Le CERN a annoncé le 15 octobre 2026 que le Laboratoire européen pour la physique des particules a signé une déclaration d'intention avec l'entreprise française Mistral afin d'établir un partenariat stratégique de long terme. La pièce centrale en est un modèle de fondation unique préentraîné pour la physique des collisionneurs, le Large Physics Model, entraîné sur des milliards de collisions proton-proton simulées au Grand collisionneur de hadrons (LHC). Un seul modèle devra reconstruire les collisions, identifier les particules, signaler les événements inattendus et évaluer de futurs détecteurs. Reuters a rapporté le même jour qu'aucun calendrier ni budget n'a été divulgué : il s'agit d'un accord d'orientation, pas d'un lancement de produit.
Aujourd'hui une chaîne d'algorithmes, demain peut-être un seul modèle
Reconstruire une collision revient aujourd'hui à faire passer les signaux des détecteurs dans une chaîne d'algorithmes spécialisés qui les transforment progressivement en particules et objets analysables. L'apprentissage automatique est déjà présent dans nombre de ces étapes, mais chaque modèle ne couvre qu'une tâche étroite. Un modèle de fondation change cette répartition : après avoir vu des milliards d'événements simulés, un modèle unique pourrait reconstruire, identifier et isoler les événements qui ne correspondent pas à la physique connue. Pour le CERN, des décennies d'archives de simulation deviennent un actif d'entraînement. Pour Mistral, c'est l'occasion d'emmener l'entraînement à grande échelle dans un domaine où volume de données et rigueur sont extrêmes. Le moment est notable : cette semaine même, Mistral a intégré une équipe de design produit par acquisition, et l'entreprise signe désormais un accord de long terme avec le laboratoire de physique emblématique de l'Europe.
Les données sont l'actif, et aussi la pression
Le CERN évalue les données expérimentales du LHC déjà stockées à environ un exaoctet, soit un million de téraoctets. Le LHC à haute luminosité, attendu vers 2030, multipliera le taux de collisions par environ dix, et les chaînes d'analyse actuelles n'ont pas été conçues pour ce volume. Enrica Porcari, directrice des systèmes d'information du CERN, a souligné dans l'annonce que la physique des hautes énergies offre un environnement d'une rigueur exceptionnelle pour développer et tester l'IA, et que les résultats doivent servir l'ensemble de la communauté des physiciens et être partagés. Le partenariat comble aussi un manque des deux côtés : les données et l'héritage de calcul sont au CERN, l'expérience d'ingénierie de l'entraînement de très grands modèles est chez Mistral.
Pas encore de produit, mais un modèle de démarche
Une réserve s'impose : la déclaration d'intention ne comporte ni calendrier, ni budget, ni taille de modèle, et personne n'a promis de date pour une première version utilisable en analyse réelle. Son importance est ailleurs. C'est un exemple clair et précoce de modèle de fondation scientifique construit à l'envers : non pas un modèle de conversation généraliste affiné pour une discipline, mais un modèle préentraîné dès le départ sur les données de simulation accumulées par un seul champ. Si cela fonctionne en physique des particules, d'autres sciences riches en données copieront la méthode. Avec un laboratoire européen et un acteur européen des modèles, le récit de souveraineté s'écrit tout seul ; l'épreuve la plus dure sera l'évaluation, car un modèle de physique sera jugé sur la précision de reconstruction et la découverte d'anomalies, pas sur des classements de conversation.
