Une nouvelle méthode d’intelligence artificielle, baptisée Deep Loop Shaping, améliore significativement la stabilité des observatoires de ondes gravitationnelles, ouvrant ainsi de nouvelles perspectives pour l’exploration de l’univers. Cette avancée, publiée dans la revue Science, permet de réduire le bruit dans les boucles de contrôle les plus instables des détecteurs, notamment à LIGO (Laser Interferometer Gravitational-Wave Observatory), situé à Livingston, en Louisiane. Ces systèmes de contrôle, essentiels pour maintenir l’alignement parfait des miroirs ultra-sensibles, sont constamment perturbés par des vibrations environnementales — même celles provoquées par des vagues à 100 kilomètres de distance. LIGO détecte les ondes gravitationnelles, de minuscules ondulations dans l’espace-temps générées par des événements extrêmes comme la fusion de trous noirs ou la collision de étoiles à neutrons. Grâce à des lasers réfléchis sur des miroirs placés à 4 kilomètres de distance dans des chambres à vide géantes, LIGO mesure des variations infimes de distance — de l’ordre du millionième du diamètre d’un proton. Cependant, pour garantir une précision maximale, des milliers de boucles de contrôle doivent ajuster en temps réel chaque composant du système. C’est là que Deep Loop Shaping entre en jeu : en appliquant des algorithmes d’apprentissage profond, cette méthode réduit le bruit de contrôle entre 30 et 100 fois dans les boucles les plus critiques, améliorant ainsi la stabilité des miroirs et la qualité des données. Cette amélioration pourrait permettre de détecter des centaines d’événements supplémentaires chaque année, avec une résolution sans précédent. Elle est particulièrement prometteuse pour étudier les trous noirs de masse intermédiaire — des objets considérés comme des « liens manquants » dans la formation des galaxies — dont les signaux étaient jusqu’ici très rares ou indétectables. En élargissant la portée de LIGO, cette avancée permettra de mieux tester les théories fondamentales de la physique, comme la relativité générale d’Einstein, et d’approfondir notre compréhension de l’évolution cosmique. Développée en collaboration avec Caltech, le GSSI (Gran Sasso Science Institute) et GDM, la méthode s’appuie sur une architecture de contrôle adaptative inspirée de l’apprentissage par renforcement. Elle pourrait également s’appliquer à d’autres domaines exigeants, tels que l’aérospatiale, la robotique ou l’ingénierie structurelle, là où la suppression des vibrations et la stabilité des systèmes dynamiques sont cruciales. Selon Rana Adhikari, professeur de physique à Caltech, « étudier l’univers par la gravité, c’est comme écouter plutôt que regarder. Cette recherche permet de mieux capter le grave, le fondamental ». Grâce à cette innovation, l’ère des ondes gravitationnelles entre dans une nouvelle phase, où l’intelligence artificielle devient un allié essentiel pour percer les mystères de l’univers. Évaluation et contexte : Les experts saluent cette avancée comme une rupture technologique majeure, soulignant que Deep Loop Shaping ne se limite pas à LIGO. Elle ouvre la voie à une nouvelle génération d’observatoires, comme Einstein Telescope ou Cosmic Explorer, où la stabilité des systèmes de contrôle sera déterminante. Les entreprises et instituts impliqués — notamment Caltech, GSSI et les équipes de recherche de Google DeepMind — mettent en évidence l’importance croissante de l’IA dans les sciences fondamentales. Cette collaboration illustre comment l’ingénierie avancée et l’intelligence artificielle peuvent transformer les instruments les plus sensibles de l’humanité.