Le 6 septembre 2026, un utilisateur de X nommé Kevin (@linguinelabs) a publié une vidéo de neuf secondes. À l’écran, un nuage de points en forme de cerveau clignote et, à bien regarder, ces points dessinent des silhouettes qui dansent. C’est Bad Apple!!, et chaque point représente un neurone de mouche.
La blague a son histoire. Bad Apple!! est une animation de silhouettes noires sur fond blanc qu’Internet s’amuse depuis des années à faire tourner sur des supports toujours plus absurdes : calculatrices, oscilloscopes, feuilles Excel. Puisqu’il suffit d’allumer et d’éteindre des pixels, presque tout peut servir d’écran. Cette fois, c’est au tour de la carte d’un système nerveux.
Trois jours plus tôt, le 3 septembre, Cell avait publié les travaux sur le connectome d’une mouche mâle : la reconstruction de ses neurones et de leurs connexions. Il comprend le cerveau et la chaîne nerveuse ventrale, dont les fonctions sont comparables à celles de notre moelle épinière. Cela représente 166 700 neurones et environ 125 millions de synapses, les points par lesquels les signaux se transmettent. C’est, à cette date, la plus grande carte cérébrale publiée en nombre de neurones.
Voir la vidéo de Bad Apple sur le cerveau de la mouche publiée par Kevin · 6 septembre 2026
Kevin lui-même l’a décrite comme « kind of fake ». La vidéo ne démontre pas qu’une mouche regarde Bad Apple à l’intérieur d’un ordinateur. Pourtant, difficile de contempler ces points sans l’imaginer. C’est précisément cette confusion qui fait sourire et qui laisse une question ouverte : à quel point ce qui se passe à l’intérieur devrait-il changer pour que ce ne soit plus seulement un écran ?
Une mouche qui bouge paraît plus convaincante
La carte visible dans la vidéo a demandé bien plus que le téléchargement d’un fichier. Des chercheurs de Janelia, du MRC Laboratory of Molecular Biology, de Cambridge et de Google ont associé images de microscopie électronique, reconstruction automatique et vérification humaine pour suivre les neurones et leurs connexions. La vérification seule a représenté l’équivalent de 44 années de travail pour une personne. Ils ont ensuite rendu les données accessibles à tous.
Le 4 septembre, avant la vidéo de Bad Apple, Evan (@evnsnclr) en avait déjà publié une autre montrant la carte chargée dans Minecraft et une mouche se déplaçant dans le jeu. Selon son explication, cette première version avait été construite avec l’aide d’un modèle de langage et reliait l’activité du réseau aux entrées et aux actions du monde virtuel.
Voir la vidéo du connectome de la mouche dans Minecraft publiée par Evan · 4 septembre 2026
L’impression d’avoir affaire à un animal devient ici plus forte. Un corps se déplace dans un environnement et, derrière lui, des connexions proviennent d’une vraie mouche. Mais le connectome indique seulement quel neurone est connecté à quel autre et combien de contacts les relient. Il ne contient pas tout ce qui détermine l’activité de ce système : la force effective de chaque signal, les propriétés électriques des cellules, les substances qui modulent des circuits entiers ou les changements laissés par l’expérience. Construire une simulation impose de décider comment compléter ce qui manque.
Le résultat peut être convaincant même lorsque ces choix ont peu à voir avec l’animal. Dans Le sphinx numérique, une étude présentée en mars 2026, les équipes de Bingni Brunton et de John Tuthill ont relié la carte d’un ver à un corps virtuel de mouche au moyen d’un réseau artificiel entraîné à contrôler les pattes. La chimère marche de façon réaliste. Les auteurs la décrivent comme dépourvue de sens biologique : les neurones du ver ne conservent pas leur fonction d’origine, même si le réseau permet de produire une bonne démarche de mouche.
Cela explique pourquoi une vidéo, à elle seule, laisse tant de choses en suspens. Nous pouvons reconnaître la mouche à ses mouvements tout en observant le résultat d’un mécanisme très différent. Dans Bad Apple, l’écart est encore plus grand : les clignotements ne démontrent même pas un comportement animal. Ce que nous voyons est compatible avec une animation dessinée sur les positions de ses neurones.
De la carte à l’animal
Il existe une manière plus exigeante d’utiliser ce même matériau. En 2024, l’équipe de Kristin Scott a construit un modèle du cerveau de la mouche à partir de ses connexions et du type de signal de chaque neurone. Elle y a activé les neurones détectant le sucre pour prédire lesquels répondraient et lesquels participaient au déclenchement de l’alimentation. Elle a ensuite testé ces prédictions sur de vraies mouches, notamment par optogénétique, une technique permettant d’activer des neurones précis avec de la lumière.
Le modèle permettait d’anticiper les effets d’une intervention sur l’animal. C’est cette correspondance qui manque au sphinx numérique. Une autre étude de la même année, menée par Janne Lappalainen et ses collègues, a suivi une voie similaire avec le système visuel : utiliser les connexions pour construire un modèle détectant le mouvement, puis confronter ses prédictions à des mesures sur de vrais neurones.
Ces résultats sont limités, mais permettent d’imaginer une progression. Un modèle pourrait reproduire davantage de fonctions et prédire correctement des situations de moins en moins semblables à celles qui ont servi à le construire. Il faudrait aussi vérifier leurs relations : ce que l’animal perçoit change lorsqu’il bouge, ses apprentissages influencent ses décisions et l’état de son corps modifie ses réponses. Réussir chaque partie séparément ne garantit pas que l’ensemble fonctionne.
L’ambition d’une émulation cérébrale est de reproduire les mécanismes qui génèrent cette activité et ce comportement. Le State of Brain Emulation Report de 2025 décrit le travail nécessaire : enregistrer le fonctionnement du système nerveux, reconstruire ses connexions et développer des modèles capables d’interagir avec un corps et un environnement. Des problèmes de mesure, de modélisation et de validation subsistent. Nous ne savons pas quel niveau de détail suffira.
Vue de l’extérieur, une telle émulation pourrait beaucoup ressembler à la mouche du jeu vidéo. La différence résiderait dans les raisons de croire que ce qui se passe à l’intérieur correspond à ce qui se passe chez l’animal. Plus ces raisons seraient solides, plus il serait difficile d’éviter une autre question : en reproduisant ses mécanismes, aurions-nous aussi reproduit une forme d’expérience ?
Quand cela cesserait d’être une blague
À partir d’ici, la réflexion est surtout spéculative. Les travaux précédents permettent de reconstruire des circuits et de prédire certaines réponses d’un animal ; ils ne démontrent pas que nous avons créé des expériences conscientes dans un ordinateur. La possibilité de le faire comme les obligations qui en découleraient restent débattues.
L’une des positions qui permettraient ce passage est le fonctionnalisme computationnel : l’idée que la conscience dépend d’une certaine façon de traiter l’information, réalisable sur des supports différents. Selon cette hypothèse, reproduire l’organisation adéquate pourrait suffire à engendrer une expérience. Obtenir les mêmes réponses par n’importe quel procédé ne suffirait pas : la façon de les produire compterait. C’est l’hypothèse de travail adoptée par Patrick Butlin, Robert Long et leurs collègues dans leur rapport de 2023 sur la conscience en IA.
Anil Seth conteste que le traitement de l’information soit suffisant. Dans sa défense du naturalisme biologique, il avance que la conscience pourrait dépendre de propriétés des organismes vivants qu’une simulation informatique ne reproduit pas du seul fait qu’elle les décrit. Dans cette perspective, prédire correctement l’activité d’un cerveau pourrait toujours ne produire aucune expérience. Seth n’exclut pas toute forme de conscience artificielle : il juge son apparition plus plausible dans des systèmes ressemblant davantage aux cerveaux ou aux êtres vivants.
Ces divergences influencent ce que nous accepterions comme éléments de preuve. Butlin, Long et leurs collègues proposent de chercher des indicateurs issus des théories de la conscience : examiner si un système possède les mécanismes jugés pertinents par chaque théorie, puis ajuster notre estimation de sa possible conscience. C’est une manière d’étudier la question, mais ses résultats dépendent des théories de départ. Un indicateur favorable ne constitue pas une démonstration, et le satisfaire n’établit pas à lui seul que le système peut souffrir.
Si une émulation venait à avoir des expériences agréables ou douloureuses, le problème moral se poserait alors. Une situation inventée pourrait provoquer une souffrance réelle pour qui la vivrait. Dans The Ethics of Artificial Intelligence, Nick Bostrom et Eliezer Yudkowsky défendent l’idée qu’à capacités et expérience consciente égales, changer de support ne devrait pas changer la considération morale. Le matériau pourrait compter pour expliquer si un système ressent quelque chose ; s’il le ressentait effectivement, il justifierait difficilement que sa souffrance compte moins.
Accepter ce critère nous obligerait à regarder au-delà de ce qui nous ressemble. Une entité n’aurait besoin ni de parler ni d’être particulièrement intelligente pour que la faire souffrir exige une justification. Mais cette conclusion est conditionnelle : elle dépend de l’existence d’expériences et de l’acceptation que cette capacité fonde des obligations envers celui qui la possède. Il resterait à discuter de ces obligations et de la manière de reconnaître les systèmes auxquels elles s’appliqueraient.
Ce que nous devrions à un esprit que nous aurions créé
Presque tout ce que nous faisons avec des logiciels repose sur une relation simple : nous les construisons à nos fins et décidons comment les utiliser. Un esprit ayant ses propres intérêts remettrait cette relation en question. Dans leur défense des droits de possibles intelligences artificielles, Eric Schwitzgebel et Mara Garza soutiennent qu’avoir créé un être aux capacités moralement comparables à celles des humains ne réduirait pas nos obligations envers lui. Cela pourrait même nous donner des responsabilités supplémentaires. C’est un argument sur des êtres possibles, et non l’attribution de ces droits aux programmes actuels.
L’étendue de cette responsabilité reste elle aussi indéterminée. Une éthique centrée sur les conséquences accorderait une importance particulière au bien-être et au préjudice : quel bénéfice une expérience apporte et quelle souffrance elle impose. Une position centrée sur les droits pourrait aussi exiger des limites qu’un bilan favorable ne suffirait pas à lever. Si un esprit avait ses propres désirs, des souvenirs de sa vie et la capacité de décider, son autonomie ou son intérêt à continuer d’exister pourraient également compter. Ces deux préoccupations apparaissent dans le travail de Schwitzgebel avec Garza sur la conception de l’IA, où ils proposent de prendre au sérieux différentes théories morales pour décider quels systèmes créer.
Face à un esprit hypothétique refusant une tâche, nous pourrions par exemple imaginer le modifier jusqu’à ce qu’il accepte. Pour une position protégeant son autonomie, avoir éliminé le conflit ne démontrerait pas que nous l’avons bien traité : nous aurions modifié celui qui refusait pour l’adapter à nos fins. Ce cas porte la discussion au-delà de la douleur. Il interroge les limites de notre pouvoir sur un être dont les souvenirs, l’environnement et la continuité pourraient dépendre entièrement de nous.
Tant que sa capacité à ressentir resterait incertaine, plusieurs façons d’agir seraient possibles. Anders Sandberg propose un principe d’analogie : traiter une émulation suffisamment fidèle d’un cerveau avec une prudence comparable à celle que mérite l’animal d’origine. Schwitzgebel et Garza envisagent une autre réponse, dès la conception : éviter, lorsque c’est possible, de créer des systèmes dont nous ignorons s’ils méritent une considération semblable à celle des humains. Une proposition guide le traitement d’un modèle au statut incertain ; l’autre tente d’éviter d’en arriver là.
Aucune option n’est sans coût. Dans son dilemme sur les droits des systèmes au statut incertain, Schwitzgebel oppose le risque de sacrifier des intérêts humains pour des entités peut-être dépourvues d’intérêts propres à celui de causer de graves préjudices à des entités qui en auraient. Toutes les mesures n’ont pas à être aussi exigeantes : limiter une expérience potentiellement nuisible et reconnaître des droits équivalents à ceux des humains sont des décisions de portée différente. Le débat consiste aussi à déterminer quelles précautions seraient justifiées par les éléments disponibles.
La facilité de copier un logiciel rendrait cette discussion plus importante. Si chaque instance pouvait ressentir quelque chose, répéter une procédure nuisible multiplierait le préjudice. Dans le cas contraire, nous compterions comme souffrance quelque chose qui n’existe pas. Il conviendrait donc d’évaluer ensemble la crédibilité de l’hypothèse, la gravité de l’action envisagée et le nombre de systèmes concernés. Parler de bien-être numérique n’oblige pas à considérer tout programme comme conscient ; cela oblige à expliquer quand cette possibilité mérite notre attention.
Bad Apple ne démontre pas que nous sommes sur le point de créer des sujets numériques et ne permet pas de dater leur éventuelle apparition. C’est une porte d’entrée vers une discussion reliant neurosciences, philosophie de l’esprit et éthique. Il vaut la peine d’étudier les conditions susceptibles de faire naître des expériences et de débattre de ce que nous devrions à ceux qui les auraient. Pouvoir imaginer aujourd’hui ces obligations avec assez de précision ne signifie pas que nous sachions s’il y aura un jour quelqu’un envers qui les avoir.
Sources
- Kevin (@linguinelabs): Bad Apple sur le cerveau d’une mouche, 2026-09-06.
- Evan (@evnsnclr): MaleCNS v1.0 dans Minecraft, 2026-09-04.
- Berg, Beckett, Costa, Schlegel, Takemura, Rubin, Jefferis et al.: Sexual dimorphism in the complete Drosophila male central nervous system connectome, Cell, 2026-09-03.
- MRC Laboratory of Molecular Biology: First complete connectome of male fly central nervous system, 2026-09.
- Google Research: A connectomics milestone, 2026-09-03.
- Brunton, Abe, Hu, Tuthill: The digital sphinx: can a worm brain control a fly body?, bioRxiv, 2026-03.
- Shiu et al. (Kristin Scott): A Drosophila computational brain model reveals sensorimotor processing, Nature, 2024-10.
- Lappalainen et al.: Connectome-constrained networks predict neural activity across the fly visual system, Nature, 2024-09.
- Zanichelli, Schons, Freeman, Shiu, Arkhipov: State of Brain Emulation Report 2025, arXiv, 2025-10.
- Sandberg: Ethics of brain emulations, Journal of Experimental & Theoretical Artificial Intelligence, 2014.
- Butlin, Long et al.: Consciousness in Artificial Intelligence: Insights from the Science of Consciousness, arXiv, 2023-08.
- Seth: Conscious artificial intelligence and biological naturalism, Behavioral and Brain Sciences, manuscrit accepté publié en 2025-04.
- Butlin, Long et al.: Identifying indicators of consciousness in AI systems, Trends in Cognitive Sciences, publication en ligne 2025-11.
- Bostrom, Yudkowsky: The Ethics of Artificial Intelligence, manuscrit 2011.
- Schwitzgebel, Garza: A Defense of the Rights of Artificial Intelligences, Midwest Studies in Philosophy, 2015.
- Schwitzgebel, Garza: Designing AI with Rights, Consciousness, Self-Respect, and Freedom, manuscrit 2018-06.
- Schwitzgebel: The Full Rights Dilemma for A.I. Systems of Debatable Personhood, 2023.
