Au CERN, l’expérience LHCb observe des protons entrer en collision des dizaines de millions de fois par seconde et doit décider, en temps réel, quelles collisions conserver. Aujourd’hui, cela repose sur des milliers de petits programmes écrits à la main, un par signal de physique, une approche qui ne passe plus à l’échelle. En parallèle, l’IA a été révolutionnée par les « modèles de fondation », ces grands modèles derrière des outils comme ChatGPT : on entraîne un seul grand modèle une fois sur d’énormes données, puis on le réutilise pour de nombreuses tâches. Cette thèse demande si l’on peut construire un tel modèle pour LHCb : une IA unique qui apprend à « lire » une collision entière et peut ensuite servir à de multiples études de physique. Tu construirais la première version de ce modèle, l’entraînerais directement sur de vraies données du CERN (et non seulement sur des simulations, ce qui fait son originalité), et montrerais qu’il se transfère d’une tâche à l’autre en nécessitant beaucoup moins d’étiquetage manuel. En chemin, tu apprendrais l’IA moderne de façon concrète (PyTorch, entraînement sur GPU) et l’analyse de données d’une expérience majeure. Aucune expertise préalable en IA n’est requise : curiosité, bonnes bases en programmation et intérêt pour la physique ou l’apprentissage automatique suffisent. Le travail est accueilli au CEA/Irfu, aux côtés de l’équipe HEPfoundry qui développe des modèles de fondation pour la physique, avec le CERN/LHCb en partenaire.