Ridge (ORNL), rattaché au Département de l'Énergie, ont utilisé Frontier, le superordinateur exascale le plus puissant du monde, pour modéliser la turbulence magnétohydrodynamique (MHD) dans les plasmas. Capable d'effectuer plus de deux quintillions de calculs par seconde, Frontier est classé troisième superordinateur le plus rapide au monde, derrière Aurora et El Capitan. L'équipe, dirigée par le doctorant Semih Kacmaz sous la supervision d'Eliu Huerta, scientifique computationnel à l'Argonne National Laboratory, a développé une approche en deux étapes combinant un opérateur neuronal informé par la physique et un modèle de diffusion génératif. Ensemble, ces deux systèmes d'IA produisent des prédictions de turbulences très détaillées en quelques secondes, avec une réduction des erreurs de plus de moitié par rapport aux méthodes conventionnelles. Ce résultat représente une avancée majeure dans un domaine que les physiciens considèrent comme l'un des plus récalcitrants de leur discipline. La turbulence MHD régit le comportement des gaz ionisés soumis à des champs magnétiques, des phénomènes omniprésents dans l'univers : éruptions solaires, explosions de supernovæ, magnétosphère terrestre. Les méthodes traditionnelles, comme l'approche Reynolds-Averaged Navier-Stokes (RANS), reposent sur des équations simplifiées qui lissent les détails fins et ne capturent pas toute la physique en jeu. Le nouveau cadre IA, lui, reconstruit les petits tourbillons et fluctuations rapides qui définissent les écoulements turbulents, ouvrant la voie à des modèles de supernovæ bien plus précis et à la conception de réacteurs à fusion nucléaire plus efficaces. "C'est la première fois que l'IA parvient à modéliser fidèlement la turbulence magnétisée dans des conditions aussi extrêmes", a déclaré Huerta. La turbulence dans les plasmas constitue un obstacle de longue date pour deux domaines stratégiques : l'astrophysique, qui cherche à comprendre les explosions stellaires, et la fusion nucléaire, dont la viabilité industrielle dépend en partie de la maîtrise du comportement des plasmas à haute énergie. Des projets comme ITER ou les réacteurs privés de Commonwealth Fusion Systems se heurtent précisément à ces instabilités. En mobilisant l'allocation de temps de calcul sur Frontier pour générer des milliers de simulations haute-fidélité servant à entraîner leurs modèles, les chercheurs ont démontré que les supercalculateurs exascale peuvent débloquer des problèmes jugés hors de portée. L'équipe prévoit désormais d'étendre le modèle à des simulations plasma en 3D complètes et à des environnements astrophysiques plus complexes, ce qui pourrait accélérer à la fois la recherche fondamentale sur la dynamique des étoiles et le développement applicatif de la fusion comme source d'énergie décarbonée.

UELes avancées dans la modélisation de la turbulence des plasmas bénéficient directement au projet ITER, dont le réacteur expérimental est en construction à Cadarache (France) et qui se heurte précisément aux instabilités plasma décrites dans l'article.

RecherchePaper

1 source

2Numerama

15 millions de paramètres et 1 seul GPU : Yann LeCun fait un premier pas vers l’IA qui comprend le monde réel

Yann LeCun, directeur scientifique de Meta AI et figure centrale de l'intelligence artificielle moderne, publie avec un consortium de chercheurs LeWorldModel, un modèle de prédiction du monde capable de s'entraîner directement à partir de pixels bruts — sans prétraitement ni encodage intermédiaire — tout en maintenant une stabilité d'entraînement inédite à cette échelle. Le modèle repose sur 15 millions de paramètres et tourne sur un seul GPU, ce qui le rend accessible bien au-delà des grands laboratoires disposant de clusters massifs. L'enjeu est considérable pour la robotique et l'IA incarnée : pour qu'un robot puisse interagir de façon autonome avec son environnement physique, il doit d'abord modéliser le monde visuel tel qu'il est, image après image, sans dépendre d'annotations humaines. LeWorldModel ouvre cette voie en apprenant directement depuis la donnée visuelle brute, là où les approches précédentes échouaient souvent à converger ou nécessitaient des architectures beaucoup plus lourdes. C'est un pas concret vers une IA qui « comprend » le monde réel plutôt que de simplement le classifier. Cette publication intervient dans un contexte particulier : LeCun vient de cofonder AMI Labs, une startup basée en France dont les premiers travaux ne sont pas encore dévoilés. Depuis plusieurs années, il défend publiquement une vision alternative aux grands modèles de langage — il milite pour des systèmes d'IA basés sur la prédiction du monde physique plutôt que sur la génération de texte. LeWorldModel s'inscrit directement dans cette feuille de route, et pourrait constituer une brique fondamentale de l'architecture JEPA (Joint Embedding Predictive Architecture) qu'il développe chez Meta depuis 2022.

UELa cofondation par LeCun d'AMI Labs, startup basée en France, ancre directement ces travaux dans l'écosystème français de l'IA et pourrait constituer un pôle de recherche européen sur l'IA incarnée.

RecherchePaper

1 source

3Ars Technica AI

Les LLM peuvent révéler l'identité de utilisateurs pseudonymes à grande échelle avec une précision surprenante

Les modèles de grande langue (LLMs) peuvent désormais démasquer les utilisateurs pseudonymes à grande échelle avec une précision surprenante, selon une étude récente. Les chercheurs ont démontré que des algorithmes peuvent associer des individus à des comptes ou des publications sur plusieurs plateformes sociales, atteignant un taux de réussite de 68% et une précision de 90%. Cette avancée menace la pseudonymité, un moyen de protection de la vie privée utilisé par de nombreuses personnes pour participer à des discussions publiques sensibles tout en minimisant la possibilité d'être identifiées, mais qui expose maintenant ces utilisateurs à des risques comme le doxxing, le harcèlement et la création de profils marketing détaillés.

UECette capacité à désanonymiser les utilisateurs à grande échelle constitue une menace directe pour les droits des citoyens européens protégés par le RGPD, notamment le droit à la vie privée et à la pseudonymité en ligne, et pourrait contraindre les autorités de protection des données comme la CNIL à encadrer l'utilisation de tels modèles.

RecherchePaper

1 source

4Le Big Data

Paris sportifs : Ce qui risque de vous arriver en demandant conseil à l’IA

Une start-up londonienne, General Reasoning, a publié une étude baptisée « KellyBench » qui met en lumière les limites des grandes intelligences artificielles face à un défi financier concret : les paris sportifs. Huit modèles issus de Google, OpenAI, Anthropic et xAI ont été soumis à une simulation de la saison 2023-2024 de la Premier League anglaise. Chaque système disposait de données historiques, de statistiques d'équipes et de joueurs, et devait élaborer des stratégies de mise capables de générer des profits tout en limitant les risques, sans accès à Internet et en s'adaptant aux informations fournies au fil des matchs. Les résultats sont sans appel : aucun des modèles testés n'a réussi à rester rentable sur la durée. Le meilleur performer, Claude Opus 4.6 d'Anthropic, affiche tout de même une perte moyenne de 11 %, avec une seule tentative frôlant l'équilibre. Grok 4.20 de xAI a fait faillite dès son premier essai, tandis que Gemini 3.1 Pro de Google a enregistré un gain ponctuel de 34 % avant de s'effondrer lors d'une autre tentative. Plusieurs systèmes ont accumulé des pertes importantes, et tous ont performé en dessous de participants humains placés dans les mêmes conditions simulées. Ces résultats éclairent une limite fondamentale des IA actuelles : leur efficacité chute dès qu'elles quittent les environnements stables et bien définis. Si ces systèmes excellent sur des tâches structurées comme la programmation, l'analyse de données ou les examens standardisés, ils peinent à gérer des dynamiques imprévisibles sur le long terme, là où les variables changent en permanence et où les décisions doivent intégrer du risque réel. Pour les investisseurs, les parieurs ou toute personne envisageant de déléguer des décisions financières à une IA, le message est clair : la robustesse affichée dans les benchmarks classiques ne se traduit pas en performance dans des contextes réels et mouvants. Ross Taylor, directeur général de General Reasoning et ancien chercheur chez Meta AI, souligne que l'engouement actuel pour l'automatisation tend à masquer cette réalité plus nuancée. Les benchmarks traditionnels, trop statiques, ne capturent pas la complexité du monde réel, ce qui crée une illusion de compétence universelle. Cette étude, encore non évaluée par des pairs, s'inscrit dans un débat plus large sur la façon dont on mesure les capacités des IA : les tests actuels favorisent les domaines où ces systèmes brillent, tout en occultant leurs lacunes sur des tâches dynamiques et à haute incertitude. La prochaine étape pour le secteur sera de concevoir des évaluations plus représentatives, capables de révéler non seulement ce que les IA savent faire, mais aussi ce qu'elles ne maîtrisent pas encore.

UECette étude avertit les entreprises et investisseurs européens contre la délégation de décisions financières à des IA, dont les performances réelles restent inférieures aux capacités humaines dans des contextes dynamiques et incertains.

RecherchePaper

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, rédigé par un humain · désinscription en un clic