Les cerveaux des abeilles inspirent une IA et une robotique plus intelligentes

Les abeilles, les plus grands pollinisateurs du monde, sont une partie essentielle de la biodiversité dont nous, les humains, dépendons directement pour notre survie.

Ces insectes ailés sont principalement connus pour fournir des aliments de haute qualité comme le miel ainsi que la cire d’abeille, la propolis, le pollen et la gelée, entre autres produits. Plus important encore, ils sont responsables de la pollinisation d’innombrables plantes à fleurs, y compris la grande majorité des cultures alimentaires mondiales, ce qui permet aux plantes de se reproduire et de produire fruits, légumes et graines. 

Pour accomplir cela, les abeilles utilisent leurs corps velus et transfèrent le pollen d’une fleur à l’autre.

Bien que les abeilles ne soient pas les seules à le faire, les oiseaux, les singes et même les humains pollinisent, les abeilles sont certainement les pollinisateurs les plus courants. Il est estimé que plus de 87 % de toutes les espèces de plantes à fleurs dépendent des animaux, les abeilles étant le groupe principal pour la pollinisation, un service écosystémique essentiel vital pour la biodiversité et la sécurité alimentaire.

Les abeilles sont en réalité des insectes très intelligents, et les chercheurs étudient leur comportement, leurs manières et leurs interactions sociales pour comprendre la santé des écosystèmes, les changements environnementaux et améliorer l’efficacité de la pollinisation des cultures.

De plus, les abeilles sont utilisées comme modèle pour comprendre le comportement coopératif et cartographier la façon dont de minuscules cerveaux coordonnent des tâches sociales complexes. 

Les scientifiques s’inspirent également des abeilles pour faire progresser la technologie. Par exemple, leurs stratégies de navigation et de communication sont appliquées à la technologie des drones. Le comportement des abeilles a également inspiré la robotique, les algorithmes et l’IA.

À ce sujet, des chercheurs ont récemment découvert que les abeilles utilisent leurs mouvements de vol pour améliorer les signaux cérébraux, ce qui leur permet d’apprendre et de reconnaître des motifs visuels complexes avec une grande précision. 

Cette perception basée sur le mouvement, selon la nouvelle étude, pourrait révolutionner le développement de l’IA et de la robotique de prochaine génération en privilégiant l’efficacité plutôt que la puissance de calcul massive.

Intelligence des abeilles : ce que les petits cerveaux nous enseignent sur l:IA

Les capacités d’apprentissage visuel des abeilles sont tout simplement remarquables. Cela se manifeste par le fait qu’elles peuvent apprendre à associer une couleur à une récompense ainsi qu’à identifier des caractéristiques spécifiques pour classer des motifs visuels. Elles ont même montré la capacité de comprendre des concepts abstraits et de résoudre des tâches de numérosité en scannant séquentiellement les éléments d’un stimulus. 

Un concept fondamental en sciences cognitives, la numérosité désigne le nombre d’éléments dans un ensemble et est généralement étudiée dans le contexte de la perception visuelle, où elle fait référence à la capacité de saisir rapidement la quantité d’objets dans une scène sans compter. 

En tant que tel, les tâches de numérosité analysent la capacité innée du cerveau à percevoir et estimer les quantités.

Ainsi, les abeilles possèdent clairement des capacités exceptionnelles, ce qui en fait un modèle animal précieux pour explorer les principes de l’apprentissage visuel en analysant leurs réponses comportementales.

Mais le fait est, on ne sait toujours pas exactement comment les abeilles parviennent à identifier des motifs complexes et à percevoir les complexités du monde qui les entoure pendant la recherche de nourriture, étant donné leur sensibilité visuelle supposément faible et leurs ressources neuronales limitées.

Les neurones sensoriels visuels sont en fait supposés évoluer afin d’exploiter les régularités des scènes naturelles. Par exemple, des études ont montré que les voies sensorielles des insectes et les comportements qui y sont associés s’adaptent dynamiquement aux différentes conditions environnantes. Les réponses sont ajustées en fonction des données d’entrée telles que la fréquence spatiale, le contraste et les corrélations spatiotemporelles. 

En ce qui concerne les stratégies d’échantillonnage actif, où les animaux scannent continuellement leur environnement pour extraire des informations visuelles au fil du temps, un tel comportement a été largement observé chez de nombreuses espèces. 

Alors que les primates utilisent les mouvements oculaires pour améliorer leur résolution spatiale fine et améliorer le codage des stimuli naturels, les insectes emploient des stratégies impliquant des mouvements de la tête et du corps ou des trajectoires d’approche spécifiques.

Dans le cas des abeilles, elles dépendent probablement de la vision active et de l’échantillonnage séquentiel pour construire une représentation neuronale forte et résiliente de leur environnement. 

Ces stratégies jouent un rôle clé dans le traitement visuel précoce, réduisant la redondance et rendant le codage des stimuli visuels plus efficace. Mais encore une fois, notre compréhension de la façon dont ces mécanismes permettent aux abeilles de détecter les régularités visuelles, de surmonter les contraintes de représentation et de résoudre des tâches complexes reste pauvre.

Selon la dernière étude, comprendre ces stratégies est crucial pour démêler les principes fondamentaux de la vision des insectes et leurs implications plus larges pour le traitement visuel dans les systèmes biologiques et artificiels.

Ainsi, en s’appuyant sur leur étude précédente, qui avait évalué les trajectoires de vol des abeilles lors d’une tâche visuelle simple¹, les chercheurs examinent maintenant les principaux éléments de circuit qui contribuent à la vision active dans la reconnaissance de motifs achromatiques.

L’objectif principal de l’étude est de déterminer comment le comportement de balayage des abeilles contribue à l’organisation et à la connectivité des neurones dans leurs lobes visuels.

Des chercheurs de l’Université de Sheffield ont émis l’hypothèse que les comportements de balayage se sont adaptés pour échantillonner des caractéristiques visuelles complexes d’une manière qui les encode plus efficacement dans les neurones du lobule. Cela, à son tour, facilite des représentations uniques qui soutiennent l’apprentissage dans le minuscule cerveau des abeilles. Pour tester cette hypothèse, ils ont développé un modèle neuromorphique des lobes optiques de l’abeille.

Les chercheurs ont intégré des principes de codage via un nouveau modèle de plasticité non associative. Cela a permis au modèle d’auto‑organiser sa connectivité au sein du lobe visuel, créant ainsi des représentations efficaces de l’environnement et conduisant à l’émergence de cellules sélectives à l’orientation, essentielles pour coder des scènes visuelles complexes.

Le cadre de traitement visuel a été davantage renforcé en employant un autre module de prise de décision, qui s’est inspiré des mécanismes d’apprentissage associatif des insectes.

Les simulations des chercheurs révèlent qu’un petit sous‑ensemble de neurones du lobule, sensibles à des orientations et vitesses spécifiques, peut compresser des environnements visuels complexes en représentations exprimées sous forme de taux de décharge. Ces représentations rares distinguent efficacement les motifs plus et multiplication, ce qui souligne l’applicabilité plus large du modèle.

Les connaissances tirées de l’étude peuvent aider à faire progresser notre compréhension de la vision biologique et de la cognition et inspirer le développement de nouveaux modèles computationnels pour les tâches de reconnaissance visuelle, déclare l’étude.

Comment la vision inspirée des abeilles façonne la robotique et l:IA

La dernière étude, une collaboration avec Queen Mary University of London et publiée dans la revue eLife, détaillait un modèle numérique du minuscule cerveau d’une abeille².

Il exploite la façon surprenante dont ces insectes combinent cerveau et corps pour faire progresser la technologie et rendre les futurs robots plus intelligents et plus efficaces. Tout comme les abeilles utilisent leurs mouvements de vol pour créer des signaux cérébraux clairs et simplifier des tâches visuelles complexes, la technologie de prochaine génération peut également recueillir des informations pertinentes grâce au mouvement plutôt qu’en s’appuyant sur une puissance de calcul massive.

L’étude, après tout, a démontré que même les minuscules cerveaux d’insectes sont capables de résoudre des tâches visuelles complexes. 

Le fait que quelques cellules cérébrales puissent accomplir tant de choses signifie que l’intelligence n’est pas uniquement une question de cerveau, mais le résultat d’une cohésion entre cerveau, corps et environnement. 

Construire une version numérique du cerveau d’une abeille a aidé les chercheurs à découvrir que la façon dont les abeilles déplacent leur corps pendant le vol facilite la mise en forme de l’entrée visuelle. Ces mouvements produisent également des signaux électriques uniques dans leurs cerveaux, ce qui leur permet d’identifier facilement et efficacement les caractéristiques prévisibles autour d’elles .

Cela met en avant l’exactitude remarquable des abeilles dans l’apprentissage et l’identification de motifs visuels complexes pendant le vol.

“Dans cette étude, nous avons démontré avec succès que même les plus petits cerveaux peuvent exploiter le mouvement pour percevoir et comprendre le monde qui les entoure. Cela montre qu’un système petit et efficace — bien qu’étant le résultat de millions d’années d’évolution — peut effectuer des calculs bien plus complexes que ce que nous pensions possible.”

– L’auteur principal de l’étude, le professeur James Marshall, directeur du Centre d’Intelligence Machine à l’Université de Sheffield

En tirant parti des meilleures conceptions de la nature pour l’intelligence, Marshall a noté que cela ouvre la voie à “la prochaine génération d’IA, stimulant les avancées en robotique, véhicules autonomes et apprentissage en conditions réelles.”

Comme indiqué précédemment, cette étude s’appuie sur leurs recherches antérieures sur la façon dont les abeilles utilisent la vision active, où leurs mouvements aident à collecter et traiter l’information visuelle. Le travail le plus récent examine plus en profondeur les mécanismes cérébraux sous‑jacents qui guident leur comportement de vol et d’inspection de motifs spécifiques.

“Dans nos travaux précédents, nous avons été fascinés de découvrir que les abeilles utilisent un raccourci de balayage ingénieux pour résoudre des énigmes visuelles. Mais cela ne nous disait que ce qu’elles font ; pour cette étude, nous voulions comprendre comment.”

– Auteur principal, Dr. HaDi MaBouDi de l’Université de Sheffield

Les capacités avancées d’apprentissage de motifs visuels des abeilles ont en fait été longtemps comprises. Cela inclut leur capacité à différencier les visages humains, mais pas en ce qui concerne la façon dont ils naviguent dans le monde avec une telle efficacité.

“Notre modèle du cerveau d’une abeille montre que ses circuits neuronaux sont optimisés pour traiter l’information visuelle non pas isolément, mais à travers une interaction active avec ses mouvements de vol dans l’environnement naturel.”

– MaBouDi

Et cela, a-t-il noté, soutient la théorie selon laquelle l’intelligence découle de l’interaction entre le cerveau, le corps et l’environnement travaillant ensemble.

“Nous avons appris que les abeilles, bien que leurs cerveaux ne dépassent pas la taille d’une graine de sésame, ne se contentent pas de voir le monde — elles façonnent activement ce qu’elles voient grâce à leurs mouvements. C’est un bel exemple de la façon dont l’action et la perception sont profondément imbriquées pour résoudre des problèmes complexes avec des ressources minimales. Cela a d’importantes implications tant pour la biologie que pour l’IA.”

– MaBouDi

Le modèle, construit grâce à des efforts collaboratifs, montre que les neurones d’une abeille deviennent fortement accordés à des mouvements et directions spécifiques à mesure que leur cerveau s’adapte lentement grâce à une exposition répétée à différents stimuli. Cela améliore leurs réponses sans dépendre d’associations ou de renforcement.

Ce que cela signifie, c’est que le cerveau d’une abeille s’adapte à son environnement simplement par l’observation pendant le vol, sans nécessiter de récompenses immédiates.

Tout cela est réalisé en n’utilisant que quelques neurones, ce qui économise à la fois énergie et puissance de calcul, rendant leur cerveau incroyablement efficace. Maintenant, pour tester le modèle, l’équipe l’a soumis aux mêmes défis visuels que ceux rencontrés par les abeilles réelles. Dans ce cas, le modèle computationnel devait différencier un signe « plus » d’un signe « multiplication ».

En imitant la stratégie des abeilles réelles, en ne scannant que la moitié inférieure des motifs, le modèle a montré une amélioration considérable des performances. 

De plus, le modèle a démontré simplement comment les abeilles peuvent reconnaître les visages humains, en n’utilisant qu’un petit réseau de neurones artificiels, mettant en avant la polyvalence et la robustesse de leur traitement visuel.

“Les scientifiques se sont longtemps interrogés sur la question de savoir si la taille du cerveau prédit l’intelligence chez les animaux. Mais de telles spéculations n’ont aucun sens à moins de connaître les calculs neuronaux qui sous-tendent une tâche donnée,” a déclaré le professeur Lars Chittka, professeur d’écologie sensorielle et comportementale à Queen Mary University of London. “Nous déterminons ici le nombre minimal de neurones requis pour des tâches de discrimination visuelle difficiles et constatons que ces nombres sont étonnamment faibles, même pour des tâches complexes comme la reconnaissance de visages humains. Ainsi, les micro‑cerveaux d’insectes sont capables de calculs avancés.”

Donc, de cette façon, l’étude renforce les preuves que les animaux ne se contentent pas de recevoir passivement l’information. En fait, ils travaillent activement avec elle.

Les abeilles, en particulier, possèdent un traitement visuel de haut niveau, et le modèle révèle comment le balayage guidé par le comportement peut créer des codes neuronaux compressés et apprenables.

“Ensemble, ces découvertes soutiennent un cadre unifié où perception, action et dynamique cérébrale co‑évoluent pour résoudre des tâches visuelles complexes avec des ressources minimales — offrant des perspectives puissantes tant pour la biologie que pour l’IA.”

– Professeur Mikko Juusola, professeur en neurosciences systémiques à l’École des biosciences et à l’Institut de neurosciences de l’Université de Sheffield

Cliquez ici pour découvrir comment l’IA peut aider à protéger les abeilles contre les frelons asiatiques.

Glissez pour faire défiler →

Investir dans la technologie IA

Dans le monde de l’IA et de la robotique, Qualcomm (QCOM ) est un nom connu qui a exploré les technologies neuromorphiques et edge‑IA. 

Il y a plus d’une décennie, Qualcomm a lancé les processeurs Qualcomm Zeroth pour imiter la perception et l’apprentissage semblables à ceux des humains, tout comme le font les cerveaux biologiques. En plus de l’apprentissage inspiré biologiquement, l’objectif était de reproduire l’efficacité avec laquelle notre cerveau communique l’information et de standardiser la nouvelle architecture de traitement appelée Unité de Traitement Neural (NPU).

Sa plateforme de robotique RB6, axée sur l’IA, alimente les robots de prochaine génération et les machines intelligentes, y compris les robots de livraison, les robots mobiles autonomes (AMR), les aéronefs UAM, les robots de fabrication, les solutions de défense autonomes, et bien plus encore. La plateforme offre une puissance de calcul edge‑IA avancée, efficace en énergie, ainsi que le traitement vidéo avec connectivité 5G pour les robots

Principalement, Qualcomm développe des technologies fondamentales pour l’industrie sans fil, incluant la 3G, la 4G, la 5G, la connectivité sans fil, et le calcul haute performance à faible consommation.

Cliquez ici pour tout savoir sur l’investissement dans l’intelligence artificielle (IA).

Qualcomm (QCOM )

En examinant la performance boursière de Qualcomm, la société dont la capitalisation boursière s’élève à 171,67 milliards de dollars voit ses actions se négocier actuellement à 159,54 $, en hausse de 3,6 % cette année.

Alors que la performance de cette année a été décevante, elle suit le pic de QCOM au‑delà de 215 $ en juin de l’année dernière. Son BPA (TTM) s’établit à 10,36, son PER (TTM) à 15,36, et son ROE (TTM) à 44,62 %, tandis que les actionnaires bénéficient d’un rendement du dividende de 2,24 %.

Sur le plan financier, le fabricant de puces sans fil a annoncé une hausse de 10 % de son chiffre d’affaires, atteignant 10,4 milliards de dollars pour son troisième trimestre fiscal se terminant le 29 juin 2025.

Porté par la force des segments Handsets, IoT et Automotive, les revenus QCT ont bondi de 11 % d’une année sur l’autre pour atteindre 9 milliards de dollars, et les revenus EBT ont grimpé de 22 % à 2,7 milliards de dollars. Les revenus combinés QCT Automotive et IoT, quant à eux, ont augmenté de 23 % d’une année sur l’autre pour atteindre 2,7 milliards de dollars.

Le BPA non‑GAAP de la société a progressé de 19 % d’une année sur l’autre pour atteindre 2,77 $.

According to CEO Cristiano Amon:

“Un autre trimestre de forte croissance des revenus QCT Automotive et IoT confirme davantage notre stratégie de diversification et notre confiance dans l’atteinte de nos objectifs de revenus à long terme. Notre leadership dans le traitement IA, le calcul haute performance à faible consommation et la connectivité avancée nous positionne pour devenir la plateforme industrielle de choix à mesure que l’IA se développe à la périphérie.”

Au cours du trimestre, Qualcomm a reversé 3,8 milliards de dollars aux actionnaires, dont 967 millions de dollars, soit 0,89 $ par action, de dividendes en espèces et 2,8 milliards de dollars de rachats d’actions.

Plus récemment, Qualcomm a lancé le Dragonwing Q‑6690 pour ses clients entreprises, moins de six mois après le dévoilement de la suite de produits Dragonwing. L’entreprise affirme que ce chipset est le premier processeur mobile au monde doté de capacités RFID ultra‑hautes fréquences intégrées.

Avec ses solutions IoT industrielles et embarquées, de mise en réseau et d’infrastructure cellulaire, l’entreprise vise à les utiliser pour simplifier la complexité, optimiser l’efficacité opérationnelle et favoriser une prise de décision plus intelligente.

Parallèlement, la société d’IA saoudienne Humain a commencé à construire ses premiers centres de données à Riyad et à Dammam, pour lesquels elle s’est associée à Qualcomm et AMD, Cisco et Groq. La société prévoit de construire 1,9 GW de capacité de centre de données d’ici la fin de cette décennie.

Dernières actualités et développements des actions Qualcomm (QCOM)

Conclusion

Les animaux ont longtemps inspiré la technologie, et aujourd’hui les abeilles nous montrent que l’intelligence ne dépend pas de la taille du cerveau mais de l’efficacité, de l’adaptabilité et de l’intégration fluide du corps, du cerveau et de l’environnement. Ces leçons pourraient aider à transformer la conception de l’IA.

AI is one of today’s most advanced and fast‑moving fields, garnering significant attention, capital, and development. Scaling massive models, however, is expensive, energy‑intensive, and unsustainable. Here, bee‑inspired research offers an alternative: small, efficient neural networks that can achieve more with less.

En étudiant la vision active et les stratégies neuronales compactes des abeilles, nous pouvons créer une IA et une robotique futuristes plus rapides et plus performantes.

Cliquez ici pour découvrir si les pollinisateurs robotiques peuvent jouer un rôle dans l’agriculture verticale.

Références :

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Active vision of bees in a simple pattern discrimination task. eLife, 14, e106332, publié le 20 février 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. A neuromorphic model of active vision shows how spatiotemporal encoding in lobula neurons can aid pattern recognition in bees. eLife, 14, e89929, publié le 1 juillet 2025. https://doi.org/10.7554/eLife.89929