Flare : l’IA du CERN et de Mistral AI entraînée sur des collisions

Le CERN et Mistral AI ont signé le 15 octobre 2026 une déclaration d’intention pour construire Flare, présenté comme le premier modèle de fondation destiné à la physique des collisionneurs. Au lieu d’apprendre sur des milliards de phrases, cette IA sera entraînée sur des milliards de collisions proton-proton simulées. Le nom Flare vient de Reuters, tandis que le CERN parle d’un « Large Physics Model ».

À ce stade, Flare reste un projet, pas un outil en service.

Un seul modèle à la place d’une chaîne d’algorithmes

Aujourd’hui, les signaux bruts des détecteurs traversent une suite d’algorithmes spécialisés. Chacun transforme la sortie du précédent en objets plus proches de ce que les physiciens analysent : traces, jets, particules identifiées. Le CERN utilise l’apprentissage automatique depuis une dizaine d’années, mais il s’appuie sur plusieurs outils distincts pour chaque étape.

Flare doit changer cette architecture. Le CERN lui assigne quatre missions : reconstruire ce qui s’est passé dans une collision, identifier les particules produites, repérer des signaux que personne n’attendait et aider à évaluer les conceptions de futurs détecteurs. C’est la logique des grands modèles de langage, qui ont remplacé une multitude de systèmes dédiés à une tâche précise du traitement du langage. Un seul modèle préentraîné, puis adapté à plusieurs usages.

La directrice informatique du CERN, Enrica Porcari, présente le partenariat comme un moyen de renforcer les capacités d’IA pour toute la communauté des physiciens et de les rendre partageables. Les deux partenaires ajoutent que de tels modèles pourraient servir à d’autres sciences à l’avenir.

Pourquoi apprendre sur des collisions simulées

Au CERN, le Grand collisionneur de hadrons projette des protons les uns contre les autres des milliards de fois, et chaque choc laisse une gerbe de particules que les détecteurs enregistrent en détail. Entraîner Flare sur des collisions simulées permet de travailler sur des événements dont le contenu est connu d’avance, ce qui sert de corrigé à l’apprentissage. L’ambition affichée va jusqu’à la détection de l’inattendu : signaler des phénomènes que personne n’avait prévus.

Les recherches antérieures d’ATLAS et de CMS fournissent le contexte, pas des résultats de Flare.

Un exabyte d’archives et une échéance en 2030

Le CERN conserve environ un exabyte de données expérimentales issues du LHC, soit à peu près un million de téraoctets. Cela représente un million de disques durs d’un téraoctet empilés dans une même salle. Le LHC est en cours de mise à niveau, et le volume de collisions devrait être multiplié par dix une fois les travaux achevés, vers 2030. Pour Mistral, l’accès à l’un des plus grands jeux de données scientifiques au monde est un argument de poids.

Dix fois plus de collisions à analyser, avec les mêmes équipes.

Le même jour, le patron de Mistral, Arthur Mensch, a publié une tribune dans Le Monde. Il y estime que les modèles d’IA de pointe sont désormais indispensables au progrès scientifique et critique les laboratoires qui gardent leurs capacités pour eux. Pour une entreprise française qui cherche à exister face aux géants américains, un partenariat avec un laboratoire européen de cette envergure sert aussi de vitrine.

Ce que l’annonce ne dit pas encore

Le texte signé est une déclaration d’intention, pas un contrat de livraison. Aucun budget, aucun calendrier et aucun résultat n’ont été publiés.

Plusieurs questions restent donc ouvertes : la précision de Flare face aux algorithmes éprouvés, la qualité de transfert entre simulation et données réelles, et les conditions de partage du modèle avec les équipes de recherche. La promesse de mutualisation formulée par le CERN donnera des indices dès que les premières modalités d’accès seront connues.

Si Flare tient son rôle, il pourrait aussi servir à tester des conceptions de détecteurs avant leur construction, un domaine où chaque erreur coûte des années.

Sources : app.dealroom.co | kulturegeek.fr