Centre de données alimenté par cellules cérébrales à Singapour

Imaginez un serveur qui boit du sucre. Pas une métaphore, littéralement du sucre. Dans une aile discrète de l'Université nationale de Singapour, des ingénieurs et des biotechnologistes ont renversé le script des centres de données conventionnels, remplaçant des rangées de silicium chaud par des boîtes de Pétri et du tissu neuronal vivant.

Le projet est le fruit d'une collaboration entre l'opérateur singapourien DayOne et la startup biotechnologique australienne Cortical Labs, et il a ouvert ses portes le 17 juillet 2026. À l'intérieur se trouvent 20 unités de calcul biologiques appelées CL1 : des dispositifs hybrides qui associent des neurones cultivés à partir de cellules sanguines reprogrammées à des puces en silicium équipées d'électrodes. Le résultat ressemble à de la science-fiction et fonctionne comme un processeur de niche.

Les techniciens entretiennent les cultures tous les trois jours. Ils nourrissent les cellules avec un mélange de sucre, de nutriments microbiens et de tampons de pH, puis utilisent un petit dispositif d'agitation et un apport contrôlé en oxygène, azote et dioxyde de carbone pour maintenir le réseau en vie. Ce ne sont pas des échantillons passifs sur une étagère. Chaque CL1 contient au moins 200 000 neurones cultivés en laboratoire qui communiquent électriquement avec la puce sous-jacente. Ces motifs neuronaux sont interprétés par un logiciel et transformés en signaux de traitement exploitables.

Alors pourquoi construire un centre de données alimenté par un cerveau ? Le fondateur de Cortical Labs, Chang Han Wong, est franc : les systèmes biologiques excellent lorsque les données sont rares et que les environnements sont imprévisibles. Il soutient que ces processeurs vivants sont particulièrement aptes à apprendre à partir d'entrées limitées et désordonnées, un cas limite que les serveurs en silicium peinent à gérer. « Les centres de données biologiques conviennent mieux aux applications où les jeux de données sont petits et les conditions très imprévisibles », affirme-t-il. « On ne peut tout simplement pas entraîner des robots humanoïdes à chaque variation du monde réel avec les serveurs conventionnels seuls. »

Il existe aussi des usages pratiques. Wong pointe la détection d'anomalies en cybersécurité comme une application prometteuse : les cultures neuronales peuvent repérer de subtiles irrégularités sans nécessiter des montagnes d'exemples étiquetés. Mais il est tout aussi clair sur les limites : le silicium conventionnel demeure inégalé pour les calculs rapides, précis et répétables qui alimentent les grands modèles de langage et autres charges lourdes d'IA.

Chaque CL1 consomme environ 30 watts, systèmes de maintien en vie compris, moins d'énergie qu'une simple calculatrice de poche. Comparez cela aux accélérateurs d'IA modernes : un seul NVIDIA H100 SXM peut tirer jusqu'à 700 watts, et un serveur typique équipé de huit de ces GPU consommera environ 10 200 watts. Les mathématiques énergétiques sont saisissantes, et c'est l'avantage principal de l'approche biologique.

Le coût reflète ce compromis. L'accès à un CL1 revient à environ 2 200 $ par mois pour les clients commerciaux et académiques, soit à peu près la moitié du prix de la location d'une puce IA haut de gamme sur les grandes plateformes cloud. Cela fait du calcul biologique une option attrayante, bien que spécialisée, pour les équipes en quête d'inférence écoénergétique ou de recherches expérimentales sur l'intelligence incarnée.

Au-delà de l'économie, il y a des questions difficiles : bioéthique, fiabilité à long terme, surveillance réglementaire et comment mettre à l'échelle un système vivant sans perdre les comportements qui le rendent utile. L'installation à Singapour est petite par conception, un banc d'essai plutôt qu'un remplacement des fermes de GPU. Pourtant, voir un amas de neurones résoudre des problèmes tout en sirotant une solution de sucre et de nutriments rappelle que l'informatique n'a pas à ressembler à ce qu'elle a toujours été.

Et ensuite, que se passe-t-il ? Plus de hubs hybrides, ou une niche discrète qui nous enseigne de nouvelles façons de penser l'intelligence ? Dans les deux cas, l'image est puissante : un calcul qui vit, respire et apprend d'une manière que nos machines actuelles ne pourraient jamais reproduire.