Un primate ne tient pas dans quinze lames de serveur. Mais la machine est remarquable.
Quelque part à Hangzhou, un châssis consommant à peine l'énergie d'une bouilloire électrique a fait les gros titres en prétendant émuler le cerveau d'un macaque. Démontage du sensationnalisme habituel : le système « Darwin Monkey » (Wukong) n'est ni le début d'une singularité biologique ni une âme téléversée dans du silicium. C'est un banc d'essai d'ingénierie neuromorphique à deux milliards d'automates, et ses vraies victoires méritent mieux que des métaphores zoologiques.
Autopsie d'architecture Université du Zhejiang — National Science Review / IEEE Micro.
Ce qui tourne réellement dans l'armoire
Le 2 août 2025, le State Key Laboratory of Brain-Machine Intelligence de l’Université du Zhejiang a dévoilé le système Wukong (alias Darwin Monkey). L'armoire n'a rien de magique : c'est un châssis standard hébergeant quinze serveurs lames, chacun équipé de 64 processeurs dédiés baptisés Darwin 3.
Chaque puce Darwin 3, documentée dans la revue National Science Review, loge en silicium jusqu'à 2,35 millions de neurones à impulsions (spikes) et environ 100 millions de synapses configurables, assortis d'un jeu d'instructions (ISA) spécifique.
Faites le calcul physique : 15 lames $\times$ 64 puces = 960 processeurs Darwin 3. Multipliés par la capacité unitaire, nous obtenons $960 \times 2{,}35 \times 10^6 \approx 2{,}26 \times 10^9$ neurones électroniques pour une centaine de milliards de connexions synaptiques. Le chiffre n'est pas une métaphore de commercial : c'est un décompte d'adresses matérielles.
La machine consomme environ 2 kW en régime de croisière. C'est l'équivalent thermique exact d'une bouilloire domestique. Face à un cluster de GPU d'apprentissage profond qui engloutit des dizaines ou des centaines de kilowatts pour faire tourner des transformeurs denses, la sobriété est indiscutable. Mais face au cerveau biologique réel, qui accomplit ses miracles cognitifs pour une enveloppe métabolique d'environ 20 W, l'électronique de Hangzhou reste encore cent fois trop gourmande.
Wukong n'est pas tombé du ciel. En 2020, la même équipe présentait Darwin Mouse (120 millions de neurones sur 792 puces Darwin 2 pour 500 W). Côté occidental, Intel déployait en avril 2024 au laboratoire Sandia son cluster Hala Point : 1 152 puces Loihi 2, 1,15 milliard de neurones, 128 milliards de synapses, 2 600 W, dans un volume de micro-ondes. Wukong double le volume de neurones d'Intel, s'aligne sur le nombre de synapses et brûle une puissance thermique équivalente. C'est un record d'intégration industrielle, pas une mutation de l'espèce.
Pourquoi qualifier ce rack de « macaque » est un contresens
Associer 2 milliards d'unités de calcul à un macaque relève d'une simplification de service de presse. Sur le plan de la neuro-anatomie comparée, le cerveau d'un macaque héberge entre 3 et 6 milliards de neurones selon les espèces, dont plus d'un milliard concentrés dans le seul néocortex. Deux milliards d'automates sur silicium n'émulent, au mieux, qu'une fraction du volume cérébral d'un primate, et ce uniquement si l'on accepte de réduire un neurone biologique à un intégrateur mathématique simplifié (modèle LIF — Leaky Integrate-and-Fire).
Wukong plafonne à un ratio d'environ 50 synapses par neurone. Dans un néocortex de mammifère, ce ratio s'établit entre plusieurs centaines et plusieurs milliers de synapses par cellule pyramidale.
Le silicium ignore tout de la matrice extracellulaire : pas de cellules gliales (astrocytes, microglie) assurant la modulation énergétique, pas de diffusion volumique de neuromodulateurs (dopamine, sérotonine, acétylcholine), aucune morphologie dendritique tridimensionnelle complexe, et surtout, aucun corps physique ancré dans un environnement réel pour fermer la boucle sensorimotrice. Compter les neurones d'un châssis pour en déduire un niveau de conscience équivaut à mesurer la cylindrée d'un moteur diesel pour déterminer s'il commence à développer les réflexes d'un guépard.
• Caenorhabditis elegans (nématode) : 302 neurones.
• Danio rerio (poisson-zèbre larvaire) : ~100 000 neurones.
• Mus musculus (souris de laboratoire) : ~70 millions de neurones.
• Macaca mulatta (macaque rhésus) : ~6 milliards de neurones.
• Homo sapiens : ~86 milliards de neurones (et $10^{14}$ synapses).
• Loxodonta africana (éléphant d'Afrique) : ~250 milliards de neurones.
Briser le goulot de von Neumann : trois idées empruntées au vivant
L'informatique conventionnelle agonise sous la contrainte du goulot d'étranglement de von Neumann : la mémoire vive est physiquement séparée du processeur. À chaque cycle d'horloge, les bus doivent extraire les poids synaptiques, les charger dans les registres du GPU, réaliser les multiplications matricielles, puis renvoyer le résultat. Dès que le réseau s'élargit, la consommation d'énergie est dominée non pas par le calcul arithmétique, mais par le déplacement des électrons sur les pistes du circuit imprimé.
Le processeur neuromorphique applique une rupture radicale en empruntant trois principes au système nerveux central, et strictement trois :
Contrairement aux réseaux denses conventionnels où chaque neurone émet une valeur continue flottante à chaque couche, un neurone spike reste totalement silencieux tant que son potentiel de membrane n'a pas franchi un seuil critique. Le silence numérique consomme une puissance quasi nulle.
Disparition de l'horloge globale synchrone qui force des milliards de transistors à commuter au même instant. L'information n'est transmise et traitée que lorsqu'une impulsion arrive sur une ligne. Si la scène visuelle ne bouge pas, la machine ne consomme rien.
Le poids synaptique est stocké physiquement dans des cellules SRAM contiguës aux circuits arithmétiques qui mettent à jour le potentiel de membrane. La donnée ne voyage plus sur des centimètres de bus : elle fait quelques micromètres de trajet.
Là où les processeurs neuromorphiques de première génération comme le TrueNorth d'IBM figeaient les poids une fois pour toutes (inférence seule), Darwin 3 intègre des règles d'apprentissage local directement sur la puce, notamment la plasticité dépendante du temps d'occurrence des impulsions (STDP — Spike-Timing-Dependent Plasticity). La puce réajuste ses poids synaptiques au fil des activations sans nécessiter une passe globale de rétropropagation (backprop) pilotée par un serveur central. C'est une plasticité de transistors, pas une émotion animale.
Le problème numéro un n'est pas le neurone : c'est le fil
Empiler des automates cellulaires dans un dé de silicium est une tâche que l'industrie des semi-conducteurs maîtrise parfaitement. La véritable impasse de l'informatique neuromorphique se déclenche au bord de la puce : comment router des milliards de spikes asynchrones entre des centaines de puces distinctes sans saturer les bus de communication ?
Dès qu'une impulsion doit quitter son dé physique pour atteindre un neurone situé sur la carte voisine, la physique reprend ses droits : le spike doit être sérialisé dans un paquet réseau numérique (protocole AER — Address-Event Representation). La latence explose, la capacité parasitaire du circuit imprimé dissipe de la chaleur, et l'avantage énergétique s'érode instantanément.
Pour contourner ce gouffre, le laboratoire de Zhejiang travaille sur l'intégration à l'échelle de la galette : interconnecter 64 puces Darwin 3 nues sur un interposeur en silicium de 300 mm sans passer par un circuit imprimé traditionnel. Chaque transition synaptique ne dissipe alors que quelques picojoules ($10^{-12}\text{ J}$).
Le mérite de Wukong réside moins dans son décompte brut de neurones que dans sa pile logicielle (Darwin OS). Mapper un graphe de réseau biologique irrégulier et hautement récurrent sur une topologie matérielle fixe en grille 2D/3D est un problème NP-complet. Répartir la charge sans créer de congestions de paquets au milieu du maillage est la vraie victoire d'ingénierie du projet.
Ce que cette machine peut faire sans mentir
Loin des fantasmes de téléversement de la conscience ou d'apparition spontanée d'une étincelle d'âme simienne dans une armoire réseau, le calcul neuromorphique à grande échelle débloque trois horizons scientifiques concrets :
Simuler des dynamiques corticales complexes à l'échelle 1:1 en temps réel, voire plus vite que le temps biologique. Un outil expérimental irremplaçable pour tester des hypothèses sur la synchronisation neuronale, les foyers épileptiques ou le codage temporel sans recourir à des jours de calculs sur supercalculateurs à pétaflops.
L'apprentissage par rétropropagation du gradient souffre d'un coût computationnel titanesque et d'une invraisemblance biologique totale. Wukong permet d'explorer à très grande échelle des théories alternatives du crédit d'assignation (règles de Hebb locales, codage prédictif, feedback alignment) sur des topologies géantes.
Couplé à des capteurs de vision neuromorphique (caméras DVS ne transmettant que les variations de luminosité pixel par pixel) ou des peaux artificielles tactiles, ce silicium permet de concevoir des boucles sensorimotrices ultra-rapides (latence sub-milliseconde) pour des robots réactifs, avec une dépense électrique marginale.
Wukong n'est pas un cerveau biologique : c'est une excellente machine à exécuter des graphes creux asynchrones. C'est déjà une immense victoire technique.
• L'évolution réelle : L'ascendance Darwin 1 → 2 → Mouse → 3 → Monkey sanctionne la maturation méthodique d'une filière de silicium dédiée au calcul événementiel.
• La fin des illusions : Deux milliards d'intégrateurs numériques couplés à cinquante synapses chacun ne fabriquent ni de l'affect, ni de la faim, ni de la conscience réflexive.
• La perspective système : La loi de Moore ne s'arrête pas, elle bifurque : nous avons appris aux ordinateurs à brasser des matrices denses ; nous apprenons désormais à leur faire échanger des impulsions sans gaspiller de joules.