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 massifs. Mais une facette moins visible du problème se joue 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 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 qui doit permettre aux équipes de tester des schémas de réacteur sur ordinateur avant d’engager des cycles d’expérimentation physique, beaucoup plus coûteux. Selon le South China Morning Post, l’initiative s’appuie sur une tendance croissante dans le secteur : l’IA 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 le problème par une formule : le « triangle impossible » du logiciel de simulation de fusion. Les outils existants se situent à l’un des trois extrêmes. Certains sont très précis, mais exigent une puissance de calcul énorme. D’autres sont rapides, mais trop peu fiables pour extrapoler à de nouvelles machines. D’autres encore restent simples, mais approximatifs pour guider la conception de réacteurs de nouvelle génération.
Cet équilibre entre précision, rapidité et coût informatique est l’un des principaux freins à la progression de la fusion. Avoir 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. Si une partie de ces étapes peut être virtualisée, tout le processus peut avancer plus vite.
VeloAlpha propose FusionAlpha comme un outil d’étude de conception permettant d’éviter des essais coûteux. Selon Xie, la performance de plus d’une douzaine de modèles de conception et d’analyse physique a nettement progressé grâce à des structures mathématiques plus raffinées et à l’intégration de l’IA pour gérer 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.
| Problèmes en simulation de fusion | Approche traditionnelle | Apports possibles de l’IA |
|---|---|---|
| Modèles précis mais lents | Simulations physiques haute fidélité sur supercalculateurs | Modèles substituts plus rapides pour explorer davantage de scénarios |
| Modèles rapides mais moins fiables | Approximations utiles pour des estimations préliminaires | Correction et calibration avec des données expérimentales |
| Coût des essais physiques | Longs cycles de conception, construction et test | Filtrage précoce des configurations peu prometteuses |
| Plasma instable et imprévisible | Logiciels spécialisés et analyses manuelles | Détection de motifs, prédiction et contrôle assistés |
| Conception du réacteur | Basée sur l’expérience accumulée et des simulations partielles | Intégration de multiples variables via des jumeaux numériques |
| Validation | Comparaison avec des données issues de machines réelles | Apprentissage hybride entre simulation et expérimentation |
La Chine accélère aussi 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, et d’un secteur privé qui prend de la visibilité à l’échelle internationale. Energy Singularity, par exemple, travaille sur le HH70, un tokamak supraconducteur compact conçu en Chine, en misant sur la chaîne d’approvisionnement locale pour réduire les coûts face à ses concurrents occidentaux.
L’émergence d’une start-up spécialisée dans le logiciel ajoute une nouvelle couche à cette course. Pendant des années, la fusion scientifique a été vue comme un défi de physique expérimentale et d’ingénierie lourde. C’est toujours vrai, mais la vision est incomplète. L’industrie a aussi besoin de meilleurs outils de simulation, de contrôle, d’analyse de données, de planification expérimentale et de conception assistée. C’est la même logique que la Chine applique dans d’autres domaines technologiques : avec LineShine, elle vient de reprendre la tête du TOP500 en misant sur une architecture de calcul 100 % nationale, signal que la souveraineté technologique passe par l’ensemble de la chaîne, du matériel au logiciel.
Ce phénomène n’est pas spécifiquement chinois. 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 IA et calcul haute performance pour accélérer les simulations. En Grande-Bretagne, des équipes implantées dans la recherche sur la fusion explorent aussi les jumeaux numériques et l’apprentissage automatique pour réduire les délais de conception et d’opération.
Ce qui distingue la Chine, c’est sa capacité à appliquer cette logique avec une agilité commerciale marquée. VeloAlpha ne promet pas une centrale de fusion pour demain, mais une étape concrète : une couche de simulation qui aide les constructeurs de réacteurs à mieux décider en amont, avant de lancer les expérimentations en laboratoire ou en usine.
Pourquoi l’IA aide 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 aux petites variations.
L’IA peut intervenir à différentes étapes : accélérer la modélisation numérique, prévoir les instabilités, assister le contrôle du plasma, analyser des données expérimentales, explorer différentes géométries, ou construire des modèles substituts pour tester rapidement diverses configurations. Elle peut aussi aider à créer des jumeaux numériques des machines de fusion, où comportement réel et simulation interagissent en permanence.
Mais l’enthousiasme doit rester calibré. L’IA ne règle pas en soi les problèmes liés 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. 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 soulignent ce point : une prédiction rapide mais peu fiable peut être pire qu’une simulation plus lente mais précise. Le même type de vigilance s’applique quand IBM et OpenAI déploient l’IA dans la cybersécurité : l’automatisation accélère, mais la validation humaine reste non négociable.
Une étape plus industrielle pour la fusion
Le contexte actuel offre une opportunité : la fusion attire plus de capitaux. Selon la Fusion Industry Association, en 2025, les entreprises privées du secteur avaient levé 2 640 millions de dollars sur les 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 recherche de technologies capables de fournir de l’électricité fiable sans CO₂ sont tous des moteurs.
Ce flux de capitaux ne garantit pas la réussite, mais change la nature des outils nécessaires. Quand les projets passent de la recherche académique à une logique industrielle, le logiciel de conception, de simulation et de validation devient aussi essentiel que le matériel. L’aviation, l’automobile et la microélectronique ont suivi le même chemin : aucune industrie complexe ne se développe sans une couche puissante de simulation.
VeloAlpha vise ce créneau. Si FusionAlpha réussit 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 outil utile dans l’environnement de fusion. Si elle ne démontre pas une fiabilité face aux données réelles, ce sera une promesse de plus dans un secteur habitué aux attentes prolongées.
La fusion ne progressera pas seulement en construisant des machines plus grandes ou des champs magnétiques plus puissants. Elle aura aussi besoin de logiciels capables d’aider à décider ce qui mérite d’être construit. Dans une technologie où chaque expérience peut coûter des millions, mieux vaut éliminer vite les options peu prometteuses que d’attendre les résultats physiques pour le savoir.
Questions fréquentes sur VeloAlpha et l’IA en fusion nucléaire
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 FusionAlpha cherche-t-elle à résoudre ?
Elle vise à réduire les coûts et la durée des essais de conception via des simulations informatiques, en combinant modèles physiques et techniques d’IA pour évaluer des configurations avant de recourir aux essais physiques.
L’IA peut-elle rendre la fusion nucléaire viable ?
Elle peut accélérer des étapes clés : modélisation, contrôle du plasma, analyse de données. Mais elle ne supprime pas les défis liés aux matériaux, aux aimants, à l’extraction thermique, au combustible, aux opérations continues ou aux coûts industriels.
Pourquoi la Chine gagne-t-elle en visibilité dans la fusion ?
La Chine combine grandes installations publiques (tokamak EAST), chaînes d’approvisionnement industrielles et start-ups innovantes. Le logiciel de simulation en est une pièce, mais la stratégie couvre toute la chaîne, du matériel aux outils de modélisation.
Source : South China Morning Post
