Dans le New York Times, le directeur du Centre de Neuroscience théorique de l’université de Columbia, Kenneth Miller, explique d’une manière assez limpide pourquoi le téléchargement de notre cerveau n’est pas pour demain. Pour lui, il n’y a aucune raison théorique que la reproduction du cerveau ne soit pas possible… mais cette perspective n’est envisageable que dans un avenir vraiment très éloigné, car pour cela, il faudra parvenir à comprendre la complexité stupéfiante de la structure du cerveau. Les neurones sont des cellules qui transportent l’information sous forme électrique. Chacun est connecté aux autres par un ensemble très ramifié d’axones et ces liaisons entre neurones formes des synapses. 

L’espoir de reconstruire le fonctionnement du cerveau repose beaucoup sur la connectomique, l’ambition de construire une schéma complet du câblage du cerveau ou connectome. Mais nous en sommes très loin. Aujourd’hui, les chercheurs travaillent sur de minuscules tissus cérébraux de quelques 2000 synapses, quand le cerveau humain en a plus de 100 milliards. Malgré les progrès rapides, il faudra certainement des siècles aux chercheurs pour arriver à un connectome de la taille du cerveau, estime le spécialiste.  

Même si cet objectif était atteint, il ne serait qu’une première étape vers l’objectif de décrire le cerveau, car il faudrait aussi comprendre l’activité électrique du cerveau. Or cette activité électrique n’est pas régulière : la transmission électrique est plus ou moins rapide et la force de cette activité varie sans arrêt. Sans compter que chaque synapse est une machine moléculaire extrêmement compliquée, composée de plus de 1000 protéines différentes et qui varient dans le temps : la malléabilité synaptique ajoute encore une difficulté à l’ensemble. Les neurones aussi sont complexes et variables, tout comme les axones. Les composants du cerveau (neurones, axones, dendrites, synapses…) s’adaptent continuellement à leur expérience électrique et chimique pour maintenir leur capacité à donner des réponses appropriées à la grande variabilité des entrées qu’ils reçoivent. 

Pour l’instant, les outils de recherche sont des modèles extrêmement simplifiés permettant de révéler des mécanismes de base. Ajouter de la complexité ne donne pas une image forcément plus réaliste, parce que nous ne connaissons pas assez cette complexité pour la modéliser avec précision. Et le chemin vers cette compréhension sera encore très très long, conclu Miller.