Technology is a useful servant but a dangerous master

L’article d’Yves Frégnac dans la revue Science soulève des problèmes majeurs en lien avec la pénurie de concepts en science, l’évaluation et le financement des recherches scientifiques et les fausses promesses des gros programmes de comprendre le cerveau et traiter les maladies neurologiques et psychiatriques. L’incroyable accélération des avancées technologiques, démontrée chaque jour par les nouvelles possibilités dont on ne pouvait même pas rêver il y a quelques années, n’est clairement pas associée à un développement similaire et parallèle de concepts nouveaux et de lignes directrices pour les prochaines étapes dans la compréhension du cerveau et de ses réseaux. Le développement parallèle sans précédent d’outils mathématiques et informatiques pour la stimulation des réseaux du cerveau et des ensembles neuronaux est frappant dans la faiblesse des retours qui en sont fait. Plus nous avançons, plus nous ouvrons de portes et la forêt neuronale semble toujours être une jungle difficile à pénétrer et disséquer. Comme énoncer dans l’article, “A un niveau plus conceptuel, les innovations sortant du lot émergent plus souvent de processus de “rupture” imprévisibles que d’approches industrielles”. Les gros programmes supposés résoudre ces problèmes -et finalement permettre la compréhension du cerveau humain et le traitement de ses séquelles, tels que le Human Brain Project (1,19  milliards d’euros) ont déjà montré leurs limites ainsi que la perte de fonds. Les raisons sont le manque de concepts et de questions spécifiques. Le Human Genome Project a réussi car le but était d’établir une carte du génome humain; ici les buts sont, en s’appuyant sur les big data, d’accumuler assez d’observations pour comprendre comment les réseaux opèrent dans le cerveau sain et malade. “Big is not beautiful” et l’histoire des sciences a montré à maintes reprises que les découvertes se font sur les chemins de traverse et pas sur les autoroutes. Elles sont faites par ceux d’entre-nous qui sont capable de transcender la connaissance actuelle et de connecter des observations qui semblent n’avoir aucun lien. Ceci devient de plus en plus compliqué avec cette science dépendante de la technologie : les concepts universels ne dépendent pas de techniques qui pourraient apparaître des siècles plus tard (voir le grand Albert).

Comme l’auteur le souligne, le big data n’est pas de la connaissance et “nous sommes en face d’un débordement de data sans stratégie définie pour les convertir en connaissance et éventuellement atteindre une meilleure compréhension du cerveau vivant”. Le cerveau est un organe extrêmement dynamique par définition et le vue statique de son fonctionnement dans ces analyses de big data souffre de limitations intrinsèques. Les avancées technologiques doivent se faire main dans la main avec les questions conceptuelles. Les stratégies bottom-up, où des animaux ou organismes simples sont utilisés pour disséqués ses composants, n’ont pas permis de produire une image complète de son fonctionnement. “Simuler des réseaux complexes – La voiture sans le chauffeur: il manque une théorie solide sur le cerveau”. La société moderne espère que la biologie remplisse tout simplement les promesses de résolution des problèmes auxquels nous faisons face notamment en terme de compréhension du cerveau humain et de traitements des maladies. Cette mode a souvent été observée dans le cas d’avancées majeures telles que les nanotechnologies, les cellules souches, la stimulation cérébrale, etc. Cette Mégascience assèche les financements d’autres approches qui sont indispensables pour de futures réussites sans pour autant fournir de garanties que des avancées émergeront de ça. Dans sa conclusion, l’auteur demande plus d’interdisciplinarité et d’autres suggestions qui suggèrent qu’il faut être prudent pour évider la confiance aveugle dans les recherches technologiques automatisées : les interventions moins industrielles, plus artisanales sont importantes.

Source: Frégnac, Y. (2017). Big data and the industrialization of neuroscience: A safe roadmap for understanding the brain?. Science358(6362), 470-477.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *