Les mouches du fruit ne sont pas exactement célèbres pour leur intelligence - vous en avez probablement noyé plus d'une dans un verre de vin laissé trop longtemps sur la table de la terrasse. Pourtant, avec environ 140 000 neurones - un cerveau plus petit qu'une graine de pavot - la drosophile peut trier une vaste gamme d'odeurs en une fraction de seconde, puis conserver le souvenir de cette odeur pendant longtemps. En cela, elles font bien mieux que les « nez électroniques » actuels, qui ont tendance à être chers, terriblement limités dans ce qu'ils peuvent détecter, et qui oublient rapidement une odeur dès qu'ils en apprennent une nouvelle.

Alors pourquoi ne pas simplement copier la mouche ? C'est la question que se posent de plus en plus de chercheurs - dont Kevin Max et Yang Shen à l'Institut des sciences et technologies d'Okinawa, dont le nouvel algorithme, Spi-Fly, est décrit dans un article récemment publié dans la revue Neuromorphic Computing and Engineering.

L'odorat est un sens étrange, mécaniquement parlant. La vision et l'ouïe se réduisent toutes deux à une seule dimension physique que l'on peut tracer sur un graphique - la longueur d'onde - ce qui les rend relativement faciles à étudier. Les molécules odorantes, en revanche, ne peuvent pas être réduites à une seule dimension physique. La biologie a dû trouver une solution plus désordonnée : des centaines de protéines réceptrices différentes, chacune façonnée pour attraper des caractéristiques moléculaires spécifiques, qui s'activent en combinaisons que le cerveau doit ensuite décoder. C'est un système si complexe sur le plan combinatoire qu'il a fallu attendre 1991 pour que Linda Buck et Richard Axel identifient même la famille de gènes récepteurs qui se cache derrière - des travaux qui leur ont valu le prix Nobel en 2004.

Malgré les difficultés de notre compréhension de l'odorat, des « nez électroniques » existent sur le marché. Des entreprises comme Alpha MOS, Aryballe et Odotech les vendent pour le contrôle de la qualité alimentaire, la surveillance environnementale et le criblage de sécurité. Ce que ces nez font mal, c'est généraliser. Un appareil réglé pour détecter l'huile d'olive rance n'est pas le même qu'un appareil qui signale un explosif spécifique à un point de contrôle d'aéroport. Réadapter l'un pour une nouvelle tâche signifie généralement réentraîner son logiciel presque à partir de zéro.

Deux goulots d'étranglement techniques se cachent derrière cette limitation. Premièrement, ces systèmes ont généralement besoin d'une montagne d'exemples étiquetés à la main avant de pouvoir distinguer de manière fiable une odeur d'une autre. Deuxièmement, leur apprendre une nouvelle odeur a tendance à brouiller ce qu'ils savaient déjà - un problème que les chercheurs appellent « oubli catastrophique », l'équivalent électronique d'oublier comment faire du vélo juste après avoir appris à nager.

Les mouches du fruit - et beaucoup d'autres insectes - n'ont pas ce problème, malgré leur cerveau minuscule. Comment distinguent-elles les odeurs et s'en souviennent-elles avec si peu de matière grise ? Le secret, selon les auteurs de l'article, est quelque chose appelé codage parcimonieux. Considérez cela comme le cerveau de la mouche attribuant un code-barres à chaque odeur. Son système olfactif repose sur environ 2 000 cellules spécialisées, appelées cellules de Kenyon, qui reçoivent des signaux parcimonieux et câblés de manière aléatoire transmis par les récepteurs d'odeurs de la mouche. Ces cellules de Kenyon font toutes rapport à un seul point de relais : le neurone latéral antérieur apparié, ou APL (en fait une paire symétrique, un par hémisphère cérébral). Les APL répondent en envoyant une inhibition globale et forte à chaque cellule de Kenyon à la fois, réduisant au silence presque toutes. Les cellules qui restent actives après cette répression sont ce que Max et Shen appellent le code-barres pour cette odeur particulière.

Spi-Fly reprend l'histoire seulement après qu'un capteur a déjà fait son travail - tout se passe ici en simulation, en utilisant des données de capteurs pré-enregistrées, et l'algorithme lui-même n'a rien à voir avec la capture de l'odeur en premier lieu. Dans le travail de Max et Shen, les lectures du capteur deviennent un flux de pointes, projetées de manière parcimonieuse et aléatoire sur une couche cachée qui représente les cellules de Kenyon, avec des neurones qui s'inhibent mutuellement au lieu de compter sur un seul arbitre de type APL. De là, la couche cachée se connecte à une couche de sortie, un neurone par odeur étiquetée, attendant d'apprendre quel code-barres appartient à quelle odeur.

Ce qui est réellement appris, c'est la connexion entre un code-barres et une