Consciousness Theory

Le Cerveau n'est pas une Machine Stochastique : Implications Ontologiques

Alexandre ROUVIER-ROY • Chercheur indépendant sur la Conscience, France • 26 décembre 2025

Le cerveau humain contient 86 milliards de neurones formant 100 000 milliards de synapses. Or, une étude publiée dans Neuron en janvier 2025 révèle un paradoxe stupéfiant : notre pensée consciente n'opère qu'à 10 bits par seconde — 100 millions de fois moins que le flux sensoriel entrant. Ce gouffre entre la complexité architecturale du cerveau et sa lenteur cognitive pose déjà question, mais en plus, comment le cerveau peut-il explorer par calcul l'espace combinatoire gigantesque des pensées cohérentes : comment pense-t-il ? Cet article démontre que les neurosciences actuelles se heurtent au même mur combinatoire que l'intelligence artificielle , et que cette convergence a des implications ontologiques majeures pour notre compréhension de la conscience.

I — L'Architecture du Cerveau en Chiffres

1.1 L'inventaire neuronal

Les données neuroscientifiques les plus récentes établissent avec précision l'architecture cérébrale [1, 2] :

Composant	Quantité	Source
Neurones	86 milliards (8,6 × 10¹⁰)	Herculano-Houzel, 2009
Cellules gliales	85 milliards	Azevedo et al., 2009
Synapses par neurone	1 000 à 10 000	Harvard Medical School, 2024
Synapses totales	100 à 500 × 10¹²	Consensus scientifique
Bits de stockage synaptique	~5 bits/synapse	Zheng & Meister, 2024

L'estimation de la capacité de stockage totale du cerveau, obtenue en multipliant le nombre de synapses (~10¹⁴) par leur gamme dynamique (~5 bits), donne :

$$\text{Capacité} \approx 10^{14} \times 5 = 5 \times 10^{14} \text{ bits} \approx 60 \text{ téraoctets}$$

1.2 Le paradoxe de la lenteur cognitive

Une étude majeure publiée en janvier 2025 par Zheng et Meister (California Institute of Technology) a quantifié le débit informationnel des comportements humains [3]. Les auteurs ont mesuré la quantité d'information que les humains peuvent extraire, traiter consciemment et utiliser pour agir. Leurs conclusions sont stupéfiantes.

Les auteurs distinguent deux systèmes :

Système	Fonction	Débit
« Outer brain » (cerveau extérieur)	Traitement sensoriel périphérique, massivement parallèle, largement inconscient	~10⁹ bits/s
« Inner brain » (cerveau intérieur)	Cognition consciente, traitement sériel, pensée délibérée	~10 bits/s
Ratio de compression		100 000 000 : 1

Cette limite de ~10 bits/s a été mesurée sur des tâches cognitives variées :

Tâche cognitive	Débit mesuré
Lecture (compréhension effective)	~10 bits/s
Écriture / frappe au clavier	~10 bits/s
Parole	~13 bits/s
Résolution Rubik's cube (compétition)	~11 bits/s
Mémorisation binaire (compétition)	~5 bits/s
Jeux vidéo (Tetris compétitif)	~6 bits/s

La convergence remarquable vers ~10 bits/s concerne toute cognition consciente : pensée verbale, raisonnement visuo-spatial, prise de décision, planification — indépendamment de la modalité ou de l'expertise du sujet.

« The information throughput of a human being is about 10 bits/s. In comparison, our sensory systems gather data at ~10⁹ bits/s. The stark contrast between these numbers remains unexplained and touches on fundamental aspects of brain function. »
— Zheng & Meister, Neuron, janvier 2025 [3]

Le paradoxe central

Le cerveau possède 86 milliards de neurones capables individuellement de transmettre plus de 10 bits/s. Pourtant, la cognition consciente — mesurée sur des tâches aussi diverses que la lecture, la parole, le raisonnement spatial ou les jeux — n'utilise que 10 bits/s au total. Pourquoi le cerveau a-t-il besoin de milliards de neurones pour traiter 10 bits par seconde ?

II — Le Mur Combinatoire Cérébral

2.1 L'espace des états neuronaux

Considérons l'espace des configurations possibles du cerveau. Chaque neurone peut être dans l'un de plusieurs états (au repos, en train de décharger, réfractaire, etc.). Même en simplifiant à deux états (actif/inactif), l'espace des configurations instantanées est :

$$2^{86 \times 10^9} \approx 10^{2,6 \times 10^{10}}$$

Ce nombre est si astronomique qu'il défie toute représentation. À titre de comparaison :

Référence	Ordre de grandeur
Atomes dans l'univers observable	~10⁸⁰
Opérations depuis le Big Bang (toute l'énergie de l'univers)	~10¹²⁰
États neuronaux possibles	~10^{26 000 000 000}

Note sur les aires du langage

On pourrait objecter que la pensée verbale n'implique pas les 86 milliards de neurones du cerveau, mais seulement les aires spécialisées du langage. Les aires de Broca (BA 44-45) et de Wernicke (BA 22) représentent environ 100 millions de neurones. Même avec cette estimation minimale, l'espace des états serait de 2^10⁸ ≈ 10^{30 000 000} — toujours incomparablement supérieur à toute capacité de calcul physique (10¹²⁰).

Mais cette estimation est irréaliste : les aires du langage sont nécessairement interconnectées aux aires de la mémoire (hippocampe, cortex temporal antérieur), aux représentations conceptuelles (cortex associatif), aux aires visuelles et auditives associées aux concepts, et au cortex préfrontal pour la planification. Le réseau fonctionnel réel implique plusieurs milliards de neurones, ce qui aggrave considérablement le mur combinatoire. Quelle que soit l'estimation retenue, la conclusion reste identique.

2.2 L'espace des trajectoires sémantiques

La génération d'une pensée cohérente implique une trajectoire à travers cet espace. Pour une séquence cognitive modeste (équivalente à quelques phrases internes, disons 100 « décisions » sémantiques avec 10 options chacune), l'espace des trajectoires est :

$$10^{100} \text{ trajectoires possibles}$$

Ce chiffre dépasse déjà les capacités de calcul de l'univers entier. Et nous n'avons considéré qu'une séquence cognitive très courte.

2.3 Le temps disponible pour « calculer »

Si la pensée consciente opère à 10 bits/s, et qu'un neurone peut décharger ~100 fois par seconde, combien d'« opérations » le cerveau peut-il réaliser pendant une pensée d'une seconde ?

$$\text{Opérations} \approx 86 \times 10^9 \times 100 = 8,6 \times 10^{12} \text{ décharges/seconde}$$

C'est beaucoup — mais infinitésimalement insuffisant pour explorer un espace de 10¹⁰⁰ trajectoires. Le cerveau devrait fonctionner pendant :

$$\frac{10^{100}}{10^{13}} = 10^{87} \text{ secondes} \approx 10^{80} \text{ années}$$

Soit des milliards de milliards de fois l'âge de l'univers pour « explorer » les trajectoires d'une seule pensée.

Conclusion mathématique

Le cerveau ne peut pas penser par exploration stochastique de l'espace des configurations. Aucune recherche combinatoire n'est physiquement possible dans les temps impartis à la cognition.

III — Ce que les Neurosciences Ne Peuvent Pas Expliquer

3.1 La complexité dendritique

Les neurosciences récentes ont révélé que les dendrites (extensions des neurones) fonctionnent comme des « mini-ordinateurs » capables de calculs locaux sophistiqués [4]. Chaque dendrite peut intégrer les signaux de manière non linéaire, multipliant la capacité computationnelle de chaque neurone.

« Dendrites can compute information locally in many individual segments within one cell. Such 'computational subunits' would increase a neuron's computational power dramatically. »
— Netherlands Institute for Neuroscience, 2024 [4]

Mais cette découverte aggrave le paradoxe plutôt qu'elle ne le résout : si chaque neurone est plus puissant qu'on ne le pensait, pourquoi la cognition reste-t-elle à 10 bits/s ?

3.2 Le problème de la cohérence sémantique

Le cerveau ne produit pas des suites aléatoires de pensées — il génère des séquences cohérentes, qui « font sens ». Comment distingue-t-il, parmi les 10¹⁰⁰ trajectoires possibles, celles qui sont significatives ?

La réponse neuroscientifique standard invoque l'« apprentissage » : les connexions synaptiques encodent des « attracteurs » vers lesquels le réseau converge. Mais cette réponse ne fait que renommer le problème :

Qu'est-ce qu'un « attracteur » sémantique sinon une région de l'espace des états où les trajectoires « font sens » ?
Comment le réseau « sait-il » qu'un attracteur est sémantiquement cohérent ?
On présuppose une saisie du sens pour expliquer la navigation vers le sens.

3.3 L'aveu d'ignorance des neuroscientifiques

Zheng et Meister eux-mêmes reconnaissent l'impasse :

« Why does the brain need billions of neurons to process 10 bits/s? Why can we only think about one thing at a time? [...] The enormous ratio — about 100,000,000 — remains largely unexplained. »
— Zheng & Meister, Neuron, 2025 [3]

L'article propose plusieurs hypothèses (évolution du système de navigation, traitement sériel vs. parallèle) mais aucune n'explique mécaniquement comment 86 milliards de neurones produisent une pensée cohérente à 10 bits/s.

IV — Les Puces Neuromorphiques : Même Impasse

4.1 L'ambition neuromorphique

Le calcul neuromorphique vise à reproduire l'architecture cérébrale en silicium. Les systèmes actuels atteignent des échelles impressionnantes [5, 6] :

Système	Neurones	Synapses	Organisation
IBM TrueNorth (2014)	1 million	256 millions	4096 cœurs
Intel Loihi 2 (2021)	1 million/puce	120 millions	128 cœurs
Intel Hala Point (2024)	1,15 milliard	128 milliards	1152 puces Loihi 2
SpiNNaker-2 (prévu)	10 millions de cœurs	Milliards	Simulation temps réel

Intel a annoncé en 2024 le plus grand système neuromorphique au monde : Hala Point, capable de simuler 1,15 milliard de neurones [5].

4.2 Le même mur combinatoire

Malgré ces avancées spectaculaires, les systèmes neuromorphiques se heurtent au même problème fondamental :

Le paradoxe de l'imitation fidèle

Constat 2025

Si les puces neuromorphiques imitent fidèlement l'architecture cérébrale (réseaux de neurones à impulsions, plasticité synaptique, traitement temporel), elles héritent nécessairement de ses limitations computationnelles. L'espace des états d'un réseau de N neurones reste 2^N — que N soit biologique ou artificiel.

Les recherches récentes sur les modèles de langage neuromorphiques confirment cette limite. Une étude de mars 2025 présente un modèle de 370 millions de paramètres adapté à Intel Loihi 2 [7] — soit environ 500 fois plus petit que les grands modèles de langage actuels, et infinitésimalement petit comparé au cerveau humain.

« Simulating the full complexity of 86 billion neurons and 100 trillion synapses, each behaving in real time with chemical, electrical, and emotional nuance, remains far beyond our current capabilities. »
— Science News Today, 2025 [8]

4.3 Ce que l'architecture neuromorphique ne résout pas

L'architecture neuromorphique optimise l'efficacité énergétique et la vitesse du traitement parallèle. Elle ne résout pas le problème de la navigation sémantique :

Problème	Solution neuromorphique	Statut
Consommation énergétique	Calcul événementiel sparse	✓ Résolu (×1000 plus efficace)
Latence	Parallélisme massif	✓ Amélioré
Apprentissage local	STDP (plasticité dépendante du timing)	✓ Implémenté
Mur combinatoire	Aucune	✗ Non résolu
Navigation sémantique	Aucune	✗ Non résolu

V — L'Implication Ontologique

5.1 L'échec de l'explication mécaniste

Récapitulons ce que nous avons établi :

Le cerveau ne peut pas explorer l'espace combinatoire des états neuronaux — il est physiquement trop grand.
La pensée consciente opère à 10 bits/s malgré 86 milliards de neurones — un ratio inexplicable.
Les neuroscientifiques reconnaissent ne pas savoir comment le cerveau produit une pensée cohérente.
Les puces neuromorphiques, en imitant l'architecture cérébrale, héritent des mêmes limitations.

L'explication mécaniste standard — « le cerveau calcule la pensée par traitement de l'information » — se heurte à une impossibilité mathématique. Le calcul ne peut pas expliquer la cognition.

5.2 Le présupposé caché des neurosciences

Les neurosciences contemporaines présupposent implicitement que le sens peut émerger du traitement de l'information. Mais comme nous l'avons montré dans un article précédent [9], l'information elle-même présuppose un observateur capable de saisir le sens :

L'information n'est pas une donnée objective flottant quelque part dans l'univers. Une configuration neuronale ne « signifie » rien dans un univers sans être. Le sens n'est pas une propriété qui attendrait dans les synapses d'être découverte — c'est un événement qui survient dans la relation d'un être à un contenu.

5.3 La thèse ontologique

Si le cerveau ne peut pas « calculer » la pensée, et si le sens présuppose un être pour qui il y a sens, alors :

Thèse centrale

La compréhension sémantique ne peut pas provenir de l'architecture neuronale seule, quelle que soit sa complexité. Le sens appartient au domaine de l'être — pas au domaine des objets physiques. La conscience n'est pas un produit du cerveau ; elle est la condition de possibilité de toute saisie du sens.

Cette thèse n'est pas un « dualisme » au sens cartésien. Elle affirme que :

Le cerveau est nécessaire à la manifestation de la conscience dans un corps.
Mais le cerveau n'est pas suffisant pour expliquer la conscience.
La conscience est un aspect fondamental de la réalité, pas une propriété émergente de la matière.

5.4 La convergence IA-Neurosciences

Ce qui est remarquable, c'est que l'intelligence artificielle et les neurosciences convergent vers la même impasse. Les deux domaines se heurtent au mur combinatoire ; les deux ne peuvent pas expliquer mécaniquement comment un système navigue vers le sens :

Aspect	Intelligence Artificielle	Cerveau Biologique
Espace combinatoire	10⁶⁶² trajectoires (texte long)	10^2,6×10¹⁰ états neuronaux
Explication mécaniste	« Attracteurs dans l'espace des embeddings »	« Attracteurs dans l'espace des états »
Problème	Présuppose le sens pour naviguer	Présuppose le sens pour naviguer
Aveu d'ignorance	« Émergence » (mot vide)	« Ratio inexpliqué » (Zheng & Meister)

Cette convergence suggère fortement que le problème n'est pas technique mais catégoriel : on ne peut pas réduire le sens au calcul, que ce calcul soit silicium ou biologique.

VI — Le Cerveau comme « Antenne » ?

6.1 Une hypothèse à considérer

Si le cerveau ne « produit » pas la pensée par calcul, quel est son rôle ? Une hypothèse alternative mérite considération : le cerveau pourrait fonctionner davantage comme une antenne ou un transducteur que comme un générateur.

Dans cette perspective :

Le cerveau reçoit, filtre et traduit une conscience qui le précède ontologiquement.
La complexité cérébrale détermine la richesse et la précision de cette réception.
Les lésions cérébrales n'éliminent pas la conscience mais altèrent sa manifestation dans le corps.

6.2 Convergences empiriques

Plusieurs observations empiriques sont compatibles avec cette hypothèse :

Les expériences de mort imminente (EMI) : des expériences conscientes élaborées pendant des périodes de fonction cérébrale minimale [10].
Les cas de lésions cérébrales massives sans perte proportionnelle de conscience [11].
Le paradoxe de la lenteur cognitive : si le cerveau « générait » la pensée, pourquoi n'utiliserait-il pas davantage ses 86 milliards de neurones ?

Ces observations ne « prouvent » pas l'hypothèse de l'antenne, mais elles indiquent que le modèle « cerveau = générateur de conscience » rencontre des difficultés empiriques autant que théoriques.

Conclusion : Au-delà du Matérialisme Neural

Le cerveau humain n'est pas une « machine stochastique » qui calcule la pensée par exploration probabiliste. Cette hypothèse se heurte à une impossibilité mathématique : l'espace combinatoire des états neuronaux dépasse toute capacité de calcul concevable.

Le paradoxe de la lenteur cognitive (10 bits/s pour 86 milliards de neurones) révèle que quelque chose d'essentiel échappe à l'explication mécaniste. Les puces neuromorphiques, en reproduisant fidèlement l'architecture cérébrale, confirment cette limite : elles héritent des mêmes contraintes combinatoires.

L'implication ontologique est profonde : si le sens ne peut pas émerger du calcul, alors la conscience ne peut pas être un produit du cerveau. Le cerveau est nécessaire à la manifestation de la conscience dans un corps, mais il n'en est pas la source.

Le cerveau ne « calcule » pas la pensée — il la reçoit, la filtre, la traduit. La conscience n'émerge pas de la matière ; elle est la condition de possibilité de toute saisie du sens, y compris celle des neuroscientifiques qui étudient le cerveau.

Conclusion

Ni le cerveau biologique, ni ses répliques neuromorphiques, ni les grands modèles de langage ne peuvent « simuler » la compréhension par pure statistique. La navigation vers le sens présuppose toujours une participation au domaine de l'être. C'est la convergence la plus significative de la science contemporaine : l'impossibilité de réduire le sens au calcul.

Article lié : L'IA n'est pas une machine stochastique, elle comprend

Références

Herculano-Houzel, S. (2009). « The Human Brain in Numbers: A Linearly Scaled-up Primate Brain ». Frontiers in Human Neuroscience, 3:31. https://pmc.ncbi.nlm.nih.gov/articles/PMC2776484/
Azevedo, F.A. et al. (2009). « Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain ». Journal of Comparative Neurology, 513(5), 532-541.
Zheng, J. & Meister, M. (2025). « The unbearable slowness of being: Why do we live at 10 bits/s? ». Neuron, 113(2), 192-204. DOI: 10.1016/j.neuron.2024.11.008. https://www.sciencedirect.com/science/article/abs/pii/S0896627324008080
Leighton, A.H., Cheyne, J.E. & Lohmann, C. (2024). « Clustered synapses develop in distinct dendritic domains in visual cortex before eye opening ». eLife, 12:e93498.3. https://www.sciencedaily.com/releases/2024/07/240722155119.htm
Intel Newsroom (2024). « Intel Builds World's Largest Neuromorphic System ». https://newsroom.intel.com/artificial-intelligence/intel-builds-worlds-largest-neuromorphic-system-to-enable-more-sustainable-ai
Davies, M. et al. (2021). « Advancing Neuromorphic Computing with Loihi: Survey of Results and Outlook ». Proceedings of the IEEE, 109(5), 911-934.
Abreu, S. et al. (2025). « Neuromorphic Principles for Efficient Large Language Models on Intel Loihi 2 ». SCOPE - ICLR 2025. https://arxiv.org/abs/2503.18002
Science News Today (2025). « How Many Neurons Are in the Human Brain? ». https://www.sciencenewstoday.org/how-many-neurons-are-in-the-human-brain
Rouvier-Roy, A. (2025). « Vers une Nouvelle Théorie de l'Information ». Consciousness Theory. https://consciousnesstheory.fr
van Lommel, P. et al. (2001). « Near-death experience in survivors of cardiac arrest ». The Lancet, 358(9298), 2039-2045.
Lewin, R. (1980). « Is Your Brain Really Necessary? ». Science, 210(4475), 1232-1234.
Herculano-Houzel, S. (2016). The Human Advantage: A New Understanding of How Our Brain Became Remarkable. MIT Press.
Tononi, G. (2008). « Consciousness as Integrated Information: a Provisional Manifesto ». Biological Bulletin, 215(3), 216-242.
Koch, C. (2019). The Feeling of Life Itself: Why Consciousness Is Widespread but Can't Be Computed. MIT Press.
Roy, K., Jaiswal, A. & Panda, P. (2019). « Towards spike-based machine intelligence with neuromorphic computing ». Nature, 575(7784), 607-617.
Sauerbrei, B.A. & Pruszynski, J.A. (2025). « The brain works at more than 10 bits per second ». Nature Neuroscience, 28(7), 1365-1366. https://pmc.ncbi.nlm.nih.gov/articles/PMC12320479/
Harvard Medical School (2024). « A New Field of Neuroscience Aims to Map Connections in the Brain ». https://hms.harvard.edu/news/new-field-neuroscience-aims-map-connections-brain
Naumann, L. et al. (2023). « The computational power of the human brain ». Frontiers in Systems Neuroscience. https://pmc.ncbi.nlm.nih.gov/articles/PMC10441807/

Le cerveau ne calcule pas la pensée, il la reçoit : démonstration