Le CERN, laboratoire européen de physique des particules installé près de Genève, et le développeur français d'intelligence artificielle Mistral vont travailler ensemble sur des modèles de fondation destinés à la science. Les deux organisations ont signé le 15 octobre 2026 une déclaration d'intention instaurant ce qu'elles présentent comme un partenariat stratégique de long terme. Premier objectif : un Large Physics Model, que le CERN décrit comme le premier modèle de fondation conçu pour la physique des collisionneurs et qui, selon Reuters, portera le nom de Flare.
Le principe consiste à préentraîner un seul modèle sur des milliards de collisions proton-proton simulées issues du Grand collisionneur de hadrons (LHC), puis à l'employer pour plusieurs tâches à la fois. Le CERN en cite quatre : reconstituer le déroulement d'une collision, identifier les particules produites, signaler des signaux inattendus et aider les physiciens à évaluer les conceptions de futurs détecteurs. Un porte-parole du CERN a expliqué à Reuters que la démarche reprend l'idée des grands modèles de langage de l'IA générative, à ceci près que les données d'entraînement sont des collisions et non du texte.
L'enjeu tient à la manière dont les données du LHC sont traitées aujourd'hui. Les mesures brutes des détecteurs traversent une chaîne d'algorithmes spécialisés, chacun transformant la sortie de l'étape précédente en objets plus proches de ce qu'analysent les physiciens, comme des traces, des jets ou des particules identifiées. L'apprentissage automatique améliore déjà nombre de ces étapes, et le porte-parole a indiqué que le CERN utilise l'IA depuis une dizaine d'années pour convertir les données brutes en images des événements, mais avec un outil distinct à chaque stade. D'après Reuters, un modèle préentraîné capable d'apprendre sur l'ensemble de la chaîne pourrait remplacer une partie de ces composants dédiés.
L'échelle constitue l'autre moteur. Le CERN dit avoir stocké jusqu'ici environ un exaoctet de données expérimentales du collisionneur, soit près d'un million de téraoctets, et s'attend à ce que le nombre de collisions soit multiplié par dix lorsque la mise à niveau High-Luminosity LHC entrera en service, vers 2030. Enrica Porcari, directrice des systèmes d'information du CERN, estime que la physique des hautes énergies offre un terrain d'essai d'une exigence rare pour concevoir et vérifier l'IA avec rigueur, et que les capacités développées devront profiter à toute la communauté et être partagées. Johannes Brandstetter, vice-président de Mistral chargé de l'IA pour l'ingénierie, juge que la collaboration peut faire reculer les frontières de la discipline.
Pour Mistral, cet accord confère à un développeur commercial de modèles une place au cœur de l'un des plus vastes environnements de données scientifiques au monde, en cohérence avec la position publique de l'entreprise sur la science. Reuters relève que son directeur général, Arthur Mensch, a écrit le même jour dans Le Monde que les modèles de pointe sont devenus indispensables au progrès scientifique, en critiquant les sociétés qui gardent leurs avantages pour elles. L'entreprise prépare par ailleurs la mise à disposition publique, le 27 octobre, d'un nouveau modèle à poids ouverts.
Plusieurs éléments essentiels manquent encore. Aucune des deux parties n'a publié de budget, de calendrier, de moyens de calcul ni de date de démarrage de l'entraînement. Aucun résultat de performance n'existe pour l'instant, et les conditions d'accès au futur modèle, y compris une éventuelle publication ouverte des poids, restent à préciser. Les travaux se limitent dans un premier temps à la physique des hautes énergies, même si les deux partenaires estiment que les méthodes pourraient ensuite servir à d'autres sciences.