Un tokamak caméléon, une IA qui vise, des électrons qui s'emballent.

Une seule machine qui peut être tokamak, stellarator ou les deux.

Et si on pouvait changer le « mode » d'un réacteur à fusion comme on change de vitesse sur un vélo ?

Dans le monde de la fusion, deux grandes familles de machines s'affrontent depuis des décennies. Le tokamak — la forme dominante, celle qu'ITER représente — confine le plasma dans un anneau magnétique relativement simple. Le stellarator ressemble à un bretzel torsadé : plus stable en théorie, mais d'une complexité de fabrication redoutable. Jusqu'ici, on construisait l'un ou l'autre. Pas les deux. Une équipe de chercheurs propose une troisième voie : un seul anneau de bobines supraconductrices — des aimants refroidis à des températures extrêmes, appelés aimants HTS — capables de produire trois types de configurations magnétiques différentes. Tokamak classique, stellarator quasi-axisymétrique, ou hybride entre les deux. Le réglage se fait en changeant le courant envoyé dans chaque bobine. Pensez à un multimètre plutôt qu'à trois appareils séparés sur votre établi. Les simulations ont tourné sur un logiciel d'optimisation appelé SIMSOPT, appliqué à un dispositif de taille universitaire — un mètre de rayon, pas la taille d'un stade. Les résultats montrent que les forces exercées sur les bobines restent en dessous du seuil de tolérance des matériaux supraconducteurs à haute température. C'est rassurant sur le papier. Le hic : c'est une étude entièrement computationnelle. Personne n'a encore construit cet appareil. Les simulations ne s'intéressent qu'à la géométrie magnétique — pas à la physique du plasma chaud lui-même. Et je simplifie : un stellarator avec un transform rotatif de 0,2 est encore très loin d'un confinement optimal. Mais pour un labo universitaire qui veut explorer plusieurs approches sans construire dix réacteurs, c'est une piste sérieuse.

L'algorithme qui ajuste le chauffage d'un réacteur en temps réel, même en panne.

En plein milieu d'une expérience, un équipement tombe en panne — et le réacteur continue à fonctionner comme prévu.

Le DIII-D est le plus grand tokamak des États-Unis, géré par General Atomics à San Diego. Pour chauffer le plasma à l'intérieur, les ingénieurs utilisent des micro-ondes de très haute puissance produites par des appareils appelés gyrotrons — imaginez un four à micro-ondes industriel, mais avec un objectif de précision millimétrique : l'énergie doit être déposée exactement au bon endroit dans le plasma pour maintenir la stabilité et la performance. Problème : calculer en temps réel où ces micro-ondes atterrissent, et ajuster les angles des gyrotrons en conséquence, était trop lent avec les codes de simulation classiques. Une équipe de General Atomics a donc développé ECHO — un algorithme qui combine un réseau de neurones entraîné sur le réacteur DIII-D et une technique d'optimisation dite « génétique ». L'analogie : un jardinier qui doit arroser une plate-bande précise avec plusieurs tuyaux réglables. Plutôt que de calculer manuellement l'angle de chaque tuyau à chaque instant, il forme un assistant qui apprend les patterns d'arrosage — et ajuste tout en temps réel, même si un tuyau tombe en panne. C'est exactement ce qu'ECHO a fait lors d'expériences réelles. En cours d'expérience, un gyrotron est tombé en panne. L'algorithme a redistribué automatiquement l'énergie sur les gyrotrons restants pour maintenir le profil cible. Testé, validé, déployé en conditions réelles. Le hic : ECHO optimise le dépôt d'énergie, mais ne contrôle pas encore directement la stabilité globale du plasma. C'est une pièce importante du puzzle, pas la solution complète.

Des électrons qui filent à la vitesse de la lumière — une IA pour les prédire.

Dans un réacteur à fusion, certains électrons peuvent soudainement s'emballer jusqu'à frôler la vitesse de la lumière et trouer les parois — en une fraction de seconde.

C'est l'un des scénarios les plus redoutés dans un tokamak : la disruption. En quelques millisecondes, le confinement magnétique s'effondre. Dans ce chaos, certains électrons profitent du champ électrique résiduel pour accélérer à des vitesses relativistes — proches de celle de la lumière. On les appelle les « électrons fugitifs ». S'ils percutent la paroi du réacteur en faisceau concentré, ils peuvent l'endommager sévèrement. Pour un réacteur comme ITER, actuellement en construction dans le sud de la France, c'est un problème de sécurité concret. Anticiper leur comportement demande des simulations très lourdes. Une équipe de chercheurs a contourné ce problème avec trois réseaux de neurones entraînés non pas sur des données expérimentales, mais directement sur des équations physiques — ce qu'on appelle un réseau de neurones informé par la physique, ou PINN. L'approche repose sur une formulation mathématique dite « adjointe » — une façon de reformuler le problème pour qu'une solution unique serve à toutes les conditions de départ possibles. Pensez à une sauce mère en cuisine : on fait le travail difficile une fois, et on décline ensuite des centaines de variantes rapidement. Résultat : une fois les réseaux entraînés, les prédictions arrivent des ordres de grandeur plus vite que les méthodes classiques. Le hic : la validation a été faite contre des simulations Monte Carlo — d'autres modèles — pas contre des mesures réelles en tokamak. Les métriques de précision exactes ne sont pas entièrement accessibles dans le papier publié. C'est une étape prometteuse, mais il reste un pas important avant la validation expérimentale.

Ces trois papiers ne se ressemblent pas en surface. L'un parle de bobines caméléons, l'autre d'un algorithme de chauffage, le troisième d'électrons qui s'emballent à la vitesse de la lumière. Mais ils racontent, ensemble, quelque chose de précis. La fusion nucléaire a longtemps été un problème de physique brute — confiner un plasma assez longtemps, assez chaud. Ce défi n'a pas disparu. Mais une deuxième couche émerge maintenant, et ces papiers en sont le signe : comment contrôler, en temps réel, des systèmes d'une complexité vertigineuse ? La réponse qui s'impose partout, c'est l'intelligence artificielle — réseaux de neurones pour prédire, algorithmes génétiques pour optimiser en direct. Ce n'est pas un hasard si les deux papiers les plus concrets de la journée s'appuient sur l'IA. Et le tokamak caméléon ajoute une autre dimension : la flexibilité du matériel lui-même. Moins de machines, plus de configurations. Le terrain change. On passe du laboratoire de physique fondamentale au centre de contrôle. Ce n'est pas de la hype — c'est de l'ingénierie qui se réoriente.

Côté DIII-D, il vaut la peine de surveiller si ECHO est étendu à d'autres paramètres de contrôle — pas seulement le profil de dépôt, mais aussi la stabilité magnéto-hydrodynamique. Pour les électrons fugitifs, la question ouverte est simple : est-ce que ces réseaux de neurones tiennent la route face à des données réelles d'une disruption enregistrée ? C'est le test qui manque. Et pour le tokamak hybride, gardez un œil sur les annonces universitaires américaines : si un groupe décide de construire un prototype à l'échelle du campus, ça vaudra le détour.

• Pour la Science — Dossier sur la fusion nucléaire et ITER
• Wikipedia — Électrons fugitifs (runaway electrons)
• Wikipedia — Stellarator