Contexte biologique

Le cerveau du Drosophila melanogaster compte environ 140 000 neurones, soit moins d’un grain de pavot, mais il gère une palette olfactive très large en quelques millisecondes. Chaque odeur active un sous‑ensemble de récepteurs odorants qui codent les molécules par des combinaisons de signaux. Cette architecture combinatoire, découverte par Linda Buck et Richard Axel en 1991, repose sur des centaines de récepteurs différents, chaque récepteur étant sensible à des caractéristiques chimiques précises.

Principe de l'algorithme Spi-Fly

L’équipe de Kevin Max et Yang Shen (Okinawa Institute of Science and Technology) a transposé ce schéma dans l’algorithme Spi‑Fly, publié dans *Neuromorphic Computing and Engineering*. Spi‑Fly utilise un réseau de neurones spiking qui imite la dynamique des neurones du fruit‑fly : chaque entrée odorante déclenche un pic (spike) dont la fréquence encode la présence du composé. Le réseau conserve les motifs de spikes grâce à des synapses à plasticité à long terme, ce qui empêche l’« oublie » lorsqu’un nouveau stimulus est appris. Le papier indique que le modèle conserve les traces de plus de 100 % d’odeurs précédemment apprises même après l’ajout de nouvelles, contrairement aux systèmes classiques qui subissent un phénomène de « catastrophic forgetting ».

Comparaison avec les nez électroniques actuels

Les electronic noses commerciaux (Alpha MOS, Aryballe, Odotech) reposent généralement sur des capteurs chimiques fixes et un classifieur supervisé. Leur champ de détection est limité à quelques dizaines de composés et le coût matériel dépasse souvent plusieurs dizaines de milliers d’euros. De plus, lorsqu’ils sont entraînés sur un nouveau parfum, ils réinitialisent les poids du classifieur, entraînant la perte des connaissances antérieures. Spi‑Fly, en s’appuyant sur une architecture neuromorphique, montre une capacité de mémoire incrémentale et un coût matériel potentiellement réduit grâce à l’utilisation de puces à faible consommation d’énergie, typiques des systèmes spiking.

Perspectives et limites

Le principal avantage de Spi‑Fly réside dans sa capacité à ne jamais oublier les odeurs apprises, ce qui ouvre la voie à des applications de surveillance continue où la stabilité des modèles est critique (qualité alimentaire, détection de polluants). Cependant, le papier ne fournit pas de benchmarks quantitatifs (précision, temps de latence, consommation énergétique) comparés aux solutions industrielles, ce qui rend difficile l’évaluation de la viabilité à grande échelle. En outre, la transposition du système biologique à du matériel neuromorphique nécessite encore des puces spécialisées, dont la disponibilité reste limitée. Sans données de performance détaillées, la supériorité de Spi‑Fly reste théorique et devra être confirmée par des essais sur le terrain.