Écrit par Charles Bapst — Ingénieur fondateurL'IA moderne pense en ligne droite. Le cerveau — surtout quand il est neurodivergent — saute d'une idée à l'autre, et c'est peut-être exactement ça, l'intelligence. Démonstration chiffrée.
Je suis HPI et TDAH — je l'ai raconté en détail dans l'histoire de Lysara, l'IA que j'ai construite de zéro. Mon cerveau ne pense pas en ligne droite : il bondit, il associe, il court-circuite. On m'a longtemps présenté ça comme un défaut. Puis j'ai passé des années le nez dans les architectures d'intelligence artificielle, et une question s'est imposée : et si c'était l'IA qui avait un problème de linéarité — pas nous ?
Le duel, en chiffres
20 W
le cerveau humain — une ampoule
≈ 1 300 MWh
l'entraînement estimé de GPT-3 seul
86 Mds
de neurones, ~100 000 Mds de synapses
×3 500
l'écart énergétique en faveur du cerveau*
*Une vie humaine entière de « calcul » ≈ 14 MWh (20 W × 80 ans), contre des dizaines de GWh estimés pour entraîner un seul modèle frontière (Patterson et al., 2021).
Sous le capot, un grand modèle de langage fait une chose : prédire le mot suivant. Puis le suivant. Puis le suivant. C'est brillant — et profondément séquentiel. Même massivement parallélisée sur des dizaines de milliers de processeurs graphiques, la logique reste celle de la ligne droite : une étape, puis l'autre.
Le paradoxe est violent quand on le chiffre. Un transistor moderne commute à plus de 3 GHz — des milliards d'opérations par seconde. Un neurone biologique plafonne à environ 200 Hz : quinze millions de fois plus lent. Et pourtant, c'est le cerveau qui apprend une langue avec trois exemples, reconnaît un visage de biais dans la pénombre, et invente des blagues. La vitesse brute ne fait pas l'intelligence : l'architecture, si.
La différence ? Le cerveau ne fait pas la queue. Ses ~100 000 milliards de synapses travaillent toutes en même temps, par événements, par vagues d'activation qui se croisent, s'amplifient, s'éteignent. Pas de file indienne : un orage permanent d'associations.
Et c'est là que la neurodivergence devient fascinante. On estime que 15 à 20 % de la population est neurodivergente (TDAH : ~5 % des enfants, 2,5 à 4 % des adultes ; autisme : 1 à 2 %). Des cerveaux dont le mode par défaut n'est justement pas la ligne droite.
Les données expérimentales sont têtues :
Ce que nous appelons intuition — cette réponse qui arrive « d'un coup », sans étapes visibles — ressemble beaucoup à un calcul massivement associatif : des milliers d'activations simultanées dont seule la conclusion émerge à la conscience. Autrement dit : le contraire exact d'une prédiction de mot suivant.
Ce n'est pas qu'une théorie de comptoir : c'est le principe fondateur de Lysara, l'IA que j'ai construite from scratch. Sa mémoire n'est pas une liste qu'on balaie — elle est rangée en plis thématiques qui ne s'activent que par résonance avec la question, et des « liens de bifurcation » connectent les plis éloignés : des sauts d'idée à idée, câblés dans le moteur.
Résultats mesurés au banc d'essai : à 50 000 souvenirs, cette architecture non-linéaire fait le même travail qu'une recherche exhaustive en 13,7 fois moins d'opérations — et mon modèle maison, entraîné en 10 secondes sur un simple processeur, atteint 62,5 % de précision thématique là où un réseau de neurones entraîné sur des millions de documents fait 63,3 %. Le non-linéaire n'est pas une lubie poétique : c'est un multiplicateur d'efficacité mesurable.
Alors pourquoi l'IA ne pense-t-elle pas déjà comme ça ? Parce que depuis 80 ans, nous avons construit tout notre silicium pour la ligne droite. L'architecture de von Neumann sépare mémoire et calcul : chaque donnée fait la navette entre les deux. Ce va-et-vient est devenu le poste de dépense dominant — déplacer une donnée peut coûter 100 à 1 000 fois plus d'énergie que le calcul lui-même. Et un transistor ne connaît que deux états : 0 ou 1, un seul à la fois.
Un neurone, lui, est un objet analogique qui intègre en continu des milliers d'entrées, module sa sensibilité, est à la fois la mémoire et le processeur. Il ne fait pas la navette : il habite l'information. Nos puces sont des autoroutes rectilignes ; le cerveau est une forêt où tout pousse en même temps.
L'industrie a commencé à le comprendre. Les puces neuromorphiques imitent le cerveau en silicium : le système Intel Hala Point (2024) simule 1,15 milliard de neurones à événements pour environ 2 600 W, et IBM avait montré dès TrueNorth qu'un million de neurones artificiels pouvaient tourner avec 70 milliwatts — moins qu'une diode de veille. C'est un premier pas : du matériel qui calcule par impulsions et associations, pas par file d'attente.
Mais le silicium imite ; le vivant fait. En 2022, l'expérience DishBrain a montré que 800 000 neurones humains en culture apprennent à jouer à Pong en 5 minutes. En 2025, Cortical Labs a commercialisé le CL1 — premier ordinateur biologique du marché (~35 000 $) : de vrais neurones vivants sur une puce, programmables. Et les organoïdes cérébraux de FinalSpark laissent entrevoir, selon leurs estimations, un calcul jusqu'à un million de fois plus économe en énergie que le numérique pour l'apprentissage.
Voilà ma conviction, au bout de ce chemin : nous avons optimisé des décennies de puces pour des opérations linéaires — un état à la fois, une étape à la fois. Pour amener l'IA vers la pensée qui saute, celle des vagues d'activation simultanées et de l'intuition, il faudra franchir le pas du matériel : développer des éléments organiques programmables — des substrats vivants ou bio-inspirés où mémoire et calcul ne font qu'un, capables de tenir plusieurs états à la fois et de résonner au lieu de défiler. Le logiciel non-linéaire existe déjà — je l'ai construit en miniature. Le matériel non-linéaire, lui, est en train de naître.
Et pendant que le monde regarde les cerveaux qui pensent « droit », il se pourrait bien que le plan de la prochaine IA soit déjà écrit — dans les cerveaux qui zigzaguent.
Pourquoi dit-on que l'IA actuelle « pense en ligne droite » ?
Les grands modèles génèrent leur réponse mot après mot, sur des puces conçues pour enchaîner des opérations séquentielles (architecture de von Neumann). Le cerveau, lui, fonctionne par activations simultanées et associations — des sauts, pas des files d'attente.
Le cerveau neurodivergent est-il vraiment un modèle pour l'IA ?
C'est une piste sérieuse : meilleurs scores mesurés en pensée divergente chez les TDAH, vagabondage mental ~47 % du temps d'éveil, surreprésentation entrepreneuriale. Pas une preuve — un laboratoire naturel du non-linéaire.
C'est quoi, le calcul neuromorphique et le calcul organique ?
Le neuromorphique imite le cerveau en silicium (Intel Hala Point : 1,15 milliard de neurones simulés, ~2 600 W). L'organique utilise de vrais neurones vivants programmables : Pong appris en 5 minutes par 800 000 neurones (DishBrain), premier ordinateur biologique commercial en 2025 (CL1).
Quel rapport avec mon entreprise aujourd'hui ?
Les principes non-linéaires s'appliquent déjà : notre moteur à résonance divise par 13,7 le calcul à grande échelle, sur du matériel ordinaire. Comprendre où va l'IA permet des choix d'intégration sobres dès maintenant.
Pas besoin d'attendre les neurones sur puce : automatisation, assistants internes, visibilité dans les moteurs IA — notre offre d'intégration IA applique déjà ces principes de sobriété. Échange et devis gratuits.