Dans les collines de Berkeley, en Californie, un système d’IA assiste à des expériences de physique de haut niveau au sein de l’Advanced Light Source (ALS), un accélérateur de particules du Laboratoire national Lawrence Berkeley. Les chercheurs ont déployé le Accelerator Assistant, un système piloté par un modèle de langage de grande taille (LLM) conçu pour maintenir le bon fonctionnement des expériences aux rayons X. Alimenté par une GPU NVIDIA H100 exploitant CUDA pour l’inference accélérée, ce système s’appuie sur des données institutionnelles du personnel d’entretien de l’ALS et peut interagir avec des modèles externes comme Gemini, Claude ou ChatGPT. Il rédige du code Python, résout des problèmes, et agit de manière autonome ou en collaboration avec un opérateur humain. L’ALS accélère des électrons à près de la vitesse de la lumière sur un circuit de 200 mètres, produisant des rayons ultraviolets et X utilisés sur 40 faisceaux pour 1 700 expériences scientifiques par an. Ces recherches couvrent la science des matériaux, la biologie, la chimie, la physique et l’environnement. Tout arrêt du faisceau, pouvant durer des minutes à plusieurs jours, interrompt simultanément des expériences en cours. Le système de contrôle de l’ALS comporte plus de 230 000 variables de processus, rendant la détection et la résolution des pannes extrêmement complexes. « Il est crucial que cette machine fonctionne, car 40 faisceaux d’expériences X sont en attente », souligne Thorsten Hellert, scientifique au Laboratoire national Lawrence Berkeley et auteur principal d’une étude sur cette innovation. Jusqu’à présent, les équipes devaient identifier rapidement les problèmes, extraire des données et mobiliser les experts sous pression. Le Accelerator Assistant change la donne : il peut préparer et exécuter de manière autonome des expériences physiques multistages, réduisant le temps de configuration et les efforts de 100 fois. L’interaction se fait via une interface en ligne ou Open WebUI, avec authentification et mémoire contextuelle personnalisée. Le cadre technique Osprey, développé au laboratoire, permet une application sécurisée de l’IA dans des systèmes complexes. Les requêtes sont traitées localement via Ollama sur une GPU H100 ou externement via CBorg, un portail géré par le laboratoire pour accéder à des modèles externes. L’intégration avec EPICS, système de contrôle distribué utilisé dans les installations scientifiques, garantit la sécurité des opérations sur le matériel. Chaque requête est enrichie par un contexte préparé, incluant des données historiques, des documents internes et des connaissances spécifiques à l’ALS. Cela permet à l’IA de comprendre des tâches complexes sans redondance. « Beaucoup de savoir-faire est dispersé, et même localiser un capteur de température peut prendre du temps », explique Hellert. L’outil permet aux ingénieurs de formuler des objectifs simples en langage naturel, et l’IA déclenche automatiquement des scripts Python pour analyser des données, visualiser des résultats ou interagir en toute sécurité avec l’accélérateur. L’objectif à long terme est de construire une wiki collaborative décrivant les procédés opérationnels, afin que les agents puissent gérer les installations de façon autonome, avec un humain en validation. « Même pour un équipement coûteux comme un microscope à transmission électronique, un humain en boucle est essentiel », insiste Hellert. Ce projet s’étend désormais au sein du programme Genesys du Département de l’Énergie, avec des déploiements dans d’autres accélérateurs américains. Une collaboration est également en cours avec les ingénieurs du réacteur à fusion ITER en France, ainsi qu’avec le télescope ELT au Chili. Les impacts scientifiques de l’ALS sont profonds : durant la pandémie, ses expériences ont aidé à caractériser un anticorps capable de neutraliser SARS-CoV-2, soutenant le développement d’un traitement efficace face aux variants. En climatologie, les études sur les réseaux organiques métalliques (MOFs) ont contribué à la découverte qui a valu le prix Nobel de chimie 2025 pour la capture du CO₂ et l’approvisionnement en eau. En science planétaire, l’analyse de matériaux de l’astéroïde Bennu, ramenés par la mission OSIRIS-REx, a révélé la présence d’eau et de molécules précurseurs de la vie, éclairant l’origine des conditions habitables sur Terre.