Un matériel inspiré du cerveau permet une détection des anomalies plus rapide et moins énergivore pour les systèmes d'IA.

Le cervelet ne gaspille pas d'énergie à analyser chaque instant. Au contraire, il surveille constamment le monde pour détecter l'inattendu et n'entre en action que lorsqu'un changement soudain survient. Inspirés par cette stratégie remarquablement efficace, des ingénieurs de l'Université Northwestern ont mis au point un nouveau dispositif électronique, semblable au cerveau, qui consomme très peu d'énergie et détecte les anomalies quasi instantanément.

Lors d'expériences de validation de principe, le dispositif a identifié des arythmies cardiaques en un cinquième de battement et avec une précision supérieure à 98 %. De plus, il nécessite environ 10 000 fois moins d'opérations informatiques que les approches d'intelligence artificielle (IA) classiques, ouvrant ainsi la voie à une IA plus économe en énergie.

Cette avancée pourrait permettre le développement d'une nouvelle génération de systèmes d'IA basse consommation et toujours actifs pour les moniteurs de santé portables, les automobiles autonomes, les robots autonomes et les systèmes de cybersécurité qui doivent reconnaître et réagir instantanément aux événements inhabituels sans dépendre de centres de données massifs et énergivores.

L’ étude a été publiée le 10 juillet dans la revue Nature Communications .

« Dans le domaine de l'informatique biomimétique, les chercheurs s'efforcent généralement d'imiter le cerveau, souvent considéré comme le centre de la pensée », explique Mark C. Hersam, de l'université Northwestern, qui a codirigé l'étude. « Dans nos travaux, nous avons développé un dispositif qui imite le cervelet, lequel contrôle les réactions réflexes de manière quasi inconsciente. Le cervelet excelle à ignorer le prévisible et à réserver ses ressources pour réagir à l'inattendu. Cette approche se traduit en fin de compte par une consommation d'énergie réduite, et c'est là que nous obtenons une amélioration considérable. »

Spécialiste de l'informatique neuromorphique, Hersam est professeur titulaire de la chaire Walter P. Murphy en sciences et génie des matériaux, professeur de médecine et professeur de chimie à l'Université Northwestern, où il est rattaché à la McCormick School of Engineering, à la Feinberg School of Medicine et au Weinberg College of Arts and Sciences. Il est également directeur du département de sciences et génie des matériaux, directeur du Centre de recherche en sciences et génie des matériaux et membre de l'Institut international de nanotechnologie. Hersam a codirigé l'étude avec Vinod K. Sangwan, professeur associé de recherche à McCormick ; Indira M. Raman, professeure titulaire de la chaire Bill et Gayle Cook en neurobiologie au Weinberg ; et Amit Trivedi, professeur associé de génie électrique et informatique à l'Université de l'Illinois à Chicago.

Au-delà de la classification

Ce nouveau dispositif représente la dernière avancée du laboratoire d'Hersam dans le cadre de ses efforts pour repenser entièrement le matériel d'IA. Les ordinateurs classiques transfèrent constamment des données entre la mémoire et les processeurs, deux composants physiquement distincts – un processus énergivore. L'équipe d'Hersam, quant à elle, intègre la mémoire et le calcul dans un seul composant appelé memtransistor.

Dans une étude publiée en 2023 dans Nature Electronics , l'équipe a démontré que deux memtransistors suffisaient pour réaliser des tâches de classification par IA qui nécessitaient auparavant plus de 100 transistors conventionnels. Cette approche a permis de réduire la consommation d'énergie d'un facteur 100 environ.

Cette nouvelle étude pousse ce concept au-delà de la simple classification à faible consommation d'énergie. Plutôt que de se contenter d'améliorer l'efficacité du matériel d'IA, l'équipe de Northwestern a repensé le dispositif pour imiter un circuit spécifique du cervelet, particulièrement performant pour détecter les nouveautés et prendre des décisions en une fraction de seconde.

Cette approche permet à l'IA d'ignorer les informations routinières tout en signalant immédiatement les événements inattendus. Pour les moniteurs cardiaques portables, cela pourrait se traduire par la détection des premiers signes d'arythmie. Pour les robots, cela pourrait signifier la reconnaissance de la présence soudaine d'une personne sur leur chemin. Et pour les systèmes de cybersécurité, cela pourrait permettre de repérer les activités réseau suspectes avant qu'elles ne dégénèrent en une attaque de grande ampleur.

« L’IA actuelle excelle dans la reconnaissance de schémas, mais elle consomme souvent une puissance de calcul considérable pour analyser en continu des flux de données, même lorsque rien n’a changé », a déclaré Hersam. « Elle gaspille donc de l’énergie en analyses inutiles. »

Recréer les réponses excitatrices et inhibitrices

Dans le cervelet, les circuits neuronaux contiennent deux signaux antagonistes — l'un excitateur, l'autre inhibiteur — qui s'équilibrent constamment. En temps normal, ces signaux restent en équilibre. Mais lorsqu'un événement imprévu survient, cet équilibre se rompt brièvement, alertant le cerveau et l'incitant à réagir.

L'équipe de Northwestern a recréé cette même dynamique dans son dispositif. Les ingénieurs l'ont conçu pour remplir deux rôles distincts. Dans un premier mode, il se comporte comme une synapse excitatrice, renforçant progressivement sa réponse à mesure que les signaux se poursuivent. Dans le second mode, il agit comme une synapse inhibitrice, réagissant fortement au début avant de s'atténuer rapidement. Ensemble, ces comportements complémentaires permettent au dispositif de distinguer les événements ordinaires des événements véritablement nouveaux, à l'instar du cervelet.

Pour fabriquer ce dispositif, les chercheurs ont utilisé du disulfure de molybdène, un semi-conducteur atomiquement mince reconnu pour ses propriétés électriques. Ils ont ensuite conçu une architecture de transistor asymétrique dans laquelle une électrode recouvre partiellement le semi-conducteur à travers une fine couche isolante. Ce changement de conception, en apparence mineur, a fondamentalement modifié la circulation du courant électrique dans le dispositif. Inverser simplement le sens de la tension appliquée permet de faire basculer le memtransistor entre les modes excitateur et inhibiteur.

Mise à l'épreuve de l'appareil

Pour tester le système, les chercheurs ont soumis l'appareil à une série d'enregistrements d'électrocardiogrammes (ECG) contenant à la fois des rythmes cardiaques normaux et des arythmies. Au lieu de gaspiller de l'énergie en analysant chaque battement cardiaque, l'appareil a ignoré avec succès les battements cardiaques normaux. Mais il a ensuite rapidement identifié un battement cardiaque anormal en quelques millisecondes seulement.

« Notre memtransistor, inspiré du cervelet, a détecté un rythme cardiaque irrégulier en une fraction de seconde, avant même que le battement ne s'arrête », a déclaré Hersam. « C'est plus de deux fois plus rapide que l'IA conventionnelle. »

Hersam prévoit ensuite d'explorer des moyens d'imiter la capacité du cervelet à apprendre et à s'adapter au fil du temps. Si un événement initialement inattendu se répète, par exemple, le cerveau apprend progressivement et cesse de le considérer comme une nouveauté.

« Nous avons démontré une partie du circuit neuronal cérébelleux, mais il en reste beaucoup à reproduire », a déclaré Hersam. « Nous comptons poursuivre nos recherches afin d'imiter de plus en plus ce système complexe. »

https://news.northwestern.edu/stories/2026/07/ai-gets-a-cerebellum?fj=1