Un neurone ressemble à un circuit électrique avec des piles et des résistances variables. Le rôle des résistances est joué par les canaux ioniques — des pores protéiques dans la membrane qui s'ouvrent et se ferment, laissant passer des particules chargées. De la rapidité et de la tension à laquelle ces pores s'activent dépend la naissance de l'influx nerveux. Le problème, c'est que pour de nombreux canaux, ces « instructions » sont mal connues. Un ingénieur devrait deviner comment fonctionne la pièce, puis ajuster tout le circuit aux mesures réelles — et encore se tromper.
Les auteurs de l'étude ont procédé autrement. Ils ont pris un modèle standard de neurone — un ensemble d'équations décrivant les courants à travers les canaux connus — et y ont inséré un bloc entraînable. Ce bloc, tel un artisan méticuleux, ne regarde que le graphique de tension et en déduit lui-même comment les pores inconnus doivent s'ouvrir et se fermer. On ne lui donne aucune formule toute faite : il apprend au fur et à mesure, en ajustant des courbes qui ressemblent à de véritables mécanismes de porte. La méthode a été testée sur 2400 neurones virtuels différents — et elle a reconstitué avec assurance les règles cachées, même en présence de fortes perturbations électriques.
Le principal atout de cette approche, c'est sa transparence. Le bloc entraînable ne se transforme pas en boîte noire : en sortie, il dessine les mêmes courbes lisses en fonction de la tension que les biologistes utilisent pour décrire les vrais canaux. On peut prendre ces courbes et comprendre ce qui se passait réellement dans la cellule. Ainsi, l'hybride de physique et d'apprentissage automatique comble les lacunes de nos connaissances sans les balayer sous le tapis.
Dans un seul neurone, des dizaines de types de canaux ioniques peuvent fonctionner, et chacun s'ouvre à une tension qui lui est propre — un peu comme une serrure qui ne claque qu'avec une clé d'une forme précise.
Dans le roman « Blindsight » de Peter Watts, l'équipage tente de déchiffrer le fonctionnement de neurones extraterrestres sans y avoir un accès direct — un peu comme l'algorithme reconstruit des canaux invisibles à partir de données indirectes.