Des ingénieurs construisent une voiture. Les uns assemblent une réplique exacte du moteur, chaque piston et chaque bougie, mais la voiture ne roule pas — pas de volant ni de roues. D'autres créent un kart rapide et autonome, mais son moteur en pâte à modeler ne ressemble pas à un vrai. C'est à peu près la situation dans la science du cerveau. Une direction — la « modélisation du cerveau entier » — reconstitue les réseaux de neurones avec une précision effrayante, jusqu'aux cellules individuelles. L'autre — le « neuroconnexionnisme » — apprend aux réseaux de neurones artificiels à jouer au go et à traduire des textes, mais leur fonctionnement interne ne ressemble que de loin à un cerveau vivant.

Les auteurs de ces travaux, parmi lesquels Ashish Vaswani, proposent de croiser ces approches. Ils appellent le résultat « modèle cérébral fonctionnel à l'échelle du cerveau entier ». C'est comme si, sur un plan 3D détaillé de toutes les rues d'une ville (la structure), on ajoutait de vrais flux de voitures, des embouteillages et des feux tricolores (la dynamique), et surtout la possibilité pour les habitants de se rendre au travail et de rentrer chez eux (la fonction). Le modèle doit satisfaire à quatre conditions : s'appuyer sur de vraies cartes de connexions entre les zones du cerveau, fonctionner en temps continu comme de vrais neurones, résoudre des tâches pratiques — de la reconnaissance des visages à la mémorisation — et produire des signaux comparables aux données du scanner.

Les auteurs tracent une feuille de route pour les années à venir. L'objectif immédiat est de construire un prototype fonctionnel simple. À terme, de tels modèles permettront de plonger au cœur même de la pensée et, peut-être, d'apprendre à réparer ses dysfonctionnements. Car si vous avez une simulation précise d'une ville, vous pouvez non seulement prédire un embouteillage, mais aussi comprendre comment le résoudre.