Summarize Paper logo SummarizePaper.com

Résumé IA · arXiv: 2610.33881v1 · q-bio.NC

Sensorimotor behaviour from an untrained brain-and-nerve-cord connectome

John R. Minnick, Jesus Gonzalez-Ferrer, Jinghui Geng, Jason K. Eshraghian, Mohammed A. Mostajo-Radji, David Haussler, Mircea Teodorescu
Article original Soumis à arXiv le 24 Oct. 2026 42 pages: the manuscript with six figures, and the Supplementary Information (4 figures, 8 tables) appended Licence : NONEXCLUSIVE-DISTRIB 1.0 Aussi en : en

Comment lire ce résumé ? Guide illustré

L’essentiel

Un connectome de drosophile non entraîné soutient une navigation simulée dépendante du retour sensoriel et une inversion apprise de l’approche, sous des règles fixes de couplage au corps.

Question

Quelle part du fonctionnement sensorimoteur peut être reproduite à partir du câblage neuronal mesuré, sans ajuster les paramètres du réseau aux tâches ? Les auteurs examinent cette question dans des voies identifiées puis dans un corps simulé en boucle sensorimotrice fermée.

Méthode

Le connectome BANC d’une drosophile femelle est converti en réseau de 172 433 neurones à intégration et fuite, comprenant 11,75 millions de connexions et 35,7 millions de synapses, avec les paramètres publiés d’un modèle antérieur conservés sans réajustement. Les auteurs testent 15 voies hors du corps, puis couplent le réseau à NeuroMechFly par deux règles fixes et comparent notamment le câblage intact, un câblage remanié conservant les degrés et les signes, et des lésions, avec 20 simulations par condition dans neuf arènes totalisant 32 sources odorantes. Ils étudient également le codage olfactif et une dépression des connexions des cellules de Kenyon vers les neurones de sortie des corps pédonculés, commandée par un signal de renforcement dopaminergique imposé.

Résultats

  • Résultat Dans les tests sur une cible neuronale identifiée, toutes les voies fournissant au moins 2 % de ses entrées conduisent à une intensité de stimulation suffisante, tandis que les sept voies à 0,03 % ou moins échouent.
    Voir le passage dans l’article
    Every pathway tested onto an identified neuron conducts at some drive if it supplies at least 2% of that neuron’s input, and the seven supplying 0.03% or less do not (Fig. 2f).
  • Résultat Le modèle intact atteint en moyenne 30,25 des 32 sources odorantes, soit 95 %, contre 5,80, soit 18 %, après remaniement du câblage.
    Voir le passage dans l’article
    In the NeuroMechFly body[38], coupled through two fixed rules, the network reaches 95% of 32 odour sources across nine arenas, where a network rewired to keep every neuron’s degrees and signs reaches 18%.
  • Résultat Depuis une orientation initiale tournée de 30°, la répétition des commandes motrices sans retour sensoriel atteint 2 % des sources, contre 94 % en boucle fermée.
    Voir le passage dans l’article
    The replays reach 0.07 sources per run against 3.29 for the closed loop from the same rotated start (2.0% against 94.0% of the sources, per fly).
  • Résultat Ramener à 0,15 la force d’une classe de synapses excitatrices du lobe antennaire rapproche le codage des cellules de Kenyon de la plage observée chez la mouche.
    Voir le passage dans l’article
    Scaling that one class of synapse to 0.15 of its face value brings the Kenyon-cell code into the fly’s range.
  • Résultat La dépression synaptique produit un évitement associatif dans la variante modifiée, où l’activité des cellules de Kenyon dépend de l’odeur, mais pas dans le réseau lu directement.

Limites

  • Le virage olfactif est calculé par une règle écrite à la main : les expériences évaluent la valence fournie par le connectome, sans démontrer que celui-ci calcule le virage.
    Voir le passage dans l’article
    The rescue locates the deficit of both manipulations at the mushroom-body output. It does not show that the connectome computes the turn.
  • Le modèle repose sur un seul animal et simplifie les neurones en unités ponctuelles à signe unique, sans synapses électriques, neuromodulation ni activité spontanée.
    Voir le passage dans l’article
    The model makes as few assumptions as a spiking network can: point neurons with one sign each, chemical synapses only, no neuromodulation, no spontaneous activity, one animal.
  • L’évitement appris dépend à la fois d’une lecture signée de la sortie des corps pédonculés et d’un renforcement limité aux compartiments aversifs.
    Voir le passage dans l’article
    The trained fly turns away only when the readout is signed and the reinforcement is confined to the aversive compartments, where 41 of the 50 MBONs drive approach.

Portée

Selon les auteurs, cette approche sans ajustement aux tâches permet de distinguer ce que le câblage mesuré explique déjà de ce qui exige des propriétés physiologiques absentes du connectome. Les tests fixes fournissent un cadre pour évaluer séparément l’apport futur de l’activité de fond, des synapses électriques et de poids synaptiques différenciés.

Rédigé par une IA à partir de l’article. Les passages cités sont vérifiés mot pour mot dans le texte analysé ; le reste peut contenir des erreurs.

Mots clés générés par l'IA : Connectome Drosophile Modélisation neuronale Navigation olfactive Apprentissage associatif

Pour aller plus loin

  • Résumé Complet
  • Résumé vulgarisé
  • Article de blog
  • Abstract original
Cette étude examine dans quelle mesure le câblage d’un système nerveux suffit à produire des fonctions sensorimotrices, sans optimisation des paramètres pour les tâches évaluées. À partir du connectome BANC du cerveau et de la chaîne nerveuse ventrale d’une drosophile femelle adulte, les auteurs cherchent à déterminer quelles réponses et quels comportements connus peuvent émerger d’un réseau non entraîné. Ils visent également à identifier les informations physiologiques qu’une carte anatomique ne fournit pas. Le modèle comprend 172 433 unités, 11,75 millions de connexions et 35,7 millions de synapses. Chaque unité repose sur un modèle simple d’intégration et de décharge, dont les paramètres, issus d’un modèle cérébral précédemment publié, sont conservés sans réajustement. Le nombre de synapses détermine le poids des connexions, tandis que le neurotransmetteur prédit en détermine le caractère excitateur ou inhibiteur. Les auteurs testent d’abord quinze voies dont les fonctions sont connues expérimentalement, puis intègrent le réseau au corps simulé NeuroMechFly. Une interface fixe, programmée manuellement, convertit les odeurs et les signaux visuels en stimulations neuronales, puis l’activité motrice en commandes des pattes. L’orientation olfactive dépend notamment d’une « valence », calculée comme la différence d’activité entre les neurones de sortie du corps pédonculé favorisant l’approche et ceux favorisant l’évitement. Sept des quinze voies produisent une réponse conforme aux observations biologiques, qui disparaît après redistribution aléatoire des partenaires synaptiques. Elles comprennent notamment des voies du goût, de l’échappement et du contrôle descendant. Parmi les voies testées ciblant un neurone identifié, celles qui représentent environ 2 % ou plus de ses synapses d’entrée peuvent l’activer, tandis que sept voies en représentant au plus 0,03 % échouent. Ce seuil reste propre au modèle. Certains échecs mettent en évidence des éléments absents du réseau. Ainsi, la transmission du neurone géant vers un motoneurone d’échappement nécessite l’ajout d’une connexion représentant une jonction électrique. D’autres réponses, notamment directionnelles, dépendent d’une activité de fond permettant à l’inhibition d’agir. Dans neuf arènes totalisant 32 sources odorantes, vingt répétitions simulées permettent d’atteindre en moyenne 30,25 sources, soit 95 %. Un réseau recâblé conservant les degrés de connexion et les signes excitateurs ou inhibiteurs n’en atteint que 5,80, soit 18 %, contre 3,45 après lésion du corps pédonculé et 2,20 pour une marche aléatoire comparable. Dans une arène à trois sources, cette lésion supprime l’approche tout en préservant largement la marche ; l’imposition d’une valence positive restaure le comportement. Lorsque les commandes motrices sont rejouées sans rétroaction sensorielle depuis une orientation décalée de 30 degrés, le taux de réussite tombe à 2 %, contre 94 % en boucle fermée depuis la même orientation. Une règle de dépression synaptique pilotée par un signal de renforcement dopaminergique transforme ensuite l’approche en évitement : après entraînement, aucune des vingt mouches simulées n’atteint la source. Toutefois, dans le réseau initial, le renforcement seul produit presque le même effet, car les cellules de Kenyon restent actives en l’absence d’odeur. Ramener à 15 % la force des sorties des neurones locaux cholinergiques antennaires corrige cette dynamique. Pour les odeurs testées, la proportion de cellules de Kenyon actives passe alors d’environ 68 % à 6,1 %. Dans cette variante, l’évitement nécessite l’association entre l’odeur et le renforcement. Ces résultats montrent que la connectivité mesurée contribue substantiellement aux réponses et au comportement du modèle, sans démontrer qu’elle suffit, à elle seule, à assurer la navigation. Le gradient odorant, la lecture de la valence et la marche reposent sur des règles imposées. Les neurones sont simplifiés, les jonctions électriques et la neuromodulation endogène sont absentes, certaines prédictions de neurotransmetteurs sont erronées et le connectome ne représente qu’un seul animal. L’étude propose donc avant tout un cadre permettant de distinguer ce que l’anatomie explique de ce qui nécessite des données physiologiques supplémentaires.
Créé le 02 Nov. 2026

Cette synthèse vous a-t-elle été utile ?

Note : 0

Pourquoi avons-nous besoin de votes ?

Les votes sont utilisés pour déterminer si nous devons réexécuter nos outils de synthèse. Si le compte atteint -10, nos outils peuvent être redémarrés.

Posez des questions sur cet article à notre assistant IA

Comment discuter avec cet article ? Guide illustré

Comparer avec le PDF

Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.

Figures et graphiques

Posez une question sur une figure en indiquant son numéro ou en utilisant son bouton de question pour demander une analyse visuelle. Au maximum deux figures et quatre panneaux par question. Les valeurs lues sur les graphiques sont approximatives ; vérifiez les données originales.
Instructions pour utiliser l'assistant IA ?

Outils pour cet article

Expliquer autrement 3 réécritures gratuites restantes aujourd'hui
Enregistrer dans une collection Regroupez des articles en collections pour les comparer, les interroger et les exporter. Créer un compte gratuit Se connecter
Exporter BibTeX · RIS (Zotero, Mendeley, EndNote) · Obsidian (Markdown) · Notion (Markdown)

Outils avancés Premium

Pour suivre un domaine de près : alertes de citations, diapositives de journal club, comparaison des versions et envoi vers Zotero. Découvrir Premium

Zotero
Alertes de citation Guide des alertes de citations
Qui travaille dessus ? Les personnes et institutions qui publient sur son sujet
Lettre hebdomadaire Présenté dans « Cerveau et comportement cette semaine » du 2 novembre 2026. Cerveau et comportement cette semaine : ce que les connexions expliquent, et ce que les comparaisons changent
Journal club Premium+ Des slides pour le présenter Proposer pour le journal club
Versions Ce qui a changé entre les versions
En parler en public Premium+ Kit presse : communiqué, questions, détecteur de hype Guide du kit presse

Les articles autour de celui-ci

Les voir sur une carte

Classés selon la proximité de leur titre et de leur résumé avec ceux de cet article. Sélectionnez-en pour les lire ensemble.

Les articles les plus proches

  1. Très proche Base de cet article Cité par cet article Utilisé en profondeur par cet article
    Distributed control circuits across a brain-and-cord connectome
    A. Bates, Jasper S. Phelps, Minsu Kim et al. · 2026 · Nature · cité 69 fois · Pas encore résumé

    «Distributed control circuits across a brain-and-cord connectome» fournit le connectome adulte du cerveau et de la moelle utilisé pour construire le réseau sensorimoteur.

    Résumé scientifique

    Just as genomes revolutionized molecular genetics, connectomes (maps of neurons and synapses) are transforming neuroscience. To date, the only organisms with complete connectomes are worms1, 2–3, sea squirts4 and comb jellies5 (103–104 synapses). By contrast, the fruit fly is more complex (108 synaptic connections), with a brain that supports learning and spatial memory6,7 and an intricate ventral nerve cord analogous to the vertebrate spinal cord8, 9, 10, 11–12. Here we report a densely reconstructed adult fly connectome that unites the brain and ventral nerve cord, and we leverage this resource to investigate principles of neural control. We show that effector neurons (motor neurons, endoc…

  2. Très proche Base de cet article Cité par cet article
    Connectomic reconstruction of a female Drosophila ventral nerve cord
    Anthony W. Azevedo, Ellen Lesser, Jasper S. Phelps et al. · 2024 · Nature · cité 88 fois · Pas encore résumé

    «Connectomic reconstruction of a female Drosophila ventral nerve cord» cartographie la moelle ventrale femelle, une partie du connectome BANC simulé ici.

    Résumé scientifique

    A deep understanding of how the brain controls behaviour requires mapping neural circuits down to the muscles that they control. Here, we apply automated tools to segment neurons and identify synapses in an electron microscopy dataset of an adult female Drosophila melanogaster ventral nerve cord (VNC)1, which functions like the vertebrate spinal cord to sense and control the body. We find that the fly VNC contains roughly 45 million synapses and 14,600 neuronal cell bodies. To interpret the output of the connectome, we mapped the muscle targets of leg and wing motor neurons using genetic driver lines2 and X-ray holographic nanotomography3. With this motor neuron atlas, we identified neural c…

  3. Très proche Autre approche du problème Cité par cet article
    Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly
    Ze-Hao Jin, Yao Zhu, Chen Zhang et al. · 2026 · arXiv.org · preprint, non relu par les pairs · cité 10 fois · Pas encore résumé

    «Whole-Brain Connectomic Graph Model» utilise aussi un connectome de drosophile pour contrôler un corps simulé, mais entraîne le contrôleur par apprentissage profond par renforcement.

    Résumé scientifique

    Animals perform coordinated whole-body movements under the control of neural systems shaped by brain-wide connectivity. The mapping of the whole-brain neural connections, or the connectomes, provides a natural graph for modeling sensorimotor information flow, yet its potential as a neural controller for embodied agents remains largely unexplored. Here, we introduce the Fly-connectomic Graph Model, which directly instantiates the whole-brain connectome of an adult Drosophila as a graph-structured neural controller for movements of a simulated biomechanical fruit fly via deep reinforcement learning. We achieve stable performance across diverse locomotion tasks, as well as better sample efficie…

  4. Très proche Contexte plus large Cité par cet article
    The connectome of an insect brain
    Michael Winding, B. Pedigo, Christopher L. Barnes et al. · 2022 · bioRxiv · cité 383 fois · Pas encore résumé

    «The connectome of an insect brain» décrit l’architecture et les circuits du cerveau larvaire, plutôt que de simuler le comportement à partir d’un connectome adulte.

    Résumé scientifique

    Brains contain networks of interconnected neurons, so knowing the network architecture is essential for understanding brain function. We therefore mapped the synaptic-resolution connectome of an insect brain (Drosophila larva) with rich behavior, including learning, value-computation, and action-selection, comprising 3,013 neurons and 544,000 synapses. We characterized neuron-types, hubs, feedforward and feedback pathways, and cross-hemisphere and brain-nerve cord interactions. We found pervasive multisensory and interhemispheric integration, highly recurrent architecture, abundant feedback from descending neurons, and multiple novel circuit motifs. The brain’s most recurrent circuits compri…

  5. Très proche Contexte plus large
    What an atlas-fitted connectome can and cannot do: evolutionary search over interneuron stimulation in a whole-body C. elegans model
    Taehee Lee · 2026 · bioRxiv · preprint, non relu par les pairs · Pas encore résumé

    «What an atlas-fitted connectome can and cannot do» teste les comportements produits par un connectome de C. elegans, avec un agent externe qui stimule des interneurones.

    Résumé scientifique

    The C. elegans connectome is complete, but which behaviors its wiring can produce, and which it cannot, is unknown. We asked this question in a whole-body simulation whose only adaptive element is a learning agent outside the nervous system. The agent may inject current into a short whitelist of interneurons, never into motor neurons or muscles; the 302-neuron OpenWorm c302 network, with dynamics fitted once to a signal-propagation atlas, a literature-based motor layer and a viscoelastic body on agar do the rest. Every hypothesis was pre-registered with its judgment criterion. Stimulating five command and steering interneurons (AVB, AVA, SMDD, SMDV, RIV) was sufficient for chemotaxis to a so…

  6. Très proche Base de cet article Cité par cet article
    A Connectome of the Male Drosophila Ventral Nerve Cord
    Shin-ya Takemura, K. Hayworth, Gary B. Huang et al. · 2023 · bioRxiv · preprint, non relu par les pairs · cité 106 fois · Pas encore résumé

    «A Connectome of the Male Drosophila Ventral Nerve Cord» reconstruit le câblage de la moelle ventrale, ressource anatomique pertinente pour modéliser les commandes motrices.

    Résumé scientifique

    Animal behavior is principally expressed through neural control of muscles. Therefore understanding how the brain controls behavior requires mapping neuronal circuits all the way to motor neurons. We have previously established technology to collect large-volume electron microscopy data sets of neural tissue and fully reconstruct the morphology of the neurons and their chemical synaptic connections throughout the volume. Using these tools we generated a dense wiring diagram, or connectome, for a large portion of the Drosophila central brain. However, in most animals, including the fly, the majority of motor neurons are located outside the brain in a neural center closer to the body, i.e. the…

  7. Très proche Autre approche du problème Cité par cet article Utilisé en profondeur par cet article
    Connectome-constrained networks predict neural activity across the fly visual system
    Janne K. Lappalainen, Fabian Tschopp, Sridhama Prakhya et al. · 2024 · Nature · cité 143 fois · Pas encore résumé

    «Connectome-constrained networks predict neural activity across the fly visual system» prédit l’activité d’un circuit visuel à partir de sa connectivité, avec des paramètres neuronaux ajustés.

    Résumé scientifique

    We can now measure the connectivity of every neuron in a neural circuit1–9, but we cannot measure other biological details, including the dynamical characteristics of each neuron. The degree to which measurements of connectivity alone can inform the understanding of neural computation is an open question10. Here we show that with experimental measurements of only the connectivity of a biological neural network, we can predict the neural activity underlying a specified neural computation. We constructed a model neural network with the experimentally determined connectivity for 64 cell types in the motion pathways of the fruit fly optic lobe1–5 but with unknown parameters for the single-neuron…

  8. Très proche Contexte plus large Cité par cet article
    The fly connectome reveals a path to the effectome
    Dean A. Pospisil, Max J. Aragon, S. Dorkenwald et al. · 2024 · Nature · cité 43 fois · Pas encore résumé

    «The fly connectome reveals a path to the effectome» combine connectome et perturbations optogénétiques pour estimer les effets causaux des neurones.

    Résumé scientifique

    A goal of neuroscience is to obtain a causal model of the nervous system. The recently reported whole-brain fly connectome1–3 specifies the synaptic paths by which neurons can affect each other, but not how strongly they do affect each other in vivo. To overcome this limitation, we introduce a combined experimental and statistical strategy for efficiently learning a causal model of the fly brain, which we refer to as the ‘effectome’. Specifically, we propose an estimator for a linear dynamical model of the fly brain that uses stochastic optogenetic perturbation data to estimate causal effects and the connectome as a prior to greatly improve estimation efficiency. We validate our estimator in…

Les travaux antérieurs sur lesquels il s’appuie

  1. Proche Base de cet article Utilisé en profondeur par cet article
    Mushroom body output neurons encode valence and guide memory-based action selection in Drosophila
    Yoshinori Aso, Divya Sitaraman, Toshiharu Ichinose et al. · 2014 · eLife · cité 637 fois · Pas encore résumé

    «Mushroom body output neurons encode valence and guide memory-based action selection in Drosophila» relie les neurones de sortie des corps pédonculés à l’attraction, la répulsion et l’apprentissage.

    Résumé scientifique

    Animals discriminate stimuli, learn their predictive value and use this knowledge to modify their behavior. In Drosophila, the mushroom body (MB) plays a key role in these processes. Sensory stimuli are sparsely represented by ∼2000 Kenyon cells, which converge onto 34 output neurons (MBONs) of 21 types. We studied the role of MBONs in several associative learning tasks and in sleep regulation, revealing the extent to which information flow is segregated into distinct channels and suggesting possible roles for the multi-layered MBON network. We also show that optogenetic activation of MBONs can, depending on cell type, induce repulsion or attraction in flies. The behavioral effects of MBON p…

  2. Proche Données, outil ou méthode en commun Utilisé en profondeur par cet article
    NeuroMechFly, a neuromechanical model of adult Drosophila melanogaster
    Víctor Lobato-Ríos, S. T. Ramalingasetty, Pembe Gizem Özdil et al. · 2021 · Nature Methods · cité 84 fois · Pas encore résumé

    «NeuroMechFly» fournit le modèle neuromécanique de drosophile auquel le réseau neuronal est couplé pour les simulations sensorimotrices.

    Résumé scientifique

    Animal behavior emerges from an interaction between neural network dynamics, musculoskeletal properties and the physical environment. Accessing and understanding the interplay between these elements requires the development of integrative and morphologically realistic neuromechanical simulations. Here we present NeuroMechFly, a data-driven model of the widely studied organism, Drosophila melanogaster. NeuroMechFly combines four independent computational modules: a physics-based simulation environment, a biomechanical exoskeleton, muscle models and neural network controllers. To enable use cases, we first define the minimum degrees of freedom of the leg from real three-dimensional kinematic m…

  3. Proche Contexte plus large
    Mapping model units to visual neurons reveals population code for social behaviour
    Benjamin R. Cowley, Adam J. Calhoun, Nivedita Rangarajan et al. · 2024 · Nature · cité 48 fois · Pas encore résumé

    «Mapping model units to visual neurons reveals population code for social behaviour» associe des unités d’un réseau profond à des neurones visuels par leurs effets comportementaux.

    Résumé scientifique

    The rich variety of behaviours observed in animals arises through the interplay between sensory processing and motor control. To understand these sensorimotor transformations, it is useful to build models that predict not only neural responses to sensory input1–5 but also how each neuron causally contributes to behaviour6,7. Here we demonstrate a novel modelling approach to identify a one-to-one mapping between internal units in a deep neural network and real neurons by predicting the behavioural changes that arise from systematic perturbations of more than a dozen neuronal cell types. A key ingredient that we introduce is ‘knockout training’, which involves perturbing the network during tra…

  4. Proche Contexte plus large
    The digital sphinx: Can a worm brain control a fly body?
    BW Brunton, Elliott T. T. Abe, L. Hu et al. · 2026 · bioRxiv · preprint, non relu par les pairs · cité 8 fois · Pas encore résumé

    «The digital sphinx» explore les simulations en boucle fermée reliant cerveau, corps et environnement, notamment avec un cerveau de ver dans un corps de mouche.

    Résumé scientifique

    Animal intelligence is not purely a product of abstract computation in the brain, but emerges from dynamic interactions between the nervous system and the body. New connectome datasets and musculoskeletal models now enable integrated, closed-loop simulations of the neural and biomechanical systems of the fruit fly Drosophila, an ideal model organism to investigate embodied intelligence. However, many biological parameters of the nervous system and the body, as well as how they interface, remain unknown. To fill such gaps, researchers are turning to deep reinforcement learning (DRL), a data-driven optimization framework, to create virtual animals that imitate the behavior of real animals. Her…

  5. Proche Même question
    Connectome simulations identify a central pattern generator circuit for fly walking
    Sarah M. Pugliese, Grant M. Chou, Elliott T. T. Abe et al. · 2026 · bioRxiv · preprint, non relu par les pairs · cité 16 fois · Pas encore résumé

    «Connectome simulations identify a central pattern generator circuit for fly walking» simule un connectome de drosophile pour déterminer comment des circuits produisent l’activité motrice des pattes.

    Résumé scientifique

    Animal locomotion relies on rhythmic body movements driven by central pattern generators (CPGs): neural circuits that produce oscillating output without oscillating input. However, the circuit structure of a CPG for walking is not known in any animal. To identify the cells and synapses that underlie rhythmic leg movement in walking flies, we developed dynamic simulations of the Drosophila ventral nerve cord (VNC) connectomes. A computational activation screen of descending neurons from the central brain identified DNg100—a known command neuron for walking—as the top driver of rhythmic leg motor activity. Simulated network pruning isolated a minimal rhythm-generating circuit consisting of one…

Aller plus loin

Comment ces articles sont-ils trouvés ?

Nous comparons le titre et le résumé de cet article avec ceux de tous les articles résumés sur ce site, et avec les articles que Semantic Scholar recommande, ceux qu’il cite et ceux qui le citent (pour un article très cité, ses citations les plus récentes et, depuis OpenAlex, les plus citées). Parmi les travaux antérieurs et les suites, les articles qui s’utilisent en profondeur, une méthode qu’il utilise et les suites très citées remontent un peu. Les niveaux (très proche, proche, apparenté) viennent de la similarité des textes, pas d’un jugement de qualité ; * signale un article sans résumé, comparé par son titre. La phrase sous un article est écrite par une IA à partir des deux résumés : vérifiez-la dans les articles. Un article jugé hors sujet par trois lecteurs quitte la liste.

Mis à jour le 2 novembre 2026.

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.