Dans le vaste paysage de la science moderne, peu de machines sont aussi complexes ou exigeantes qu'un accélérateur de particules. Il ne s'agit pas simplement de grands anneaux de métal ; ce sont des systèmes massifs et interconnectés où des milliers de composants individuels — des aimants puissants aux détecteurs sensibles — doivent travailler en parfaite harmonie pour guider un faisceau de particules à une vitesse proche de celle de la lumière. Pendant des décennies, les personnes qui font fonctionner ces machines se sont appuyées sur des écrans d'ordinateur complexes remplis de graphiques et de boutons, ou sur l'écriture de longs scripts informatiques rigides pour dire à la machine quoi faire. Cette méthode fonctionne, mais elle impose une lourde charge mentale aux opérateurs, qui doivent constamment traduire leurs objectifs dans un langage que la machine comprend. À mesure que ces machines deviennent plus puissantes et complexes, l'ancienne façon de les contrôler atteint ses limites. La question qui se pose aujourd'hui aux scientifiques est de savoir si une machine aussi complexe peut être guidée par une simple conversation, un peu comme si l'on demandait à un assistant humain d'accomplir une tâche, sans sacrifier la sécurité absolue et la précision requises pour maintenir la stabilité du faisceau.

Une équipe de chercheurs de l'installation Elettra-Sincrotrone Trieste en Italie a franchi une étape audacieuse pour répondre à cette question. Ils ont construit un nouveau type de système de contrôle pour une source de lumière de nouvelle génération appelée Elettra 2.0, une machine actuellement en construction qui sera bien plus puissante que sa prédécesseure. Au lieu de forcer les opérateurs à naviguer dans des menus ou à écrire du code, les chercheurs ont créé un système d'intelligence artificielle qui leur permet de parler naturellement à la machine. Le système écoute une requête telle que « allume l'alimentation électrique » ou « corrige le chemin du faisceau », détermine les étapes nécessaires et les exécute. Cependant, les chercheurs étaient pleinement conscients que donner à une machine la capacité de parler ne signifie pas lui donner la capacité d'agir de manière imprudente. Leur solution a été de construire une hiérarchie stricte où l'intelligence artificielle n'agit que comme un superviseur, tandis que les commandes physiques réelles sont exécutées par une couche de logiciel distincte et pré-vérifiée qui ne peut pas être facilement trompée ou confondue.

Le cœur de cette nouvelle architecture repose sur un concept que les chercheurs décrivent comme le fait de traiter l'accélérateur entier comme un robot géant. Tout comme un robot possède un cerveau qui planifie les actions et des muscles qui les exécutent, ce système sépare la pensée de l'action. Le « cerveau » est un grand modèle de langage, un type d'intelligence artificielle capable de comprendre le langage humain et de raisonner à travers des problèmes complexes. Ce cerveau est connecté au système de contrôle de la machine via une interface standard qui traduit les mots humains en instructions spécifiques et sûres. Crucialement, le cerveau ne touche pas directement la machine. Au lieu de cela, il envoie ses instructions à une couche intermédiaire composée de procédures pré-programmées. Ces procédures sont comme un ensemble de recettes fiables et étape par étape, qui ont été testées et approuvées pendant des années. Si l'intelligence artificielle demande d'allumer un aimant, cela déclenche l'une de ces recettes de confiance, qui gère ensuite l'activation réelle, vérifie les verrouillages de sécurité et confirme que l'action a réussi. Cette conception garantit que même si l'intelligence artificielle commet une erreur de raisonnement, la machine physique reste en sécurité car les actions finales sont toujours filtrées par ces étapes rigides et vérifiées.

Pour tester cette idée avant même que la véritable machine ne soit terminée, l'équipe a construit une copie numérique parfaite de l'accélérateur, appelée jumeau numérique. Cette version virtuelle imite la physique de la machine réelle, simulant la façon dont le faisceau se déplace et comment les aimants réagissent, tout en exécutant exactement le même logiciel de contrôle qui sera utilisé sur le matériel réel. Les chercheurs ont ensuite mis leur IA conversationnelle au travail sur cette machine virtuelle. Ils lui ont demandé d'accomplir une grande variété de tâches, allant de vérifications simples comme la lecture de l'état d'une alimentation électrique à des opérations complexes comme le lancement d'une séquence multi-étapes pour corriger la trajectoire du faisceau. Ils ont également testé sa capacité à répondre à des questions en effectuant des recherches dans une vaste bibliothèque de documents techniques et de journaux de maintenance passés, une capacité connue sous le nom de génération augmentée par récupération. Les résultats ont été frappants. Dans ces simulations, le système a correctement compris l'intention de l'opérateur et l'a associée à la bonne action de contrôle plus de 95 % du temps. Il a exécuté avec succès les commandes, a vérifié que les changements avaient été effectués en lisant les résultats, et a refusé d'effectuer toute action située en dehors de sa liste de tâches autorisées.

Le système a également démontré une capacité remarquable à gérer les nuances de l'exploitation des machines. Lorsqu'un opérateur demandait à l'IA de modifier un réglage, le système ne se contentait pas d'envoyer la commande ; il attendait de confirmer le changement, remarquait si la valeur était toujours en train de monter vers la cible et rapportait avec une explication claire et lisible par l'homme ce qui se passait. Ce niveau de détail est une chose que les panneaux de contrôle traditionnels cachent souvent derrière des chiffres bruts. De plus, le système a prouvé qu'il pouvait agir comme un assistant instruit. Lorsqu'on lui demandait de diagnostiquer un problème, il pouvait fouiller dans des années d'enregistrements techniques et de journaux de maintenance pour trouver des informations pertinentes, citant ses sources et évitant le genre de réponses inventées qui peuvent affecter les intelligences artificielles moins sophistiquées. L'ensemble du processus, du moment où l'opérateur formulait une requête au moment où le système confirmait l'action, a pris environ une seconde pour les tâches simples, une vitesse suffisamment rapide pour une utilisation pratique dans une salle de contrôle très fréquentée.

Malgré ces résultats prometteurs, les chercheurs veillent à présenter leur travail comme un prototype plutôt que comme un produit fini. Les tests ont été menés entièrement sur le jumeau numérique, un environnement sûr où les erreurs n'entraînent aucun risque de dommage pour le matériel coûteux. La véritable machine Elettra 2.0 n'est pas encore pleinement opérationnelle, et l'équipe reconnaît que le système doit encore être testé face aux réalités imprévisibles du monde physique. Il existe également des obstacles importants à franchir avant que cette technologie ne puisse être utilisée dans les opérations quotidiennes. La version actuelle repose sur des logiciels commerciaux et des serveurs externes, ce qui limite la facilité avec laquelle elle peut être reproduite ou sécurisée. L'équipe travaille activement à la migration de l'ensemble du système vers une infrastructure locale et open-source qui peut être entièrement contrôlée au sein de l'installation. Ils prévoient également de mener des tests de sécurité rigoureux pour s'assurer que le système ne peut pas être trompé par des instructions malveillantes et pour étudier comment les opérateurs humains font confiance et interagissent avec la nouvelle interface.

La voie à suivre implique une augmentation progressive de l'indépendance du système. Actuellement, l'intelligence artificielle agit uniquement comme un conseiller ou un outil qui nécessite une confirmation humaine explicite avant d'agir. La feuille de route envisage un avenir où le système pourra prendre plus d'initiatives, comme sélectionner et enchaîner automatiquement des procédures complexes pour se remettre d'une défaillance, à condition de rester dans des limites de sécurité strictes. Cette approche reflète la manière dont d'autres systèmes complexes, comme les voitures autonomes, sont développés, passant d'une assistance simple à une autonomie supervisée. Les chercheurs pensent que cette structure hiérarchique, où une couche conversationnelle se situe en toute sécurité au-dessus d'une couche de contrôle rigide et vérifiée, est la clé pour débloquer le potentiel de l'intelligence artificielle dans les environnements à enjeux élevés. Cela permet la flexibilité et la facilité du langage naturel sans compromettre la sécurité et la fiabilité qui sont non négociables dans la recherche scientifique.

Les implications de ce travail s'étendent bien au-delà de cette seule machine. L'architecture que l'équipe a construite offre un modèle pour intégrer l'intelligence artificielle avancée dans d'autres systèmes complexes et critiques pour la sécurité, des réseaux électriques à la fabrication industrielle. En prouvant qu'une machine peut être contrôlée par la conversation tout en maintenant une barrière de sécurité stricte, les chercheurs ont montré que l'avenir de l'exploitation de ces instruments scientifiques massifs pourrait ne pas être un écran rempli de boutons, mais une conversation simple et claire. Le succès de ce projet sur le jumeau numérique suggère que lorsque la véritable machine Elettra 2.0 sera en ligne, ses opérateurs auront un nouveau partenaire puissant, capable de comprendre leurs objectifs et de les aider à les atteindre avec un niveau de précision et de sécurité qui était auparavant hors de portée. Le voyage d'un passé rigide basé sur des scripts vers un futur conversationnel et intelligent ne fait que commencer, mais les premiers pas ont été franchis avec la clarté et la prudence qui définissent le meilleur du progrès scientifique.