Quarante millions de collisions par seconde. C’est le rythme auquel le Grand collisionneur de hadrons génère des données que nul système informatique terrestre ne pourrait intégralement absorber.
Dans les entrailles du CERN, à cheval sur la frontière franco-suisse, cette réalité physique impose une contrainte radicale : il faut choisir. Chaque fraction de seconde, des algorithmes d’intelligence artificielle décident, à la place des physiciens, quelles collisions méritent d’être conservées et lesquelles disparaissent à jamais. Ce tri automatisé, opéré en quelques nanosecondes, n’est plus une curiosité technique — c’est le cœur battant de la recherche en physique des particules. Et selon les scientifiques du laboratoire, ce n’est qu’un début.
L’histoire de cette relation entre l’IA et le CERN remonte à 1987, lorsque les équipes du laboratoire déployèrent un premier système capable de détecter les défaillances du Synchrotron à protons. Une application modeste, presque artisanale, comparée à ce qui allait suivre. C’est lors de la découverte du boson de Higgs, en 2012, que la puissance de ces outils s’est révélée au monde scientifique. Maurizio Pierini, physicien au CERN, décrit les algorithmes d’apprentissage automatique de l’époque comme «l’arrière-grand-père de ce que l’on appelle aujourd’hui l’IA». Ces précurseurs ont permis de filtrer mille signaux par seconde dans un flux de données d’une densité vertigineuse, isolant la signature fugace d’une particule qui n’existe qu’un instant infinitésimal avant de se désintégrer. Sans eux, la «particule de Dieu» serait restée introuvable.
Ce succès a ouvert une question plus ambitieuse : que se passe-t-il lorsque les scientifiques ne savent pas encore ce qu’ils cherchent ? Pierini a orienté ses travaux vers ce que l’on appelle la détection d’anomalies — une approche qui rappelle, dans sa logique, les systèmes antifraude des établissements bancaires. Plutôt que de rechercher une signature théorique prédéfinie, l’algorithme apprend à reconnaître le comportement ordinaire des données et signale tout ce qui s’en écarte. Appliquée aux flux du LHC, cette méthode pourrait révéler des phénomènes que la physique théorique n’a pas encore anticipés. «C’est un moyen de découvrir l’inattendu», résume Pierini, avec une conviction qui tranche sur la prudence habituelle du milieu scientifique.
La portée de cette ambition dépasse la seule collecte de données. À mesure que les algorithmes gagnent en précision, leur capacité à analyser les résultats après expérience s’accroît dans des proportions considérables. Pierini évoque, dans certains cas, un gain de précision d’un facteur plusieurs centaines, assorti d’économies potentielles de plusieurs millions de francs. Dans un contexte où le CERN négocie le financement de son futur Future Circular Collider (FCC) — un projet estimé à quelque quinze milliards de francs, destiné à remplacer le LHC dans les années 2040 — cet argument budgétaire n’est pas anodin. La Confédération, qui accueille le siège du laboratoire sur son territoire et contribue à son financement, suit de près l’équation coût-bénéfice de ces investissements colossaux.
L’ancienne directrice générale du CERN, Fabiola Gianotti, le dit sans détour : «Nous allons recourir de plus en plus à l’IA.» Ce recours s’étend désormais à toutes les phases du cycle expérimental — conception, collecte, analyse — et s’apprête à franchir une nouvelle frontière : celle de l’ingénierie. Maria Spiropulu, physicienne au California Institute of Technology et collaboratrice du CERN, anticipe un rôle de l’IA «à toutes les étapes, de la conception des détecteurs à la conduite des expériences, en passant par les systèmes de surveillance». Les outils d’optimisation pourraient notamment accélérer la mise au point de nouveaux matériaux pour les aimants supraconducteurs, composants dont le coût pèse lourdement dans le budget de tout grand collisionneur.
Reste une limite que les physiciens eux-mêmes se chargent de rappeler avec clarté. «L’IA ne nous permettra pas de réaliser les expériences du FCC sans le FCC lui-même», souligne Pierini. L’intelligence artificielle optimise, filtre, conçoit — elle ne produit pas les collisions. La machine reste irremplaçable, et c’est précisément autour d’elle que se jouent les négociations politiques et financières les plus délicates entre les États membres du CERN.
Au-delà des instruments et des budgets, c’est la sociologie même de la discipline qui pourrait se transformer. La physique des particules traverse une période de recrutement difficile ; le nombre de chercheurs diminue, et la concurrence d’autres domaines scientifiques — notamment l’informatique quantique et la biologie computationnelle — s’intensifie. L’IA, en déchargeant les physiciens des tâches les plus répétitives, pourrait redonner à la discipline un attrait intellectuel que certains lui trouvent en déclin. Elle ferait également émerger des profils hybrides, à la croisée de la physique fondamentale et de l’ingénierie algorithmique, dont le CERN a précisément besoin pour mener à bien ses prochaines générations d’expériences.
Dans les couloirs du laboratoire genevois, Maurizio Pierini formule l’enjeu avec une image qui dit tout : «L’IA peut améliorer nos recherches « sous le réverbère », mais ce qui m’intéresse davantage, c’est un algorithme capable de regarder derrière mon dos.» Cette phrase, dans sa simplicité, résume une révolution méthodologique en cours. Pendant des décennies, la physique des particules a cherché à confirmer ou infirmer des théories déjà formulées. L’IA ouvre la possibilité inverse : observer d’abord, s’interroger ensuite, théoriser après. Ce retour à l’empirisme pur, armé d’une puissance de calcul sans précédent, pourrait bien être le moteur des prochaines grandes découvertes — à condition que le FCC voie le jour, et que les États membres trouvent un accord sur son financement. L’avenir de la physique fondamentale se joue autant dans les salles de négociation budgétaire que dans les tunnels souterrains.