TEDxCaltech
Michael Dickinson: How a fly flies
Michael Dickinson : Comment une mouche peut-elle voler ?
Filmed:
Readability: 4.2
1,787,704 views
La capacité d'un insecte à voler est certainement un des exploits les plus formidables de l'évolution. Michael Dickinson explore comment une simple mouche s'envole, avec ses ailes si fragiles, grâce à un mouvement de battement remarquable, grâce à des muscles qui sont à la fois puissants et agiles.
L'ingrédient secret du vol, c'est le cerveau de la mouche. (Filmé à TEDxCaltech.)
Michael Dickinson - Biologist
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Most people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder. Full bio
Double-click the English transcript below to play the video.
00:16
I grew up watching Star Trek. I love Star Trek.
0
545
3532
J'ai grandit en regardant Star Trek.
J'adore Star Trek.
J'adore Star Trek.
00:19
Star Trek made me want to see alien creatures,
1
4077
4462
Star Trek m'a donné envie
de voir des créatures extra-terrestres,
de voir des créatures extra-terrestres,
00:24
creatures from a far-distant world.
2
8539
2303
des créatures d'un monde lointain.
00:26
But basically, I figured out that I could find
3
10842
2787
Mais en fait, je me suis rendu compte
que je pouvais trouver
que je pouvais trouver
00:29
those alien creatures right on Earth.
4
13629
2977
ces créatures étranges
ici-même sur la Terre.
ici-même sur la Terre.
00:32
And what I do is I study insects.
5
16606
2653
Moi, j'étudie les insectes.
00:35
I'm obsessed with insects, particularly insect flight.
6
19259
3256
Je suis passionné par les insectes,
et plus particulièrement par leur vol.
et plus particulièrement par leur vol.
00:38
I think the evolution of insect flight is perhaps
7
22515
3141
Je pense que l'évolution du vol
des insectes est peut-être
des insectes est peut-être
00:41
one of the most important events in the history of life.
8
25656
2742
un des évenements les plus importants
de l'histoire de la vie.
de l'histoire de la vie.
00:44
Without insects, there'd be no flowering plants.
9
28398
2237
Sans les insectes,
il n'y aurait pas de plantes à fleurs,
il n'y aurait pas de plantes à fleurs,
00:46
Without flowering plants, there would be no
10
30635
1916
Sans les plantes à fleurs,
il n'y aurait pas de
il n'y aurait pas de
00:48
clever, fruit-eating primates giving TED Talks.
11
32551
3137
primates fructivores et intelligents
donnant des conférences TED.
donnant des conférences TED.
00:51
(Laughter)
12
35688
2300
(Rires).
00:53
Now,
13
37988
1987
Alors,
00:55
David and Hidehiko and Ketaki
14
39975
3039
David, Hidehiko et Ketaki
00:58
gave a very compelling story about
15
43014
3445
ont raconté une histoire très probante
01:02
the similarities between fruit flies and humans,
16
46459
2805
sur les similitudes entre les
mouches drosophiles et les êtres humains,
mouches drosophiles et les êtres humains,
01:05
and there are many similarities,
17
49264
1489
il y a de nombreuses similitudes,
01:06
and so you might think that if humans are similar to fruit flies,
18
50753
3002
et vous pourriez penser que si les hommes
et les mouches drosophiles sont similaires,
et les mouches drosophiles sont similaires,
01:09
the favorite behavior of a fruit fly might be this, for example --
19
53755
3797
le comportement préféré d'une drosophile
drosophile serait par exemple celui-ci -
drosophile serait par exemple celui-ci -
01:13
(Laughter)
20
57552
2282
(Rires)
01:15
but in my talk, I don't want to emphasize on the similarities
21
59834
3191
mais, dans cette conférence, je ne souhaite pas
mettre l'accent sur les similitudes
mettre l'accent sur les similitudes
01:18
between humans and fruit flies, but rather the differences,
22
63025
3067
entre les hommes et les mouches drosophiles,
mais plutôt sur les différences
mais plutôt sur les différences
01:21
and focus on the behaviors that I think fruit flies excel at doing.
23
66092
5287
et me concentrer sur les comportements pour
lesquels les mouches sont particulièrement douées.
lesquels les mouches sont particulièrement douées.
01:27
And so I want to show you a high-speed video sequence
24
71379
2856
Alors, je vais vous montrer une
vidéo à haute vitesse,
vidéo à haute vitesse,
01:30
of a fly shot at 7,000 frames per second in infrared lighting,
25
74235
3935
d'une mouche filmée à 7000 images
seconde en lumière infra-rouge,
seconde en lumière infra-rouge,
01:34
and to the right, off-screen, is an electronic looming predator
26
78170
4210
et à droite, hors de l'écran, il y a
un prédateur électronique qui approche,
un prédateur électronique qui approche,
01:38
that is going to go at the fly.
27
82380
1435
qui est prêt à sauter sur
la mouche.
la mouche.
01:39
The fly is going to sense this predator.
28
83815
1838
La mouche va sentir
ce prédateur,
ce prédateur,
01:41
It is going to extend its legs out.
29
85653
2455
va tendre ses pattes,
01:44
It's going to sashay away
30
88108
1613
et va s'en aller en se pavanant
01:45
to live to fly another day.
31
89721
2565
pour vivre une nouvelle
journée de mouche.
journée de mouche.
01:48
Now I have carefully cropped this sequence
32
92286
2362
Alors, j'ai découpé cette séquence
01:50
to be exactly the duration of a human eye blink,
33
94648
3160
pour qu'elle dure exactement
le temps d'un clignement d’œil humain,
le temps d'un clignement d’œil humain,
01:53
so in the time that it would take you to blink your eye,
34
97808
2834
et pendant le temps qu'il
vous faut pour cligner de l’œil,
vous faut pour cligner de l’œil,
01:56
the fly has seen this looming predator,
35
100642
3265
la mouche a vu ce prédateur
qui approche,
qui approche,
01:59
estimated its position, initiated a motor pattern to fly it away,
36
103907
6168
a estimé sa position, a mis en route
un schéma pour s'enfuir,
un schéma pour s'enfuir,
02:05
beating its wings at 220 times a second as it does so.
37
110075
4464
en battant des ailes 220 fois par seconde.
02:10
I think this is a fascinating behavior
38
114539
1973
Je trouve que c'est
un comportement fascinant
un comportement fascinant
02:12
that shows how fast the fly's brain can process information.
39
116512
3921
qui montre à quelle vitesse le cerveau
de la mouche peut traiter des informations.
de la mouche peut traiter des informations.
02:16
Now, flight -- what does it take to fly?
40
120433
2842
Mais, le vol. Que faut-il
pour voler ?
pour voler ?
02:19
Well, in order to fly, just as in a human aircraft,
41
123275
2864
Pour voler, comme dans un avion,
02:22
you need wings that can generate sufficient aerodynamic forces,
42
126139
2735
il vous faut des ailes qui peuvent générer
suffisamment de forces aérodynamiques,
suffisamment de forces aérodynamiques,
02:24
you need an engine sufficient to generate the power required for flight,
43
128874
3546
il vous faut un moteur capable de générer
assez d'énergie pour un vol,
assez d'énergie pour un vol,
02:28
and you need a controller,
44
132420
1709
et il vous faut un contrôleur,
02:30
and in the first human aircraft, the controller was basically
45
134129
2626
dans le premier avion,
le contrôleur était tout simplement
le contrôleur était tout simplement
02:32
the brain of Orville and Wilbur sitting in the cockpit.
46
136755
4312
le cerveau d'Orville et Wilbur
assis dans le cockpit.
assis dans le cockpit.
02:36
Now, how does this compare to a fly?
47
141067
2753
Alors, quel rapport avec
une mouche ?
une mouche ?
02:39
Well, I spent a lot of my early career trying to figure out
48
143820
3251
J'ai passé une grande partie de
mon début de carrière à essayer de comprendre
mon début de carrière à essayer de comprendre
02:42
how insect wings generate enough force to keep the flies in the air.
49
147071
4336
comment les ailes des insectes pouvaient
générer assez de force pour les maintenir en l'air.
générer assez de force pour les maintenir en l'air.
02:47
And you might have heard how engineers proved
50
151407
1610
Et vous avez peut-être entendu parler du
fait que des ingénieurs ont prouvé
fait que des ingénieurs ont prouvé
02:48
that bumblebees couldn't fly.
51
153017
2634
qu'un bourdon ne pouvait pas voler ?
02:51
Well, the problem was in thinking that the insect wings
52
155651
2620
Et bien, le problème était d'avoir
pensé que les ailes des insectes
pensé que les ailes des insectes
02:54
function in the way that aircraft wings work. But they don't.
53
158271
3119
fonctionnent comme les ailes des avions.
Mais ce n'est pas le cas.
Mais ce n'est pas le cas.
02:57
And we tackle this problem by building giant,
54
161390
2854
On a résolu le problème
en construisant
en construisant
03:00
dynamically scaled model robot insects
55
164244
3432
des insectes robots géants, à l'échelle,
03:03
that would flap in giant pools of mineral oil
56
167676
3336
qui battaient des ailes dans des
piscines géantes d'huile minérale
piscines géantes d'huile minérale
03:06
where we could study the aerodynamic forces.
57
171012
2274
où nous pouvions étudier les
forces aérodynamiques.
forces aérodynamiques.
03:09
And it turns out that the insects flap their wings
58
173286
2158
Et il se trouve que les insectes
battent des ailes
battent des ailes
03:11
in a very clever way, at a very high angle of attack
59
175444
2592
d'une façon très intelligente,
avec un angle d'attaque très élevé
avec un angle d'attaque très élevé
03:13
that creates a structure at the leading edge of the wing,
60
178036
3121
qui crée une structure à
l'extrémité de l'aile,
l'extrémité de l'aile,
03:17
a little tornado-like structure called a leading edge vortex,
61
181157
3199
une sorte de structure comme une tornade,
que l'on appelle un vortex
que l'on appelle un vortex
03:20
and it's that vortex that actually enables the wings
62
184356
2954
et que c'est ce vortex qui
permet aux ailes
permet aux ailes
03:23
to make enough force for the animal to stay in the air.
63
187310
3359
de créer assez de force pour
que l'animal reste en l'air.
que l'animal reste en l'air.
03:26
But the thing that's actually most -- so, what's fascinating
64
190669
2428
Mais, en fait, ce qui est le plus -
ce qui est fascinant,
ce qui est fascinant,
03:28
is not so much that the wing has some interesting morphology.
65
193097
2975
ce n'est pas le fait que l'aile ait
une morphologie intéressante.
une morphologie intéressante.
03:31
What's clever is the way the fly flaps it,
66
196072
3645
Ce qui est intéressant, c'est la façon
dont la mouche bat de l'aile,
dont la mouche bat de l'aile,
03:35
which of course ultimately is controlled by the nervous system,
67
199717
3136
ce qui est bien évidemment contrôlé
par son système nerveux,
par son système nerveux,
03:38
and this is what enables flies to perform
68
202853
2647
qui lui permet de voler et de réaliser
03:41
these remarkable aerial maneuvers.
69
205500
2807
ces figures aériennes remarquables.
03:44
Now, what about the engine?
70
208307
2097
Alors, qu'en est-il du moteur?
03:46
The engine of the fly is absolutely fascinating.
71
210404
2492
Le moteur de la mouche
est totalement fascinant.
est totalement fascinant.
03:48
They have two types of flight muscle:
72
212896
1898
Elles ont deux types de
muscle pour voler :
muscle pour voler :
03:50
so-called power muscle, which is stretch-activated,
73
214794
2985
le muscle dit de puissance,
qui s'active en s'étirant,
qui s'active en s'étirant,
03:53
which means that it activates itself and does not need to be controlled
74
217779
3726
ce qui veut dire qu'il s'active
et n'a pas besoin d'être contrôlé
et n'a pas besoin d'être contrôlé
03:57
on a contraction-by-contraction basis by the nervous system.
75
221505
3339
par le système nerveux sur un mode
de contraction- par contraction.
de contraction- par contraction.
04:00
It's specialized to generate the enormous power required for flight,
76
224844
4609
Ce muscle génère l'énorme puissance
qui est demandée pour le vol,
qui est demandée pour le vol,
04:05
and it fills the middle portion of the fly,
77
229453
2079
et il remplit la partie
au milieu de la mouche,
au milieu de la mouche,
04:07
so when a fly hits your windshield,
78
231532
1547
donc quand une mouche
heurte votre pare-brise,
heurte votre pare-brise,
04:08
it's basically the power muscle that you're looking at.
79
233079
2406
c'est tout simplement le muscle
de la puissance que vous avez en face de vous.
de la puissance que vous avez en face de vous.
04:11
But attached to the base of the wing
80
235485
2146
Mais aussi, attachés à
la base de l'aile,
la base de l'aile,
04:13
is a set of little, tiny control muscles
81
237631
2638
il y a un ensemble de petits muscles
de contrôle minuscules
de contrôle minuscules
04:16
that are not very powerful at all, but they're very fast,
82
240269
3301
qui ne sont pas du tout puissants,
mais qui sont très rapides
mais qui sont très rapides
04:19
and they're able to reconfigure the hinge of the wing
83
243570
3206
et qui peuvent reconfigurer
la charnière de l'aile
la charnière de l'aile
04:22
on a stroke-by-stroke basis,
84
246776
1762
à chaque battement,
04:24
and this is what enables the fly to change its wing
85
248538
3142
et c'est ce qui permet à la mouche
de changer son orientation
de changer son orientation
04:27
and generate the changes in aerodynamic forces
86
251680
2971
et qui est à l'origine des changements
dans les forces aérodynamiques
dans les forces aérodynamiques
04:30
which change its flight trajectory.
87
254651
2573
qui changent sa trajectoire de vol.
04:33
And of course, the role of the nervous system is to control all this.
88
257224
3563
Bien sûr, c'est au système nerveux
de contrôler tout ça.
de contrôler tout ça.
04:36
So let's look at the controller.
89
260787
1512
Alors, regardons un peu
le contrôleur.
le contrôleur.
04:38
Now flies excel in the sorts of sensors
90
262299
2647
Les mouches excellent dans
le type de capteurs sensoriels
le type de capteurs sensoriels
04:40
that they carry to this problem.
91
264946
2284
qu'elles ont pour résoudre
ce problème.
ce problème.
04:43
They have antennae that sense odors and detect wind detection.
92
267230
4127
Elles ont des antennes qui sentent les odeurs
et qui détectent le vent.
et qui détectent le vent.
04:47
They have a sophisticated eye which is
93
271357
1675
Elles ont un œil sophistiqué qui
04:48
the fastest visual system on the planet.
94
273032
2456
est le système visuel
le plus rapide de la planète.
le plus rapide de la planète.
04:51
They have another set of eyes on the top of their head.
95
275488
2036
Elles ont aussi un autre groupe d'yeux
sur le sommet de la tête.
sur le sommet de la tête.
04:53
We have no idea what they do.
96
277524
2052
Et nous ne savons pas
à quoi ils servent.
à quoi ils servent.
04:55
They have sensors on their wing.
97
279576
2954
Elles ont des capteurs sur
leurs ailes.
leurs ailes.
04:58
Their wing is covered with sensors, including sensors
98
282530
3760
Leurs ailes sont couvertes de capteurs,
y compris des capteurs
y compris des capteurs
05:02
that sense deformation of the wing.
99
286290
2046
qui mesurent la déformation de l'aile.
05:04
They can even taste with their wings.
100
288336
2109
Elle peuvent même gouter
avec leurs ailes.
avec leurs ailes.
05:06
One of the most sophisticated sensors a fly has
101
290445
2555
Un des capteurs les plus
sophistiqués de la mouche
sophistiqués de la mouche
05:08
is a structure called the halteres.
102
293000
1807
est une structure qu'on
appelle les haltères.
appelle les haltères.
05:10
The halteres are actually gyroscopes.
103
294807
1879
Les haltères sont en fait des gyroscopes.
05:12
These devices beat back and forth about 200 hertz during flight,
104
296686
4449
Ces éléments battent d'avant en arrière
à environ 200 hertz pendant le vol,
à environ 200 hertz pendant le vol,
05:17
and the animal can use them to sense its body rotation
105
301135
2673
l'animal peut les utiliser pour
ressentir la rotation de son corps
ressentir la rotation de son corps
05:19
and initiate very, very fast corrective maneuvers.
106
303808
3968
et faire des manœuvres correctives
extrêmement rapides.
extrêmement rapides.
05:23
But all of this sensory information has to be processed
107
307776
2329
Toutes ces informations sensorielles
doivent être analysées
doivent être analysées
05:26
by a brain, and yes, indeed, flies have a brain,
108
310105
3720
par un cerveau, et oui, en effet,
les mouches ont un cerveau,
les mouches ont un cerveau,
05:29
a brain of about 100,000 neurons.
109
313825
3159
un cerveau d'environ
100 000 neurones.
100 000 neurones.
05:32
Now several people at this conference
110
316984
2193
Plusieurs personnes
présentes à cette conférence
présentes à cette conférence
05:35
have already suggested that fruit flies could serve neuroscience
111
319177
4808
ont déjà suggéré que les drosophiles
soient utilisées en neurosciences.
soient utilisées en neurosciences.
05:39
because they're a simple model of brain function.
112
323985
3247
parce qu'elles ont un modèle simple
de fonction cérébrale.
de fonction cérébrale.
05:43
And the basic punchline of my talk is,
113
327232
2077
Le point central de
mon exposé est que,
mon exposé est que,
05:45
I'd like to turn that over on its head.
114
329309
2658
je voudrais que l'on y
réfléchisse,
réfléchisse,
05:47
I don't think they're a simple model of anything.
115
331967
2628
je ne pense pas qu'il y ait
un modèle simple pour quoi que ce soit.
un modèle simple pour quoi que ce soit.
05:50
And I think that flies are a great model.
116
334595
2477
Et je pense que les mouches
sont un modèle formidable,
sont un modèle formidable,
05:52
They're a great model for flies.
117
337072
2516
elles sont un modèle formidable
pour les mouches.
pour les mouches.
05:55
(Laughter)
118
339588
2481
(Rires)
05:57
And let's explore this notion of simplicity.
119
342069
3003
Examinons un peu cette notion
de simplicité.
de simplicité.
06:00
So I think, unfortunately, a lot of neuroscientists,
120
345072
2431
Je pense que malheureusement
de nombreux spécialistes des neurosciences
de nombreux spécialistes des neurosciences
06:03
we're all somewhat narcissistic.
121
347503
1832
nous sommes tous
un peu narcissiques.
un peu narcissiques.
06:05
When we think of brain, we of course imagine our own brain.
122
349335
3433
Quand on pense cerveau,
on bien sûr pense à notre propre cerveau.
on bien sûr pense à notre propre cerveau.
06:08
But remember that this kind of brain,
123
352768
1960
Mais souvenez-vous que
ce type de cerveau,
ce type de cerveau,
06:10
which is much, much smaller
124
354728
1768
qui est beaucoup plus petit
06:12
— instead of 100 billion neurons, it has 100,000 neurons —
125
356496
2678
- il a 100 000 neurones
et pas 100 milliards -
et pas 100 milliards -
06:15
but this is the most common form of brain on the planet
126
359174
2882
c'est la forme la plus courante
de cerveau de cette planète
de cerveau de cette planète
06:17
and has been for 400 million years.
127
362056
2904
depuis 400 millions d'années.
06:20
And is it fair to say that it's simple?
128
364960
2288
Alors, est-il juste de dire
qu'il est simple ?
qu'il est simple ?
06:23
Well, it's simple in the sense that it has fewer neurons,
129
367248
2095
Il est simple dans la mesure
où ce cerveau a moins de neurones,
où ce cerveau a moins de neurones,
06:25
but is that a fair metric?
130
369343
1754
mais est-ce la bonne
façon de mesurer ?
façon de mesurer ?
06:26
And I would propose it's not a fair metric.
131
371097
2276
Je pense que ce n'est pas
une bonne façon de mesurer.
une bonne façon de mesurer.
06:29
So let's sort of think about this. I think we have to compare --
132
373373
3100
Réfléchissons-y un peu,
Nous devons comparer
Nous devons comparer
06:32
(Laughter) —
133
376473
1559
(Rires)
06:33
we have to compare the size of the brain
134
378032
5121
nous devons comparer la taille
du cerveau
du cerveau
06:39
with what the brain can do.
135
383153
2030
à ce que le cerveau
peut faire.
peut faire.
06:41
So I propose we have a Trump number,
136
385183
2881
Admettons que nous ayons
un chiffre façon Trump,
un chiffre façon Trump,
06:43
and the Trump number is the ratio of this man's
137
388064
2865
et que ce chiffre soit le ratio
entre le nombre de comportements
entre le nombre de comportements
06:46
behavioral repertoire to the number of neurons in his brain.
138
390929
3679
de cet homme et le nombre
de neurones de son cerveau.
de neurones de son cerveau.
06:50
We'll calculate the Trump number for the fruit fly.
139
394608
2668
Nous allons calculer ce chiffre
pour la mouche drosophile.
pour la mouche drosophile.
06:53
Now, how many people here think the Trump number
140
397276
2684
Combien de personnes pensent
ici que ce chiffre
ici que ce chiffre
06:55
is higher for the fruit fly?
141
399960
2489
est supérieur pour la drosophile ?
06:58
(Applause)
142
402449
2431
(Applaudissements)
07:00
It's a very smart, smart audience.
143
404880
3428
Nous avons un public
vraiment très intelligent.
vraiment très intelligent.
07:04
Yes, the inequality goes in this direction, or I would posit it.
144
408308
3327
Oui, c'est bien dans ce
sens qu'il faut lire cette équation.
sens qu'il faut lire cette équation.
07:07
Now I realize that it is a little bit absurd
145
411635
2382
Bon, je conçois bien que
ça semble un peu absurde
ça semble un peu absurde
07:09
to compare the behavioral repertoire of a human to a fly.
146
414017
3558
de comparer les comportements
d'un humain à ceux d'une mouche.
d'un humain à ceux d'une mouche.
07:13
But let's take another animal just as an example. Here's a mouse.
147
417575
4143
Mais prenons par exemple un autre animal.
Voici une souris.
Voici une souris.
07:17
A mouse has about 1,000 times as many neurons as a fly.
148
421718
4305
Une souris a 1 000 fois plus
de neurones qu'une mouche.
de neurones qu'une mouche.
07:21
I used to study mice. When I studied mice,
149
426023
2027
J'étudiais les souris à une époque.
Quand j'étudiais les souris,
Quand j'étudiais les souris,
07:23
I used to talk really slowly.
150
428050
2837
je parlais très lentement.
07:26
And then something happened when I started to work on flies.
151
430887
2576
Ensuite, quand j'ai commencé à travailler sur
les mouches, il s'est passé quelque chose.
les mouches, il s'est passé quelque chose.
07:29
(Laughter)
152
433463
2412
(Rires)
07:31
And I think if you compare the natural history of flies and mice,
153
435875
3460
Je pense que si on compare l'histoire
naturelle des mouches et des souris,
naturelle des mouches et des souris,
07:35
it's really comparable. They have to forage for food.
154
439335
3313
c'est très similaire.
Les deux sont en quête de nourriture.
Les deux sont en quête de nourriture.
07:38
They have to engage in courtship.
155
442648
2447
Elles doivent faire la cour
pour trouver leur partenaire.
pour trouver leur partenaire.
07:40
They have sex. They hide from predators.
156
445095
3471
Elles ont des relations sexuelles.
Elles se cachent de leurs prédateurs.
Elles se cachent de leurs prédateurs.
07:44
They do a lot of the similar things.
157
448566
1980
Elles font de nombreuses
choses similaires.
choses similaires.
07:46
But I would argue that flies do more.
158
450546
1718
Mais je dirais que les mouches
font bien plus.
font bien plus.
07:48
So for example, I'm going to show you a sequence,
159
452264
3378
Voici par exemple un film,
07:51
and I have to say, some of my funding comes from the military,
160
455642
4205
et je dois avouer que certains
de mes financements proviennent de l'armée,
de mes financements proviennent de l'armée,
07:55
so I'm showing this classified sequence
161
459847
2072
alors je vais vous montrer cette vidéo
classée secret défense
classée secret défense
07:57
and you cannot discuss it outside of this room. Okay?
162
461919
4093
dont vous ne pourrez pas parler
à l'extérieur de cette pièce. D'accord ?
à l'extérieur de cette pièce. D'accord ?
08:01
So I want you to look at the payload
163
466012
1908
Regardez la charge
08:03
at the tail of the fruit fly.
164
467920
3026
sur la queue de la drosophile.
08:06
Watch it very closely,
165
470946
2101
Regardez attentivement,
08:08
and you'll see why my six-year-old son
166
473047
4297
et vous comprendrez pourquoi
mon fils de six ans
mon fils de six ans
08:13
now wants to be a neuroscientist.
167
477344
4729
veut devenir un spécialiste
en neurosciences.
en neurosciences.
08:17
Wait for it.
168
482073
1179
Attendez un instant.
08:19
Pshhew.
169
483252
1569
Pouf.
08:20
So at least you'll admit that if fruit flies are not as clever as mice,
170
484821
3084
Alors si les drosophiles
ne sont pas aussi intelligentes que les souris
ne sont pas aussi intelligentes que les souris
08:23
they're at least as clever as pigeons. (Laughter)
171
487905
4916
vous conviendrez qu'elles sont au moins
aussi intelligentes que les pigeons. (Rires)
aussi intelligentes que les pigeons. (Rires)
08:28
Now, I want to get across that it's not just a matter of numbers
172
492821
3967
Mais, je veux vous expliquer que
ce n'est pas qu'un problème de chiffres,
ce n'est pas qu'un problème de chiffres,
08:32
but also the challenge for a fly to compute
173
496788
2598
mais c'est aussi le défi posé
à la mouche pour calculer
à la mouche pour calculer
08:35
everything its brain has to compute with such tiny neurons.
174
499386
2849
tout ce qui se présente à son cerveau
en utilisant des neurones aussi petits.
en utilisant des neurones aussi petits.
08:38
So this is a beautiful image of a visual interneuron from a mouse
175
502235
2988
Voici une photo superbe d'un interneurone
de la vision d'une souris,
de la vision d'une souris,
08:41
that came from Jeff Lichtman's lab,
176
505223
2768
qui provient du laboratoire de
Jeff Lichtman,
Jeff Lichtman,
08:43
and you can see the wonderful images of brains
177
507991
3247
et vous voyez ces images
magnifiques des cerveaux
magnifiques des cerveaux
08:47
that he showed in his talk.
178
511238
3193
qu'il a montrées dans sa conférence.
08:50
But up in the corner, in the right corner, you'll see,
179
514431
2368
Au coin en haut à droite,
vous pouvez voir,
vous pouvez voir,
08:52
at the same scale, a visual interneuron from a fly.
180
516799
4112
à la même échelle, l'interneurone
de la vision d'une mouche.
de la vision d'une mouche.
08:56
And I'll expand this up.
181
520911
1841
Je vais agrandir.
08:58
And it's a beautifully complex neuron.
182
522752
2170
C'est un neurone d'une
complexité magnifique.
complexité magnifique.
09:00
It's just very, very tiny, and there's lots of biophysical challenges
183
524922
3485
Il est vraiment minuscule, et
les défis bio-physiques
les défis bio-physiques
09:04
with trying to compute information with tiny, tiny neurons.
184
528407
3623
pour calculer avec des neurones aussi
minuscules sont immenses.
minuscules sont immenses.
09:07
How small can neurons get? Well, look at this interesting insect.
185
532030
3537
A quel point les neurones peuvent-ils être petits ?
Regardons cet insecte.
Regardons cet insecte.
09:11
It looks sort of like a fly. It has wings, it has eyes,
186
535567
2212
Il ressemble à une mouche.
Il a des ailes, il a des yeux,
Il a des ailes, il a des yeux,
09:13
it has antennae, its legs, complicated life history,
187
537779
2799
il a des antennes, des pattes
une histoire de vie compliquée.
une histoire de vie compliquée.
09:16
it's a parasite, it has to fly around and find caterpillars
188
540578
3096
C'est un parasite qui doit voler
et trouver des chenilles
et trouver des chenilles
09:19
to parasatize,
189
543674
1382
à parasiter.
09:20
but not only is its brain the size of a salt grain,
190
545056
4115
Non seulement son cerveau est
de la taille d'un grain de sable,
de la taille d'un grain de sable,
09:25
which is comparable for a fruit fly,
191
549171
1969
de celui d'une mouche,
09:27
it is the size of a salt grain.
192
551140
2926
il est réellement de
la taille d'un grain de sable.
la taille d'un grain de sable.
09:29
So here's some other organisms at the similar scale.
193
554066
3635
Voici d'autres organismes
à la même échelle.
à la même échelle.
09:33
This animal is the size of a paramecium and an amoeba,
194
557701
4130
Cet animal est de la taille d'une
paramécie et d'un amibe
paramécie et d'un amibe
09:37
and it has a brain of 7,000 neurons that's so small --
195
561831
3880
et a un un cerveau de 7000 neurones
qui est si petit -
qui est si petit -
09:41
you know these things called cell bodies you've been hearing about,
196
565711
2456
vous avez entendu parler de
ces corps cellulaires
ces corps cellulaires
09:44
where the nucleus of the neuron is?
197
568167
1651
où se trouve le noyau du neurone ?
09:45
This animal gets rid of them because they take up too much space.
198
569818
3460
Cet animal s'en débarrasse car
ils prennent trop de places.
ils prennent trop de places.
09:49
So this is a session on frontiers in neuroscience.
199
573278
2473
C'est une session sur
les limites des neurosciences.
les limites des neurosciences.
09:51
I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
200
575751
5360
Mon postutlat est qu'une des frontières en
neurosciences est de comprendre comment
le cerveau de cet animal fonctionne.
neurosciences est de comprendre comment
le cerveau de cet animal fonctionne.
09:57
But let's think about this. How can you make a small number of neurons do a lot?
201
581111
5633
Réfléchissons un peu. Comment si peu
de neurones peuvent faire autant de choses ?
de neurones peuvent faire autant de choses ?
10:02
And I think, from an engineering perspective,
202
586744
2522
Je pense, que du point de vue d'un ingénieur,
10:05
you think of multiplexing.
203
589266
1729
on pense au multiplexage.
10:06
You can take a hardware and have that hardware
204
590995
2703
On prend un matériel et on lui fait faire
10:09
do different things at different times,
205
593698
1613
différentes choses à différents moments,
10:11
or have different parts of the hardware doing different things.
206
595311
2995
ou alors, on fait faire différentes choses
au différentes parties de ce matériel.
au différentes parties de ce matériel.
10:14
And these are the two concepts I'd like to explore.
207
598306
3271
Voici les deux concepts que
j'aimerais étudier.
j'aimerais étudier.
10:17
And they're not concepts that I've come up with,
208
601577
1658
Ce ne sont pas des concepts
que j'ai imaginés,
que j'ai imaginés,
10:19
but concepts that have been proposed by others in the past.
209
603235
4545
mais ce sont des concepts qui ont été
avancés par d'autres dans le passé.
avancés par d'autres dans le passé.
10:23
And one idea comes from lessons from chewing crabs.
210
607780
3075
Une de ces idées vient
d'études sur la mastication des crabes.
d'études sur la mastication des crabes.
10:26
And I don't mean chewing the crabs.
211
610855
1867
Je ne parle pas de
mastiquer des crabes.
mastiquer des crabes.
10:28
I grew up in Baltimore, and I chew crabs very, very well.
212
612722
3599
J'ai grandi à Baltimore, et je
mastique vraiment très bien les crabes.
mastique vraiment très bien les crabes.
10:32
But I'm talking about the crabs actually doing the chewing.
213
616321
2857
Non, je parle des crabes
qui eux-mêmes mastiquent.
qui eux-mêmes mastiquent.
10:35
Crab chewing is actually really fascinating.
214
619178
2030
La mastication des crabes est
réellement fascinante.
réellement fascinante.
10:37
Crabs have this complicated structure under their carapace
215
621208
3259
Les crabes ont une structure
très complexe sous leur carapace
très complexe sous leur carapace
10:40
called the gastric mill
216
624467
1310
que l'on appelle
le moulin gastrique
le moulin gastrique
10:41
that grinds their food in a variety of different ways.
217
625777
2430
et qui meule la nourriture
de plusieurs façons différentes.
de plusieurs façons différentes.
10:44
And here's an endoscopic movie of this structure.
218
628207
5259
Voici une vidéo endoscopique
de cette structure.
de cette structure.
10:49
The amazing thing about this is that it's controlled
219
633466
2560
Le plus épatant, c'est qu'elle est contrôlée
10:51
by a really tiny set of neurons, about two dozen neurons
220
636026
3432
par un tout petit groupe de neurones,
environ 24 neurones,
environ 24 neurones,
10:55
that can produce a vast variety of different motor patterns,
221
639458
4963
qui peuvent générer une grande
variété de schémas moteurs,
variété de schémas moteurs,
11:00
and the reason it can do this is that this little tiny ganglion
222
644421
4347
et ceci est possible grâce
à ce minuscule ganglion
à ce minuscule ganglion
11:04
in the crab is actually inundated by many, many neuromodulators.
223
648768
4184
qui est dans le crabe et qui est
inondé par de nombreux neuromodulateurs.
inondé par de nombreux neuromodulateurs.
11:08
You heard about neuromodulators earlier.
224
652952
2141
On a parlé des neuro-modulateurs
un peu plus tôt.
un peu plus tôt.
11:10
There are more neuromodulators
225
655093
2225
Il y a plus de neuromodulateurs
11:13
that alter, that innervate this structure than actually neurons in the structure,
226
657318
5485
qui changent, qui innervent la structure
que de neurones dans la structure en fait,
que de neurones dans la structure en fait,
11:18
and they're able to generate a complicated set of patterns.
227
662803
4242
et ils sont capables de produire
des schémas complexes.
des schémas complexes.
11:22
And this is the work by Eve Marder and her many colleagues
228
667045
3441
C'est le travail d'Eve Marder
et de ses nombreux collègues
et de ses nombreux collègues
11:26
who've been studying this fascinating system
229
670486
2295
qui ont étudié ce système fascinant
11:28
that show how a smaller cluster of neurons
230
672781
2152
qui ont montré qu'un tout petit
groupe de neurones
groupe de neurones
11:30
can do many, many, many things
231
674933
1825
peut faire vraiment beaucoup de choses,
11:32
because of neuromodulation that can take place on a moment-by-moment basis.
232
676758
4856
parce que la neuromodulation peut avoir lieu
à chaque moment.
à chaque moment.
11:37
So this is basically multiplexing in time.
233
681614
2439
C'est donc du multiplexage dans le temps.
11:39
Imagine a network of neurons with one neuromodulator.
234
684053
2785
Imaginez un réseau de neurones
avec un unique neuromodulateur.
avec un unique neuromodulateur.
11:42
You select one set of cells to perform one sort of behavior,
235
686838
3478
Vous choisissez un groupe de cellules
pour avoir un certain comportement,
pour avoir un certain comportement,
11:46
another neuromodulator, another set of cells,
236
690316
2618
un autre neuromodulateur,
un autre groupe de cellules,
un autre groupe de cellules,
11:48
a different pattern, and you can imagine
237
692934
1713
un autre schéma, et vous voyez bien
11:50
you could extrapolate to a very, very complicated system.
238
694647
3878
qu'on peut extrapoler
à un système beaucoup plus compliqué.
à un système beaucoup plus compliqué.
11:54
Is there any evidence that flies do this?
239
698525
2094
Peut-on prouver que les mouches le font ?
11:56
Well, for many years in my laboratory and other laboratories around the world,
240
700619
3375
Et bien , pendant de nombreuses années, dans
mon labo et dans de nombreux labos dans le monde,
mon labo et dans de nombreux labos dans le monde,
11:59
we've been studying fly behaviors in little flight simulators.
241
703994
2648
nous avons étudié les comportements de
la mouche dans des petits simulateurs de vols.
la mouche dans des petits simulateurs de vols.
12:02
You can tether a fly to a little stick.
242
706642
1706
On peut attacher la mouche
à un petit bâton.
à un petit bâton.
12:04
You can measure the aerodynamic forces it's creating.
243
708348
2501
On peut mesurer les forces
aérodynamiques ainsi créées.
aérodynamiques ainsi créées.
12:06
You can let the fly play a little video game
244
710849
2546
On peut permettre à la mouche
de jouer à un jeu vidéo
de jouer à un jeu vidéo
12:09
by letting it fly around in a visual display.
245
713395
3878
en la laissant voler devant
une visualisation.
une visualisation.
12:13
So let me show you a little tiny sequence of this.
246
717273
2337
Je vais vous en montrer
une toute petite séquence.
une toute petite séquence.
12:15
Here's a fly
247
719610
1227
Voici une mouche
12:16
and a large infrared view of the fly in the flight simulator,
248
720837
3437
et vous avez une vue étendue en infra-rouges
de la mouche dans le simulateur de vol,
de la mouche dans le simulateur de vol,
12:20
and this is a game the flies love to play.
249
724274
1955
et c'est un jeu auquel les mouches adorent jouer.
12:22
You allow them to steer towards the little stripe,
250
726229
2437
On leur permet de se diriger vers
la petite bande,
la petite bande,
12:24
and they'll just steer towards that stripe forever.
251
728666
2825
et elle s'y dirigent encore et encore.
12:27
It's part of their visual guidance system.
252
731491
3558
Ça fait partie de leur système
de navigation visuel.
de navigation visuel.
12:30
But very, very recently, it's been possible
253
735049
2345
Mais depuis peu, il est possible
12:33
to modify these sorts of behavioral arenas for physiologies.
254
737394
4940
de modifier ce genre d'arène comportementale
pour de la physiologie.
pour de la physiologie.
12:38
So this is the preparation that one of my former post-docs,
255
742334
2488
Voici le document que l'un
de mes post-doctorants
de mes post-doctorants
12:40
Gaby Maimon, who's now at Rockefeller, developed,
256
744822
2443
Gaby Maimon, qui est maintenant
à Rockfeller, a développé,
à Rockfeller, a développé,
12:43
and it's basically a flight simulator
257
747265
1686
c'est tout simplement
un simulateur de vol
un simulateur de vol
12:44
but under conditions where you actually can stick an electrode
258
748951
3075
mais dans lequel on peut
coller une électrode
coller une électrode
12:47
in the brain of the fly and record
259
752026
2264
dans le cerveau de la mouche
et enregistrer
et enregistrer
12:50
from a genetically identified neuron in the fly's brain.
260
754290
3656
à partir d'un neurone identifié génétiquement
dans le cerveau de la mouche.
dans le cerveau de la mouche.
12:53
And this is what one of these experiments looks like.
261
757946
2298
Voici à quoi ressemble une de ses expérences.
12:56
It was a sequence taken from another post-doc in the lab,
262
760244
2971
C'est une séquence tirée d'un autre
post-doctorant du laboratoire,
post-doctorant du laboratoire,
12:59
Bettina Schnell.
263
763215
1199
Bettina Schnell.
13:00
The green trace at the bottom is the membrane potential
264
764414
3392
La trace verte en bas est
le potentiel de la membrane
le potentiel de la membrane
13:03
of a neuron in the fly's brain,
265
767806
2030
d'un neurone du cerveau d'une mouche,
13:05
and you'll see the fly start to fly, and the fly is actually
266
769836
2942
et vous voyez que la mouche commence
à voler et qu'en fait
à voler et qu'en fait
13:08
controlling the rotation of that visual pattern itself
267
772778
3279
elle contrôle la rotation de ce modèle visuel
13:11
by its own wing motion,
268
776057
1479
en produisant son propre
mouvement d'aile
mouvement d'aile
13:13
and you can see this visual interneuron
269
777536
2110
et vous voyez que cet interneurone visuel
13:15
respond to the pattern of wing motion as the fly flies.
270
779646
3908
répond au modèle de mouvement d'aile
au fur et à mesure que la mouche vole.
au fur et à mesure que la mouche vole.
13:19
So for the first time we've actually been able to record
271
783554
2376
Pour la première fois, nous avons
été vraiment en mesure d'enregistrer
été vraiment en mesure d'enregistrer
13:21
from neurons in the fly's brain while the fly
272
785930
2908
à partir des neurones de la mouche
pendant que la mouche
pendant que la mouche
13:24
is performing sophisticated behaviors such as flight.
273
788838
4468
réalise des mouvements aussi
sophistiqués que le vol.
sophistiqués que le vol.
13:29
And one of the lessons we've been learning
274
793306
1855
Une des leçons qu'on en a tiré,
13:31
is that the physiology of cells that we've been studying
275
795161
2420
c'est que la physiologie des cellules
que nous avions étudiées
que nous avions étudiées
13:33
for many years in quiescent flies
276
797581
2421
pendant de nombreuses
années sur des mouches au repos
années sur des mouches au repos
13:35
is not the same as the physiology of those cells
277
800002
2648
n'est pas la même
que la physiologie de ces cellules
que la physiologie de ces cellules
13:38
when the flies actually engage in active behaviors
278
802650
2736
lorsque la mouche est active,
13:41
like flying and walking and so forth.
279
805386
2539
comme par exemple quand
elle vole, avance, etc.
elle vole, avance, etc.
13:43
And why is the physiology different?
280
807925
2925
Pourquoi la physiologie est-elle différente ?
13:46
Well it turns out it's these neuromodulators,
281
810850
2057
Il se trouve que c'est le fait
de ces neuromodulateurs,
de ces neuromodulateurs,
13:48
just like the neuromodulators in that little tiny ganglion in the crabs.
282
812907
3951
tout comme les neuromodulateurs
du petit ganglion des crabes.
du petit ganglion des crabes.
13:52
So here's a picture of the octopamine system.
283
816858
2550
Voici une photo du
système de l'octopamine.
système de l'octopamine.
13:55
Octopamine is a neuromodulator
284
819408
1754
L'octopamine est un neuromodulateur
13:57
that seems to play an important role in flight and other behaviors.
285
821162
4336
qui semble jouer un rôle important
dans le vol et dans d'autres comportements.
dans le vol et dans d'autres comportements.
14:01
But this is just one of many neuromodulators
286
825498
2472
Mais c'est juste un des
nombreux neuromodulateurs
nombreux neuromodulateurs
14:03
that's in the fly's brain.
287
827970
1071
présents dans le cerveau de la mouche.
14:04
So I really think that, as we learn more,
288
829041
2666
Je pense vraiment
qu'au fil de nos découvertes,
qu'au fil de nos découvertes,
14:07
it's going to turn out that the whole fly brain
289
831707
2527
nous allons découvrir
que le cerveau de la mouche tout entier
que le cerveau de la mouche tout entier
14:10
is just like a large version of this stomatogastric ganglion,
290
834234
3089
n'est qu'une version plus grande
du ganglion stomatogastrique
du ganglion stomatogastrique
14:13
and that's one of the reasons why it can do so much with so few neurons.
291
837323
4360
et que c'est une des raisons pour laquelle
il peut en faire tant, avec si peu de neurones.
il peut en faire tant, avec si peu de neurones.
14:17
Now, another idea, another way of multiplexing
292
841683
2787
Une autre idée,
une autre façon de multiplexer,
une autre façon de multiplexer,
14:20
is multiplexing in space,
293
844470
1656
est de multiplexer dans l'espace,
14:22
having different parts of a neuron
294
846126
1694
et de faire faire des choses différentes
14:23
do different things at the same time.
295
847820
2122
aux différentes parties d'un neurone
au même moment.
au même moment.
14:25
So here's two sort of canonical neurons
296
849942
1833
Là, vous voyez deux types
de neurones canoniques,
de neurones canoniques,
14:27
from a vertebrate and an invertebrate,
297
851775
2285
celui d'un vertébré
et celui d'un invertébré,
et celui d'un invertébré,
14:29
a human pyramidal neuron from Ramon y Cajal,
298
854060
3250
un neurone pyramidal humains
de Ramon Y Cajal,
de Ramon Y Cajal,
14:33
and another cell to the right, a non-spiking interneuron,
299
857310
4003
et une autre cellule à droite,
un interneurone sans poussées,
un interneurone sans poussées,
14:37
and this is the work of Alan Watson and Malcolm Burrows many years ago,
300
861313
4147
c'est le travail réalisé il y a bien des années
par Alan Watson et Malcolm Borrows,
par Alan Watson et Malcolm Borrows,
14:41
and Malcolm Burrows came up with a pretty interesting idea
301
865460
3075
et Malcom Burrows est arrivé à une
conclusion particulièrement intéressante
conclusion particulièrement intéressante
14:44
based on the fact that this neuron from a locust
302
868535
2882
basée sur le fait que ce neurone de sauterelle
14:47
does not fire action potentials.
303
871417
1959
ne déclenche pas de potentiels actionnels;
14:49
It's a non-spiking cell.
304
873376
1748
c'est une cellule sans poussée.
14:51
So a typical cell, like the neurons in our brain,
305
875124
2780
Une cellule classique,
comme le neurone de notre cerveau
comme le neurone de notre cerveau
14:53
has a region called the dendrites that receives input,
306
877904
2752
a une partie appelée dendrite
qui reçoit une information
qui reçoit une information
14:56
and that input sums together
307
880656
2589
et cette information s'additionne
14:59
and will produce action potentials
308
883245
2296
et génèrera des potentiels d'action
15:01
that run down the axon and then activate
309
885541
2331
qui courront le long de l'axone et activeront
15:03
all the output regions of the neuron.
310
887872
2296
toutes les zones réactives du neurone.
15:06
But non-spiking neurons are actually quite complicated
311
890168
2876
Mais les neurones sans poussée
sont en fait très complexes
sont en fait très complexes
15:08
because they can have input synapses and output synapses
312
893044
3112
car ils ont des synapses réceptives
et des synapses émettrices
et des synapses émettrices
15:12
all interdigitated, and there's no single action potential
313
896156
3663
toutes emboitées, et il n'y aucun potentiel d'action
15:15
that drives all the outputs at the same time.
314
899819
3126
qui actionne toutes les émissions
au même moment.
au même moment.
15:18
So there's a possibility that you have computational compartments
315
902945
3907
Il est possible qu'il y est
des subdivisions computationnelles
des subdivisions computationnelles
15:22
that allow the different parts of the neuron
316
906852
3978
qui permettent aux différentes
zones du neurone
zones du neurone
15:26
to do different things at the same time.
317
910830
2560
de faire des choses différentes
en même temps.
en même temps.
15:29
So these basic concepts of multitasking in time
318
913390
4671
Ces concepts simple d'activités
en multi-tâche dans le temps,
en multi-tâche dans le temps,
15:33
and multitasking in space,
319
918061
2361
en multi-tâche dans l'espace,
15:36
I think these are things that are true in our brains as well,
320
920422
2832
je pense qu'ils sont également valables
pour nos cerveaux
pour nos cerveaux
15:39
but I think the insects are the true masters of this.
321
923254
2577
mais je suis persuadé que les
insectes sont les vrais maîtres en la matière.
insectes sont les vrais maîtres en la matière.
15:41
So I hope you think of insects a little bit differently next time,
322
925831
3116
J'espère que vous verrez les
insectes d'un autre œil la prochaine fois,
insectes d'un autre œil la prochaine fois,
15:44
and as I say up here, please think before you swat.
323
928947
2935
et comme je dis,
réfléchissez un peu avant d'en écraser un.
réfléchissez un peu avant d'en écraser un.
15:47
(Applause)
324
931882
2953
(Applaudissements)
ABOUT THE SPEAKER
Michael Dickinson - BiologistMost people are irritated by the buzzing of a fly's wings. But biologist Michael Dickinson views the sound with a deep sense of wonder.
Why you should listen
Some things are so commonplace that they barely register our attention. Michael Dickinson has dedicated much of his research to one such thing -- the flight of the fly. Dickinson aims to understand how a fly's nervous system allows it to accomplish such incredible aerodynamic feats. Affectionately dubbed the "Fly Guy" by The Scientist, Dickinson's research brings together zoology, neuroscience and fluid mechanics.
Dickinson was named a MacArthur Fellow in 2001. He is now a professor of biology at the University of Washington, where he heads The Dickinson Lab. The lab conducts research into insect flight control, animal brain recordings, animal/robot interactions and animal visual navigation and welcomes students with an interest in studying insect flight, behavior and evolution from an interdisciplinary approach perspective.
Michael Dickinson | Speaker | TED.com