La course à l’énergie de fusion est généralement racontée à travers des aimants supraconducteurs, des réacteurs tokamak, un plasma à des températures extrêmes et des investissements publics ou privés massifs. Cependant, une facette moins visible du problème réside dans le logiciel. Avant de construire une machine physique, les chercheurs doivent simuler le comportement du plasma, la réponse des champs magnétiques, la stabilité atteignable et les configurations de conception les plus prometteuses.

C’est précisément là qu’intervient VeloAlpha, une start-up fondée en avril à Pékin par Xie Huasheng, théoricien de la fusion et spécialiste en simulation de plasma. La société développe FusionAlpha, un simulateur conçu pour permettre aux équipes de fusion d’expérimenter des schémas de réacteur sur ordinateur avant d’engager des cycles d’expérimentation physique, beaucoup plus coûteux. Comme le rapporte South China Morning Post, cette initiative s’appuie sur une tendance de plus en plus marquée dans le secteur : l’Intelligence Artificielle ne remplacera pas la fusion, mais peut réduire les coûts et accélérer certaines phases critiques de la conception.

Le « triangle impossible » de la simulation de fusion

Xie résume cette problématique par une expression claire : le « triangle impossible » du logiciel de simulation de fusion. Les outils existants tendent à se situer à un des trois extrêmes. Certains sont très précis, mais nécessitent une puissance de calcul énorme. D’autres sont rapides, mais leur fiabilité pour extrapoler à de nouvelles machines est souvent insuffisante. Enfin, d’autres restent plus simples conceptuellement, mais sont trop approximatifs pour guider la conception de réacteurs de nouvelle génération.

Cet équilibre entre précision, rapidité et coût informatique constitue l’un des principaux freins à la progression de la fusion. Disposer de bonnes équations physiques ne suffit pas : il faut les transformer en modèles capables de s’exécuter, de se comparer aux données expérimentales et d’aider à la prise de décision en ingénierie. chaque expérience physique coûte du temps, de l’argent et des ressources humaines. Si une partie de ces étapes peut être virtualisée, l’ensemble du processus peut ainsi avancer plus rapidement.

VeloAlpha propose FusionAlpha comme un outil d’étude de conception permettant d’éviter d’engager des essais coûteux. Selon Xie, la performance de plus d’une douzaine de modèles de conception et d’analyse physique s’est considérablement améliorée grâce à des structures mathématiques plus raffinées et à l’intégration de l’Intelligence Artificielle pour optimiser l’efficacité de la recherche. L’objectif n’est pas de remplacer la physique par une boîte noire, mais de combiner modèles physiques et techniques d’IA pour accélérer les calculs, explorer des scénarios et réduire les itérations peu productives.

La Chine accélère également par la voie du logiciel

L’initiative de VeloAlpha s’inscrit dans une phase d’activité accrue en Chine dans le domaine de la fusion. Le pays dispose d’installations publiques importantes, comme le tokamak EAST, ainsi que d’un écosystème privé qui commence à gagner en visibilité à l’échelle internationale. Par exemple, Energy Singularity a travaillé sur le dispositif HH70, présenté comme un tokamak supraconducteur compact conçu en Chine, et privilégie une stratégie basée sur l’utilisation de la chaîne d’approvisionnement locale pour réduire les coûts face à ses concurrents occidentaux.

L’émergence d’une start-up spécialisée en logiciel ajoute une nouvelle dimension à cette course. Pendant des années, la fusion scientifique a été perçue comme un défi dominé par la physique expérimentale et l’ingénierie lourde. Bien que cela reste vrai, cette perspective est incomplète. L’industrie a également besoin de meilleures outils de simulation, contrôle, analyse de données, planification expérimentale et conception assistée.

Ce phénomène n’est pas propre à la Chine. Google DeepMind a travaillé sur le contrôle du plasma par apprentissage par renforcement, et en 2025, a annoncé une collaboration avec Commonwealth Fusion Systems pour appliquer l’IA au développement de la prochaine génération de fusion. Aux États-Unis, le Princeton Plasma Physics Laboratory a lancé des initiatives combinant Intelligence Artificielle et calcul haute performance pour accélérer les simulations. En Grande-Bretagne, des équipes impliquées dans la recherche sur la fusion explorent également les jumeaux numériques et l’apprentissage automatique pour réduire les délais de conception et de fonctionnement.

Ce qui distingue la Chine, c’est sa capacité à appliquer cette logique avec une agilité commerciale notable. VeloAlpha ne promet pas une centrale de fusion commerciale immédiate, mais propose une étape concrète : fournir ou développer une couche de simulation permettant aux constructeurs de réacteurs de prendre de meilleures décisions en amont, avant de se lancer dans les expérimentations en laboratoire ou en usine.

Pourquoi l’IA peut aider, mais ne règle pas les défis physiques

La fusion nucléaire cherche à reproduire sur Terre le processus qui fait fonctionner le Soleil : fusionner des noyaux légers pour libérer de l’énergie. Dans les dispositifs à confinement magnétique, cela implique de chauffer un combustible jusqu’à former un plasma, puis de le maintenir stable via des champs magnétiques. Le défi est colossal car le plasma est un système complexe, turbulent et sensible à de petites variations.

L’Intelligence Artificielle peut apporter son aide à différentes étapes. Elle peut accélérer la modélisation numérique, prévoir les instabilités, assister au contrôle du plasma, analyser des données expérimentales, explorer différentes géométries ou créer des modèles substituts permettant de tester rapidement diverses configurations. Elle peut aussi contribuer à établir des jumeaux numériques des machines de fusion, où comportement réel et simulation s’interfèrent en permanence.

Mais il faut éviter de laisser l’enthousiasme déborder. L’IA ne résout pas en soi les problématiques liées aux matériaux, aux aimants, à l’extraction thermique, aux neutrons, à la maintenance, à l’économie de la centrale, au tritium ou à l’intégration au réseau électrique. Elle ne remplace pas les expérimentations physiques. Un modèle peut accélérer la compréhension, mais une centrale de fusion doit démontrer une production d’énergie nette, une opération stable, une disponibilité industrielle et un coût compétitif.

Les études récentes sur l’IA et la fusion soulignent cette prudence : les outils d’apprentissage automatique ont un grand potentiel, mais doivent être intégrés à des modèles physiques solides, à des méthodologies responsables et à une collaboration étroite entre experts du domaine et spécialistes en IA. En matière de fusion, une prédiction rapide mais peu fiable peut être pire qu’une simulation plus lente mais précise.

Une étape plus industrielle pour la fusion

Le contexte actuel offre une opportunité : la fusion attire davantage de capitaux et d’attention. Selon la Fusion Industry Association, en 2025, les entreprises privées du secteur avaient levé 2 640 millions de dollars au cours des 12 mois précédents, portant leur financement total à près de 9,77 milliards de dollars. La demande croissante en énergie propre, la pression des centres de données et la quête de technologies capables de fournir une électricité fiable sans émissions de CO₂ sont autant de moteurs.

Ce flux de capitaux ne garantit pas la réussite, mais modifie la nature des outils nécessaires. Lorsque les projets passent de la recherche académique à une démarche industrielle, le logiciel de conception, de simulation et de validation devient tout aussi essentiel. L’aviation, l’automobile et la microélectronique ont connu un développement similaire : aucune industrie complexe ne peut se développer sans une couche puissante de simulation.

VeloAlpha vise à occuper ce créneau en fusion. Si FusionAlpha parvient à réduire les délais de conception, à améliorer la précision des prévisions ou à permettre à des équipes plus petites d’explorer des configurations avancées, elle pourrait devenir un composant précieux de l’écosystème. En revanche, si elle ne démontre pas une fiabilité face aux données réelles, ce ne sera qu’une autre promesse dans un secteur habitué aux attentes prolongées.

Ce développement change la donne : la fusion ne progressera pas uniquement par la construction de machines plus grandes ou de champs magnétiques plus puissants. Elle nécessitera également des logiciels capables d’aider à décider ce qui mérite d’être construit. Dans une technologie où chaque expérience peut coûter des millions, mieux vaut souvent éliminer vite les options peu prometteuses, autant que réussir à confirmer celles qui fonctionnent.

Questions fréquentes

Qu’est-ce que VeloAlpha ?
VeloAlpha est une start-up basée à Pékin, fondée par Xie Huasheng, spécialiste en théorie de la fusion et simulation de plasma. Elle développe FusionAlpha, un simulateur dédié à la conception et à l’analyse des réacteurs de fusion.

Quels problèmes cherche à résoudre FusionAlpha ?
Elle vise à réduire les coûts et la durée des essais de conception via des simulations informatiques, en combinant modèles physiques et techniques d’Intelligence Artificielle pour évaluer des configurations avant de recourir à des essais physiques.

L’IA peut-elle rendre la fusion nucléaire viable ?
Elle peut accélérer des étapes clés comme la modélisation, le contrôle du plasma et l’analyse de données, mais ne supprime pas les défis liés aux matériaux, aimants, extraction thermique, combustible, opérations continues ou coûts industriels.

Pourquoi la Chine gagne en visibilité dans la fusion ?
La Chine allie grandes installations publiques, chaînes d’approvisionnement industrielles et start-ups innovantes dans le but d’accélérer la mise au point de réacteurs et d’outils. Le logiciel de simulation représente une pièce essentielle de cette stratégie.

Source : scmp. Image d’un réacteur de fusion de Microsoft.