La larve du poisson zèbre est presque transparente, et son cerveau peut être observé au microscope. Mais même chez une si petite créature, les connexions neuronales sont si enchevêtrées qu'il est presque impossible de les démêler à la main. Les scientifiques ont fait un coup de maître : ils ont créé une copie informatique exacte de cette larve, où chaque connexion est connue. Cela a donné un terrain d'essai virtuel pour tester des méthodes.

Sur ce terrain, ils ont lâché un algorithme qui cherche lui-même des régularités. Il passe en revue les options comme un joueur d'échecs envisage ses coups, et construit un modèle qui prédit le comportement des neurones. Le résultat a surpris : les modèles trouvés prédisaient l'activité cérébrale plus précisément que les approches classiques éprouvées par le temps. Mais quand on ne donnait à l'algorithme que des signaux externes — lumière, mouvement de l'eau — il trouvait des raccourcis trompeurs : de courtes connexions statistiques qui ne fonctionnent que sur des données familières.

Cette approche ne profite pas seulement aux poissons. Les enregistrements réels de l'activité cérébrale — de la souris à l'humain — souffrent du même problème : beaucoup de données, peu de compréhension. Le terrain d'essai virtuel montre quels indices sont nécessaires pour que l'intelligence artificielle ne se contente pas d'ajuster des chiffres, mais découvre comment le cerveau fonctionne réellement.