Les puces neuromorphiques vont-elles rendre l’IA 1000 fois plus efficace en énergie ?

Les datacenters d’IA consomment autant d’électricité que certains pays entiers. ChatGPT seul consommerait l’équivalent de 10 centrales nucléaires si son usage explosait comme prévu. Pendant ce temps, votre cerveau — le système de traitement de l’information le plus sophistiqué connu — fonctionne avec 20 watts, l’équivalent d’une ampoule LED. Cette inefficacité énergétique colossale de l’IA actuelle est le problème fondamental que les puces neuromorphiques cherchent à résoudre.

Comment fonctionne une puce neuromorphique ?

Les processeurs classiques — CPU et GPU — calculent en traitant des flots de données binaires de manière séquentielle ou parallèle. Les puces neuromorphiques s’inspirent d’une architecture radicalement différente : celle du cerveau. Elles utilisent des « neurones » et des « synapses » artificiels qui communiquent via des impulsions électriques (spikes) uniquement quand il y a quelque chose à signaler — comme les neurones biologiques. Cette architecture événementielle élimine l’énorme gaspillage d’énergie lié au traitement continu de données même quand il ne se passe rien.

Intel Loihi 2, IBM TrueNorth, et le projet européen BrainScaleS développent ces architectures depuis plus d’une décennie. Les résultats sur des tâches spécifiques sont impressionnants : reconnaissance d’images, traitement de données de capteurs en temps réel, contrôle de robots — avec des consommations énergétiques 100 à 1000 fois inférieures aux GPU équivalents.

Les limites actuelles et le chemin vers la généralisation

Les puces neuromorphiques excellent sur des tâches spécialisées mais peinent encore sur les tâches générales qui font la force des LLMs actuels. La programmation de ces puces nécessite des paradigmes de développement radicalement différents — ce qui freine l’adoption. Mais avec la pression croissante sur les coûts énergétiques de l’IA, les investissements s’accélèrent. Samsung, TSMC et plusieurs startups cherchent à industrialiser cette technologie. D’ici 2030, les puces neuromorphiques pourraient équiper des appareils edge — smartphones, IoT, véhicules autonomes — qui ne peuvent pas dépendre d’un cloud pour leur traitement IA. La révolution énergétique de l’IA passera peut-être par une imitation plus fidèle du cerveau biologique.