Une erreur de laboratoire qui pourrait révolutionner l'informatique

Un transistor ordinaire, du type qui équipe tous les processeurs modernes, pourrait se comporter à la fois comme un neurone artificiel et comme une synapse, ouvrant la voie à une informatique radicalement plus économe en énergie. Cette découverte, faite accidentellement l'année dernière par des chercheurs travaillant sur des circuits CMOS standards, remet en question des années d'hypothèses sur ce qu'il faudrait inventer pour rapprocher l'électronique du fonctionnement du cerveau humain. Le composant en question est un transistor MOSFET classique, et pas même un exemplaire de haute qualité : la clé réside dans l'utilisation de son terminal dit "bulk", une connexion à la masse du silicium qui est habituellement ignorée dans la conception des circuits numériques.

L'enjeu énergétique est colossal. Chaque GPU utilisé dans les centres de données d'IA consomme jusqu'à 1 000 watts, autant qu'un lave-vaisselle ou une cuisinière, mais en fonctionnement continu, vingt-quatre heures sur vingt-quatre. Par comparaison, un smartphone récent consomme moins d'un watt. À l'échelle des milliers de GPU qui composent un datacenter, la facture électrique et l'empreinte carbone deviennent considérables. Le cerveau humain, lui, accomplit des tâches cognitives comparables avec une efficacité environ un million de fois supérieure à celle des systèmes d'IA actuels, car ses neurones biologiques intègrent des comportements de calcul d'une complexité que les transistors peinent à imiter sans multiplier les composants.

C'est précisément ce fossé qui a donné naissance au champ de l'ingénierie neuromorphique, dont l'ambition est de construire des circuits électroniques qui se comportent comme des neurones et des synapses. Deux grandes approches ont jusqu'ici montré leurs limites : les dispositifs expérimentaux, trop peu fiables pour être intégrés dans des systèmes à grande échelle, et les architectures CMOS qui simulent un seul neurone en interconnectant des dizaines de transistors et de condensateurs, rendant la montée en puissance difficile face aux GPU actuels. La découverte accidentelle d'un neurone et d'une synapse fonctionnels, chacun réalisé par un unique transistor standard, contourne ces deux obstacles d'un coup. Si elle se confirme à l'échelle, cette approche pourrait permettre de construire des puces neuromorphiques denses et fiables, capables de concurrencer les GPU sur certaines tâches d'IA tout en consommant une fraction de leur énergie, transformant en profondeur l'infrastructure invisible qui alimente chaque requête, chaque recommandation, chaque prédiction du quotidien numérique.