Prédire, simuler, concevoir : la fusion avance par le calcul

L'IA qui apprend à prédire un accident plasma avant qu'il arrive

Votre cocotte-minute qui lâche d'un coup — c'est à peu près ce qui se passe quand un plasma de tokamak se déstabilise en quelques millisecondes.

Quand le plasma d'un tokamak se déstabilise brutalement — ce qu'on appelle une disruption — des mégajoules d'énergie frappent les parois de la machine en une fraction de seconde. Pour un réacteur commercial, ça peut signifier des dégâts structurels majeurs. Prédire ces accidents avant qu'ils surviennent est donc un enjeu absolument central. Une équipe travaillant sur le tokamak EAST, en Chine, propose une approche originale : entraîner deux modèles d'IA ensemble, comme un professeur et un élève. Le professeur analyse à la fois des signaux temporels et des images visibles de la chambre à plasma. L'élève, lui, n'a accès qu'aux signaux temporels — les données les plus simples à obtenir en conditions réelles. Le professeur transmet sa compréhension à l'élève en trois étapes : la structure du problème, la représentation interne, puis la décision finale. L'élève hérite du savoir sans avoir besoin des caméras à l'inférence. Le résultat est convaincant sur papier. L'élève détecte 91,66 % des disruptions avec seulement 2,73 % de fausses alarmes, et répond en 3,75 millisecondes — deux fois plus vite que son professeur, avec 69 % de calcul en moins. Voilà le hic, soyons honnêtes. Le système a été évalué sur 640 décharges d'un seul tokamak chinois. Est-ce que ça tient sur une autre machine, avec une géométrie différente, dans d'autres conditions ? Les auteurs mentionnent un test de généralisation, mais les chiffres précis sont absents du texte disponible. « Ça marche sur les données d'entraînement » et « ça marche sur un vrai réacteur » sont deux niveaux de preuve très différents. Petit pas, mais vrai.

Un simulateur de tokamak qu'on peut optimiser comme un GPS recalcule un trajet

Pour trouver le meilleur itinéraire dans Paris, vous pouvez tâtonner rue par rue — ou laisser le GPS calculer d'un coup la direction optimale.

Contrôler un tokamak, c'est jongler avec des dizaines de paramètres simultanément : la puissance de chauffage, la forme du plasma, la densité, le courant. Jusqu'ici, pour optimiser ces paramètres, les ingénieurs devaient faire tourner des milliers de simulations en parallèle, en modifiant un réglage à la fois. Lent, coûteux, et souvent incomplet. TokaGrad, développé par une équipe dont les travaux viennent d'apparaître sur arXiv, change l'approche. C'est le premier simulateur de tokamak entièrement « différentiable » — un mot technique qui signifie simplement que le simulateur peut calculer, pour chaque paramètre d'entrée, dans quelle direction l'ajuster pour améliorer le résultat. Comme un GPS qui ne cherche pas au hasard mais calcule directement le gradient du temps de trajet par rapport à chaque décision de virage. Concrètement, TokaGrad modélise une séquence complète de tir — du démarrage jusqu'à la transition L-H, le moment où le plasma bascule en mode haute performance — de façon cohérente en une seule passe. Il a été construit avec JAX, l'outil de calcul différentiable de Google, et validé sur un scénario représentatif d'ITER, le grand réacteur international en construction à Cadarache. Le hic ? C'est un outil de simulation et d'optimisation, pas encore un système de contrôle en temps réel. Et les auteurs sont honnêtes sur un point : leurs affirmations sur les gains de coût de calcul restent qualitatives — les benchmarks chiffrés précis ne sont pas tous visibles dans le texte publié. On attend de voir ça appliqué à un vrai problème de conception d'ITER.

Les plans informatiques d'un stellarator capable de produire un gigawatt électrique

Avant de construire une cathédrale, on en dessine les plans — et en fusion, une équipe vient de poser les fondations numériques d'un réacteur d'un gigawatt électrique.

Un stellarator, c'est une alternative au tokamak : sa chambre magnétique est torsadée comme une tresse, ce qui lui permet de fonctionner en continu sans les disruptions brutales qui guettent les tokamaks. Le principal inconvénient ? Sa géométrie complexe est difficile à optimiser. C'est précisément le travail que vient de publier une équipe internationale, en prenant comme point de départ la géométrie du Wendelstein 7-X — le stellarator expérimental le plus avancé au monde, construit en Allemagne. L'objectif était de calculer l'équilibre magnétique optimal pour un réacteur de 3 gigawatts de puissance de fusion, soit 1 gigawatt électrique en sortie de turbine — de quoi alimenter environ 700 000 foyers. L'équipe a utilisé les codes VMEC et STELLOPT, des outils de référence dans la communauté, en leur ajoutant de nouvelles contraintes sur le courant de bootstrap — un courant qui se génère spontanément dans le plasma et peut perturber l'équilibre — et sur la forme du champ électrique radial. Les résultats de l'optimisation sont nets : plus de 85 % des particules alpha, les noyaux d'hélium qui transportent la chaleur de la réaction, restent confinées. Et la distorsion résiduelle du champ magnétique — ce qu'on appelle le ripple effectif néoclassique — tombe en dessous de 0,01, une valeur favorable pour limiter les pertes d'énergie par diffusion. Le hic est clair : ce sont des plans, pas un réacteur. Les bobines supraconductrices qui doivent générer ce champ n'ont pas encore été conçues, et plusieurs calculs de validation à haute fidélité ont été faits hors boucle d'optimisation. Ce réacteur existe dans le calcul — il lui reste toute l'ingénierie à traverser.

Ces trois papiers ne parlent pas du même objet — l'un prédit des accidents sur un tokamak chinois, l'autre optimise des trajectoires de contrôle pour ITER, le troisième dessine l'équilibre magnétique d'un futur stellarator. Mais ils racontent la même histoire de fond : la recherche en fusion est en train de se doter d'une couche logicielle sérieuse. Pendant des décennies, progresser en fusion voulait dire construire des machines plus grandes. Aujourd'hui, une part croissante du progrès se fait sans toucher une bobine : on entraîne des IA sur des données de décharges existantes, on rend des simulateurs différentiables pour les optimiser par gradient, on explore des géométries de réacteurs entiers dans le calcul avant d'engager le moindre euro de construction. Ce n'est pas un remplacement de la physique expérimentale — c'est un accélérateur. La vraie question qui se pose maintenant : ces outils numériques vont-ils tenir leurs promesses quand on les confronte à des machines réelles, dans des conditions que les données d'entraînement n'ont pas vues ?

Dans les semaines qui viennent, gardez un œil sur les premières publications issues de la campagne expérimentale d'ITER — tout résultat qui confronte ces outils de simulation à des données réelles sera révélateur. Du côté des stellarators, la question ouverte que j'aimerais voir traitée est simple : est-ce que quelqu'un va concevoir les bobines de ce réacteur gigawatt et vérifier que la géométrie de plasma optimisée reste réalisable mécaniquement ?

• Wikipedia — Stellarator (explication claire de la géométrie torsadée)
• Wikipedia — Tokamak (contexte sur les disruptions et le confinement)
• Wikipedia — ITER (le projet international de réacteur à Cadarache)