Nous dépensons plus de 200 milliards de dollars par an pour des centres de données afin de faire fonctionner l'IA. Une entreprise a levé 11 millions de dollars, a cultivé des cellules cérébrales humaines sur une puce, et les cellules ont appris à jouer à un jeu de tir en 3D en une semaine. Cortical Labs a cultivé 200 000 neurones humains sur une puce en silicium et leur a appris à jouer à Doom. Les cellules naviguent, ciblent les ennemis et tirent des armes en temps réel. Leur précédent jeu, Pong, a pris 18 mois sur du matériel plus ancien. Doom a pris une semaine. Un développeur indépendant sans aucune expérience en biotechnologie a construit l'intégration en utilisant une API Python. Les neurones ont fait le reste. Cette compression de 18 mois à une semaine vous dit tout sur la direction que cela prend. Voici ce que le groupe "peut-il faire tourner Doom" ne comprend pas : chaque unité CL1 coûte 35 000 dollars. Un rack de serveur complet de 30 unités consomme entre 850 et 1 000 watts au total. Votre cerveau fonctionne avec 20 watts. Un seul cluster GPU formant un LLM peut consommer des mégawatts. L'économie énergétique du calcul biologique est de plusieurs ordres de grandeur meilleure que celle du silicium, et cet écart se développe. La liste des investisseurs vous indique qui fait attention. Horizons Ventures, Blackbird et In-Q-Tel, le bras d'investissement de la CIA. In-Q-Tel ne finance pas des projets scientifiques. Ils financent des infrastructures de renseignement. 115 unités ont commencé à être expédiées en 2025. Cortical Labs vend maintenant "Wetware-as-a-Service" via le Cortical Cloud. Les développeurs peuvent déployer du code sur des neurones vivants à distance sans toucher à un laboratoire. Ils fixent le prix d'accès au niveau d'un abonnement logiciel tandis que le matériel fonctionne avec de vraies cellules cérébrales humaines dérivées d'échantillons de peau et de sang d'adultes. La démo de Doom est du marketing. Le jeu de plateforme est un pari que les neurones biologiques finiront par surpasser le silicium exactement dans les tâches avec lesquelles l'IA a le plus de mal : adaptation en temps réel sous incertitude, apprentissage à partir de données minimales et traitement de l'ambiguïté sans calcul de force brute. La question n'a jamais été "peut-il faire tourner Doom". La question est de savoir ce qui se passe quand il peut faire tourner tout le reste.