L’IA de physique du CERN et de Mistral est la bonne, si elle reste auditable

L’IA va-t-elle rendre les physiciens des particules superflus ? C’est la question posée la semaine dernière par un titre de presse allemand, et c’est la mauvaise. La meilleure question est de savoir quel type d’IA mérite une place dans un laboratoire qui manipule certaines des données les plus scrutées au monde. Notre réponse: celle-ci, sous conditions.

Ce qui a été annoncé, et ce qui ne l’a pas été

Selon l’annonce du CERN relayée par t3n, le CERN et l’entreprise française Mistral veulent construire un « Large Physics Model » préentraîné, que le CERN présente comme le premier modèle de fondation pour la physique des collisions. Il est conçu comme un grand modèle de langage, mais il apprend à partir de données de collisions de particules plutôt que de texte. D’autres articles indiquent que le modèle s’appelle Flare et serait entraîné sur des milliards de collisions proton-proton simulées au Grand collisionneur de hadrons.

Attention à la formulation: il s’agit d’une lettre d’intention en vue d’un partenariat stratégique à long terme, annoncée, selon NeoTeo, le 15 octobre 2026. Denkstrom rapporte qu’aucun calendrier ni budget n’a été publié. Nous parlons donc d’un projet, pas d’un produit. Tout ce qui se dit de ses performances relève, pour l’instant, de la spéculation.

Un modèle spécialisé vaut mieux qu’un chatbot en blouse blanche

L’étiquette « ChatGPT pour physiciens des particules » est accrocheuse, mais trompeuse. Ce qui est décrit ressemble davantage à un moteur d’analyse. D’après les articles, il reconstruirait les collisions, reconnaîtrait les particules et signalerait les signaux inhabituels, prenant en charge plusieurs étapes d’analyse que les chercheurs confient aujourd’hui à des algorithmes spécialisés. Ce n’est pas la même tâche que répondre à des questions en langage courant.

Nous pensons que c’est là que l’IA a le plus de sens en science. Le problème est bien défini, les données abondent et la vérité de référence est, en principe, vérifiable. Un seul modèle préentraîné adaptable à de nombreuses tâches est aussi plus séduisant qu’un empilement d’algorithmes sur mesure, chacun avec sa charge de maintenance. Les modèles de fondation ont bâti leur réputation sur leur réutilisabilité, et la physique compte de nombreuses étapes réutilisables.

Le piège: entraîné sur des simulations, jugé par la nature

C’est là que nous serions prudents. Le modèle apprend à partir de collisions simulées. C’est commode, car les simulations sont abondantes, mais cela signifie qu’il hérite de tout ce que la simulation fait de travers. La physique progresse précisément là où la réalité s’écarte de la simulation. Un outil excellent sur l’attendu et chargé de repérer l’inattendu est utile, mais c’est aussi exactement le genre d’outil qui peut échouer en silence.

La condition pour parler de bonne idée est donc l’auditabilité. Les physiciens doivent pouvoir comparer ses résultats aux méthodes classiques, sonder ses défaillances et publier ce qu’ils constatent. S’il reste un assistant dont les conclusions sont recoupées, il accélérera le travail de routine et libérera les chercheurs pour les questions intéressantes. S’il devient une boîte noire dont on se fie aux signalements parce qu’ils arrangent, il sera un handicap. La crainte de suppressions d’emplois est, selon nous, exagérée. Un tel outil exige plus de jugement d’expert, pas moins.

Pourquoi un laboratoire européen choisit un partenaire européen

Le choix de Mistral s’inscrit dans une logique. Une institution de recherche européenne qui traite ses propres données scientifiques préférerait probablement travailler avec un développeur européen plutôt que de confier le cœur de sa chaîne d’analyse à une plateforme étrangère. Aucun des articles que nous avons consultés n’avance explicitement un argument de souveraineté: c’est donc notre lecture. Néanmoins, un modèle sur mesure conçu en partenariat, plutôt qu’une API louée à un fournisseur généraliste, donnerait au laboratoire plus de poids sur la manière de l’entraîner, de l’évaluer et, idéalement, de l’ouvrir à l’examen.

Ce dernier point reste la question ouverte. Nous aimerions voir le CERN et Mistral s’engager à publier les méthodes et les résultats d’évaluation, et à rendre le modèle inspectable par des chercheurs extérieurs. La souveraineté sans transparence n’est qu’une autre forme de dépendance.

Notre verdict

Applaudissons la direction, mais gardons les confettis. Un modèle de fondation propre à un domaine est un bien meilleur usage de l’IA en science qu’un énième chatbot généraliste greffé sur un flux de travail. Mais tant qu’il n’y a ni calendrier, ni budget, ni benchmarks publiés, il s’agit d’une lettre d’intention prometteuse. Le test est simple: si les physiciens peuvent l’auditer et le battre quand il se trompe, il mérite sa place au laboratoire. Sinon, non.