Les performances actuelles de l’intelligence artificielle reposent en grande partie sur des architectures de calcul gourmandes en énergie et difficiles à miniaturiser. Une équipe de chercheurs propose aujourd’hui une approche radicalement nouvelle : des neurones artificiels memristifs capables de communiquer entre eux par la lumière, ouvrant la voie à des réseaux neuronaux tridimensionnels ultra-compacts et hautement efficaces.
Dans un article récemment publié dans Nature Electronics, les chercheurs démontrent qu’il est possible de concevoir des réseaux neuronaux photoniquement interconnectés, reposant sur des dispositifs memristifs de taille nanométrique. Ces composants imitent le fonctionnement des neurones biologiques tout en s’affranchissant des limitations des technologies électroniques classiques.
Cette avancée est le fruit d’une collaboration internationale à laquelle a participé le Laboratoire Interdisciplinaire Carnot de Bourgogne (ICB, CNRS / Université Bourgogne Europe), via les travaux d’Alexandre Bouhelier.
Des neurones clignotants à l’échelle nanométrique
Le neurone artificiel développé repose sur une jonction memristive argent / PMMA / argent (métal–isolant–métal). Son fonctionnement est basé sur la formation et la rupture de filaments conducteurs à l’échelle atomique. Lorsqu’un nombre critique de signaux électriques est atteint, le neurone émet une impulsion lumineuse, d’où le terme de neurone clignotant(blinking neuron).Cette émission photonique constitue un atout majeur : elle permet de transmettre l’information sans câblage électrique complexe ni circuits de lecture encombrants. Le dispositif agit ainsi à la fois comme neurone, synapse et émetteur optique, avec une empreinte extrêmement réduite de 170 nm × 240 nm.
Vers des réseaux neuronaux tridimensionnels et évolutifs
Grâce à ces neurones clignotants, les chercheurs ont conçu un réseau neuronal tridimensionnel interconnecté par la lumière, capable de traiter des informations complexes. Le réseau a notamment atteint une précision de 91,51 % pour une tâche de reconnaissance vocale issue du jeu de données Google Speech.
Par ailleurs, une matrice dense de neurones artificiels, espacés d’un micromètre seulement, a permis de réaliser une classification des chiffres manuscrits du jeu de données MNIST avec une précision de 92,27 %.
Une avancée prometteuse pour l’IA neuromorphique
Ces résultats ouvrent des perspectives importantes pour le développement de systèmes neuromorphiques, c’est-à-dire des architectures matérielles inspirées du fonctionnement du cerveau humain. En combinant miniaturisation extrême, faible consommation énergétique et communication photonique, ces neurones memristifs pourraient contribuer à la prochaine génération de systèmes d’intelligence artificielle, plus rapides, plus compacts et plus durables.
Zhou, Y., Fang, Y., Gisler, R. et al. Photonically linked three-dimensional neural networks based on memristive blinking neurons. Nat Electron (2026).
https://doi.org/10.1038/s41928-025-01529-5
