Le CERN a passé des décennies à faire entrer en collision des protons pour comprendre l'univers. Il souhaite désormais un modèle d'IA capable de donner un sens aux débris de ces collisions. Le 15 octobre 2026, l'Organisation européenne pour la recherche nucléaire a signé une déclaration d'intention avec Mistral AI, le développeur français derrière la famille de modèles de langage Mistral, en vue de créer un Large Physics Model pré-entraîné, un modèle de fondation conçu spécifiquement pour la physique des hautes énergies.

Ce que les deux parties construisent

Le modèle devrait être entraîné sur des milliards d'événements simulés de collisions proton-proton liés au Grand Collisionneur de Hadrons (LHC), l'anneau de 27 kilomètres situé sous la frontière franco-suisse près de Genève, où le boson de Higgs a été découvert en 2012. L'objectif est d'offrir aux physiciens un outil polyvalent plutôt qu'un ensemble d'algorithmes étroits à tâche unique.

L'approche s'inspire du schéma des modèles de fondation qui a transformé l'IA du langage : un pré-entraînement unique sur un immense jeu de données, puis l'adaptation du même modèle à de nombreuses tâches différentes. Trois applications figurent en tête de liste :

• Reconstruction des collisions : remonter à partir des signaux des détecteurs pour déterminer ce qui s'est réellement passé lors d'une collision.
• Identification des particules : déterminer quelles particules sont issues d'un événement donné.
• Détection d'anomalies : signaler les événements qui ne correspondent pas aux prédictions de la physique connue.

Le problème de données à l'origine de l'accord

Le CERN ne manque pas de matière première. Ses expériences au LHC ont produit près d'un exaoctet de données — soit environ un million de téraoctets — et la mise à niveau Haute Luminosité du LHC, prévue vers 2030, devrait multiplier par dix le taux de collisions. Les chaînes d'analyse traditionnelles n'ont pas été conçues pour un tel volume, ce qui explique en partie pourquoi le CERN cherche un partenaire en IA maintenant plutôt que plus tard.

Mistral apporte l'autre moitié de l'équation : une expérience dans l'entraînement de très grands modèles. L'entreprise parisienne, fondée en 2023, a présenté en avant-première Mistral Large 4 le 6 octobre 2026, un modèle de 1 000 milliards de paramètres.

Comment nous en arrivés là

Le CERN et Mistral ont tenu des échanges et présentations antérieurs remontant à 2025, posant les bases avant toute formalisation écrite. Le document signé est une déclaration d'intention — une déclaration d'orientation commune qui ne constitue pas un contrat de recherche contraignant. Aucune des deux organisations n'a divulgué de calendrier, de montants de financement ni de jalons spécifiques au-delà de l'accord initial.

Ce que cela signifie

Pour les physiciens, les enjeux sont pratiques. Si un seul modèle pré-entraîné peut gérer raisonnablement bien la reconstruction, l'identification et la détection d'anomalies, les équipes de recherche pourraient consacrer moins de temps à la création d'outils sur mesure et plus de temps à poser des questions. Pour l'industrie de l'IA au sens large, cet accord est un test de la capacité des techniques de modèles de fondation à s'étendre au-delà du langage vers la science fondamentale — et il associe le plus grand laboratoire de physique des particules au monde à l'une des entreprises d'IA les plus en vue d'Europe.

Les risques sont ceux habituels d'un projet d'IA scientifique à un stade précoce. Les modèles entraînés sur des données simulées devront prouver leur fiabilité face aux données réelles des détecteurs, et la physique exige un niveau de rigueur qui tolère très peu d'hallucinations.

Ce qu'il faut surveiller ensuite est simple : un accord formel avec un financement et des échéances définis, d'éventuels benchmarks publiés sur la reconstruction ou la détection d'anomalies, et des signes indiquant si le modèle est préparé en vue de l'ère Haute Luminosité vers 2030.

Source : CryptoBriefing