Il tient dans la tête d’un insecte de quelques millimètres, mais son inventaire a occupé des chercheurs pendant près d’une décennie. Un consortium réunissant notamment le Howard Hughes Medical Institute (HHMI) Janelia, l’université de Cambridge, le Medical Research Council Laboratory of Molecular Biology et Google Research vient de publier le connectome complet du système nerveux central d’une drosophile mâle.
Cette carte suit 166 691 neurones, du cerveau au cordon nerveux ventral, l’équivalent fonctionnel très lointain de notre moelle épinière. Elle recense 11 691 types cellulaires et plus de 125 millions de connexions synaptiques, selon Google Research. Par le nombre de neurones, les auteurs la présentent comme la plus grande carte complète d’un cerveau réalisée à ce jour.
L’étude, parue le 3 septembre 2026 dans la revue Cell, est aussi un cas d’école sur le rôle réel de l’intelligence artificielle dans la science. Des algorithmes ont transformé des millions d’images planes de microscopie électronique en volumes neuronaux en trois dimensions. Ils n’ont pourtant pas produit seuls une vérité prête à l’emploi : des spécialistes ont ensuite corrigé et annoté la reconstruction, pour un effort cumulé équivalant à 44 années de travail humain.
Le résultat n’est donc ni un cerveau numérique capable de penser, ni une étape directe vers la simulation de l’esprit humain. C’est un atlas anatomique extrêmement détaillé, ouvert aux chercheurs, qui permet pour la première fois de comparer à l’échelle de tout le cerveau les circuits d’une mouche mâle et ceux d’une femelle. Et il montre qu’une petite fraction de neurones différents peut réorienter une part bien plus large du réseau.
Un connectome est un plan de câblage, pas une pensée numérisée
Un connectome décrit les neurones et les synapses qui les relient. On peut le comparer au plan d’une ville : il indique les rues, les carrefours et les voies rapides, mais pas tous les véhicules qui circulent à un instant donné, ni la raison de leur trajet.
Cette distinction est essentielle. Une connexion anatomique indique qu’un signal peut passer d’une cellule à une autre. Elle ne suffit pas à dire quand cette connexion est active, quelle information elle transporte ni comment son influence change selon la faim, l’apprentissage, l’âge ou l’environnement. Deux animaux possédant une architecture très proche peuvent aussi se comporter différemment.
Le nouvel atlas a néanmoins un avantage décisif sur les cartes partielles : il relie le cerveau au cordon nerveux ventral par un cou intact. Les scientifiques peuvent donc suivre un trajet complet depuis une entrée sensorielle jusqu’à une sortie motrice — en langage simple, « des yeux aux pattes » — au lieu de devoir raccorder plusieurs jeux de données issus de spécimens différents.
La drosophile est particulièrement adaptée à ce travail. Son système nerveux est assez compact pour rester cartographiable avec les techniques actuelles, tout en produisant des comportements complexes : navigation, apprentissage, choix alimentaires, parade nuptiale, compétition ou fuite. Ce petit animal a déjà servi de modèle majeur en génétique. La connectomique cherche maintenant à faire de son réseau neuronal un terrain expérimental tout aussi fécond.
Comment l’IA transforme des coupes en neurones 3D
Construire un connectome commence par une opération physique irréversible. Le tissu nerveux est fixé, inclus dans un matériau, puis découpé en coupes extrêmement fines. Chaque tranche est observée à très haute résolution au microscope électronique. On obtient ainsi des millions d’images où apparaissent des membranes, des prolongements cellulaires et des synapses.
Le défi ressemble à un puzzle dont les pièces seraient microscopiques, très nombreuses et presque toutes grises. Un axone peut traverser des milliers de coupes, se ramifier, frôler un autre prolongement et réapparaître sous une forme légèrement différente. Pour reconstruire un neurone, il faut reconnaître sa section sur une image, puis la retrouver sur la suivante sans la fusionner avec sa voisine.
Google Research a utilisé des méthodes d’apprentissage automatique pour segmenter ces images et proposer des volumes tridimensionnels. Parmi les techniques développées au fil de ses travaux figurent les flood-filling networks : le réseau part d’une zone appartenant à une cellule et cherche progressivement tous les pixels qui correspondent au même objet biologique. Répétée sur l’ensemble du volume, cette opération produit les formes candidates des neurones.
Cette étape automatisée change l’échelle du projet. Tracer chaque membrane à la main serait irréaliste. Mais l’algorithme peut commettre deux erreurs particulièrement coûteuses : couper artificiellement un neurone en plusieurs fragments, ou fusionner des cellules distinctes. Or une seule mauvaise jonction peut modifier le circuit que les neuroscientifiques croient observer.
Quarante-quatre années-personnes pour contrôler la machine
Les équipes de Janelia et de Cambridge ont donc relu la reconstruction, corrigé les erreurs, identifié les synapses et classé les cellules. Le chiffre de 44 années-personnes ne signifie pas qu’une seule personne a travaillé pendant 44 ans ; il additionne le temps fourni par de nombreux spécialistes.
Cette combinaison est plus instructive qu’un récit où l’IA aurait « cartographié un cerveau » de manière autonome. L’apprentissage automatique rend le premier passage possible à grande échelle. L’expertise humaine transforme ensuite cette proposition en ressource scientifique annotée et utilisable. Le goulot d’étranglement n’a pas disparu : il s’est déplacé de la délimitation exhaustive vers la correction des cas difficiles.
Les chercheurs travaillent déjà à réduire ce coût. Google a notamment présenté en avril une méthode générant des formes neuronales synthétiques pour améliorer l’entraînement de son système de reconstruction PATHFINDER. Sur le jeu évalué, l’ajout de ces exemples a réduit les erreurs de 4,4 %. Ce gain apparemment modeste pourrait éviter un volume considérable de corrections quand les projets passeront de la mouche à la souris.
La comparaison mâle-femelle révèle des « aiguillages » ciblés
Le premier connectome complet du cerveau d’une drosophile adulte, publié en 2024 par le consortium FlyWire, provenait d’une femelle. La nouvelle carte apporte pour la première fois un cerveau mâle complet, avec son cordon nerveux, et permet une comparaison à la résolution de la synapse.
Les auteurs ont identifié 7 205 types de neurones isomorphes, dont la forme générale est partagée entre les sexes, ainsi que 114 types dimorphes, présents chez le mâle et la femelle mais organisés différemment. Ils recensent également 262 types propres au mâle et 69 propres à la femelle dans la comparaison réalisée.
La différence n’est pas répartie uniformément. Les neurones sensoriels et moteurs périphériques restent largement semblables. Les cellules propres à un sexe ou câblées différemment se concentrent davantage dans des régions supérieures associées à la décision et au contrôle du comportement.
Autrement dit, l’évolution n’a pas reconstruit deux systèmes nerveux séparés. Elle semble avoir modifié un nombre limité d’aiguillages capables de rediriger les mêmes entrées sensorielles vers des réponses différentes. Les chercheurs décrivent des points de concentration où ces neurones forment des circuits susceptibles d’orienter des comportements antagonistes.
Le MRC Laboratory of Molecular Biology résume l’effet de levier : un peu moins de 5 % des neurones du cerveau mâle sont spécifiques au sexe ou dimorphes, mais leurs connexions propagent la différence, si bien qu’environ 12 % des neurones présentent des variations de câblage. Ces proportions ne disent pas qu’un comportement complexe réside dans une poignée de cellules. Elles montrent qu’une modification locale peut influencer une architecture beaucoup plus large.
Des hypothèses sur la parade, l’agression et le goût
La carte ouvre des pistes sur la parade nuptiale, l’agression et les décisions alimentaires, domaines dans lesquels les comportements des drosophiles mâles et femelles divergent. Trois travaux associés exploitent déjà le jeu de données pour étudier le système visuel, le goût et les réseaux de neurones dimorphes impliqués dans les comportements sociaux.
Le connectome permet de formuler des hypothèses beaucoup plus ciblées. Un chercheur peut partir d’un récepteur olfactif, suivre les cellules intermédiaires, repérer une bifurcation différente selon le sexe, puis concevoir une expérience pour activer ou inhiber les neurones concernés. La carte ne remplace pas cette expérience ; elle réduit l’espace dans lequel il faut chercher.
Une infrastructure ouverte plutôt qu’une image spectaculaire
La valeur du projet dépasse son rendu coloré. Le jeu MaleCNS est proposé sous licence CC BY et peut être exploré avec plusieurs outils : Neuroglancer pour naviguer dans les volumes, neuPrint pour interroger les connexions, un catalogue de types cellulaires et un comparateur consacré aux différences entre mâles et femelles. Les images, annotations, tables de connectivité et squelettes neuronaux sont également téléchargeables.
Cette ouverture permet à des laboratoires qui ne possèdent pas de chaîne de microscopie électronique à très grande échelle de tester des hypothèses sur le même matériau. Elle facilite aussi la reproductibilité : une affirmation sur un circuit peut être reliée aux cellules et synapses correspondantes, puis examinée par d’autres équipes.
Le connectome devient ainsi une infrastructure, comparable à un génome de référence. Aucun génome ne dit à lui seul comment fonctionne un organisme ; il fournit une base commune pour poser de meilleures questions. De la même manière, l’atlas neuronal ne livre pas le « code du cerveau », mais rend possibles des analyses qui auraient été impraticables à partir d’images dispersées.
Pour l’IA scientifique, c’est un modèle de contribution intéressant. Le système n’écrit pas une interprétation à la place des neuroscientifiques. Il transforme une masse visuelle inaccessible en objet interrogeable, tandis que la validation, le choix des catégories et l’explication biologique restent exposés au contrôle humain.
Pourquoi cette carte ne mène pas encore au cerveau humain
La tentation du raccourci est forte : si une IA peut reconstruire une mouche, elle pourrait bientôt numériser un cerveau humain. Les ordres de grandeur rendent cette projection trompeuse. La nouvelle carte contient environ 166 700 neurones ; un cerveau humain en compte autour de 86 milliards, sans même considérer la variété des synapses, les cellules gliales, l’état chimique ou l’activité dynamique.
Le défi n’est pas seulement informatique. Il faut préparer et imager le tissu sans perdre l’alignement, stocker des volumes gigantesques, segmenter des structures beaucoup plus nombreuses, corriger les erreurs et établir des annotations biologiques cohérentes. Même une petite erreur moyenne devient massive lorsqu’elle est multipliée par des milliards de cellules et des milliers de milliards de synapses.
Il faut aussi éviter une autre confusion : une carte anatomique figée n’est pas une simulation fonctionnelle. Elle ne contient ni les souvenirs d’un individu, ni l’évolution instantanée de ses signaux électriques, ni toutes les règles biochimiques qui modulent une connexion. Parler de « téléchargement de l’esprit » à partir de ce résultat relèverait donc de la spéculation, pas de la conclusion scientifique.
Les prochaines étapes réalistes concernent des animaux modèles plus accessibles. Des équipes travaillent sur le cerveau entier de larves de poisson-zèbre, transparentes et donc observables pendant leur activité, ainsi que sur des portions du cerveau de souris. Chaque progression exigera de meilleurs microscopes, des algorithmes plus fiables et des moyens de vérifier les cartes sans proportionnellement multiplier le travail humain.
Le progrès décisif tient au passage de l’image à l’expérience
Le connectome de la drosophile mâle marque moins la victoire d’une IA autonome que la maturation d’une chaîne scientifique hybride. Des microscopes produisent les coupes, des modèles proposent les formes, des experts réparent et nomment, puis des outils ouverts rendent le réseau interrogeable par toute une communauté.
Son intérêt immédiat est concret : suivre un circuit continu du capteur au muscle, comparer deux sexes à la résolution synaptique et repérer comment quelques aiguillages neuronaux réorganisent des comportements complexes. Sa limite est tout aussi claire : la structure indique où chercher, pas ce que fait chaque cellule dans toutes les situations.
La suite se jouera donc dans les expériences. Les chercheurs devront mesurer l’activité des circuits suggérés par la carte, perturber certains neurones et vérifier si les comportements changent comme prévu. Si ces prédictions résistent, le connectome deviendra bien plus qu’un record de taille : un instrument pour relier l’anatomie, l’activité et l’action.
Pour l’intelligence artificielle appliquée à la science, la leçon est déjà solide. Les avancées les plus utiles ne sont pas toujours celles où un modèle formule seul une découverte. Elles peuvent naître lorsqu’il rend enfin observable un objet trop vaste pour l’œil humain — à condition que ses erreurs restent vérifiables et que la donnée finale puisse circuler.
Références
- Google Research, « A connectomics milestone: Mapping the complete male fruit fly brain », 3 septembre 2026
- Stuart Berg et al., « Sexual dimorphism in the complete connectome of the Drosophila male central nervous system », Cell, 3 septembre 2026
- Google Research, résumé et données principales de l’étude publiée dans Cell
- MRC Laboratory of Molecular Biology, présentation du connectome mâle et de la comparaison entre sexes
- HHMI Janelia, portail du projet Male CNS Connectome et accès au jeu de données
- MaleCNS Connectome, outils d’exploration, comparaison et téléchargement
- Mala Murthy et al., « Neuronal wiring diagram of an adult brain », Nature, 2 octobre 2024
- Google Research, « AI-generated synthetic neurons speed up brain mapping », 16 avril 2026
