Un neurone reçoit des milliers de signaux sur ses prolongements ramifiés — les dendrites. Certains signaux poussent la cellule à s'activer (excitation), d'autres la retiennent (inhibition). Pendant longtemps, on a pensé que le neurone se contentait d'additionner tous les « pour » et les « contre ». Mais dans les dendrites réelles, l'inhibition fonctionne autrement : elle peut non pas soustraire, mais diviser le signal excitateur. Cela ressemble à un bouton de volume qui atténue le son proportionnellement, plutôt que de le baisser d'une quantité fixe.

Ce mécanisme est appelé inhibition de shunt. Il se produit lorsque l'entrée inhibitrice ouvre des canaux qui rendent la membrane « poreuse » au courant à cet endroit précis. En conséquence, le signal excitateur est affaibli non pas d'une constante, mais de plusieurs fois. Les auteurs de l'étude ont construit DendriNet — un modèle entraînable qui peut basculer entre addition et division sur différentes branches de l'arbre dendritique. Ils ont testé si une telle division aide une population de neurones à mieux lire l'information encodée.

Un détail important est apparu. La division donne un avantage lorsque le signal inhibiteur est fiable et ciblé sur la partie de l'excitation qui varie avec le bruit, et non avec le signal utile. Si les perturbations sont fortes ou si l'inhibition est instable, la simple somme commence à mieux fonctionner. Dans les expériences sur des enregistrements du cortex visuel de la souris, l'avantage de la division sur l'addition n'était notable que lors d'une lecture étroite du signal. En lecture large, il disparaissait ou se transformait même en désavantage. Ainsi, l'architecture dendritique n'est pas toujours un avantage en soi, mais un outil qui est bon entre des mains habiles avec des données fiables.