Un agent IA mène seul une analyse physique express
Un physicien qui analyse des collisions de particules passe généralement des semaines sur un travail fastidieux : nettoyer le bruit des données, estimer combien de faux signaux vont passer, revérifier chaque chiffre. Désormais, cette routine peut être confiée à un programme. Les chercheurs ont donné à Claude Code — un grand modèle de langage — un ensemble de données provenant des détecteurs ALEPH, DELPHI et CMS, des outils de traitement et un dossier contenant d'anciens articles. Ensuite, il a travaillé seul.
D'abord, le programme a sélectionné les événements pertinents — comme un cuisinier qui, d'un tas d'ingrédients, ne prend que les légumes frais pour sa soupe. Puis il a estimé le bruit de fond : combien de fois le détecteur a pu se tromper et enregistrer un bruit aléatoire au lieu d'une vraie particule. Il a calculé les incertitudes, vérifié les statistiques et rédigé un brouillon d'article. L'un des résultats est la mesure de la désintégration du boson de Higgs en leptons tau à partir des données de CMS. Un autre est la première analyse du plan de Lund sur les données du LEP, que personne n'avait publiée auparavant.
Les auteurs ont nommé leur cadre « Just Furnish Context » — « fournissez simplement le contexte ». L'idée est simple : il n'est pas nécessaire de détailler chaque étape à l'agent, il suffit de mettre devant lui les données, les outils et les articles. Ensuite, il comprendra tout seul quoi faire. C'est comme donner à un stagiaire les clés du laboratoire et une bibliothèque : il se débrouillera si les documents sont bons.
Bien sûr, personne ne dit que les physiciens vont perdre leur travail. Au contraire : libérés de la routine, les scientifiques pourront réfléchir à de nouvelles idées, inventer des méthodes et vérifier que la machine ne s'est pas trompée. Mais il faut déjà préparer les étudiants à cette réalité — leur apprendre non seulement à écrire du code à la main, mais aussi à piloter des assistants intelligents.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2603.20179
Large language model-based AI agents are now able to autonomously execute substantial portions of a high energy physics (HEP) analysis pipeline with minimal expert-curated input. Given access to a HEP dataset, an execution framework, and a corpus of prior experimental literature, we find that Claude Code succeeds in automating all stages of a typical analysis: event selection, background estimation, uncertainty quantification, statistical inference, and paper drafting. We argue that the experimental HEP community is underestimating the current capabilities of these systems, and that most proposed agentic workflows are too narrowly scoped or scaffolded to specific analysis structures. We present a proof-of-concept framework, Just Furnish Context (JFC), that integrates autonomous analysis agents with literature-based knowledge retrieval and multi-agent review, and show that this is sufficient to plan, execute, and document a credible high energy physics analysis. We demonstrate this by conducting analyses on open data from ALEPH, DELPHI, and CMS to perform electroweak, QCD, and Higgs boson measurements. We present two of those results in a condensed short paper form -- a CMS Run1 Open Data $$H\to \tau^+\tau^-$$ to demonstrate performance on a well-established result, and the first Lund plane measurement on LEP data -- a genuinely novel result and, to our knowledge, the first produced autonomously by an AI agent. Rather than replacing physicists, these tools promise to offload the repetitive technical burden of analysis code development, freeing researchers to focus on physics insight, truly novel method development, and rigorous validation. Given these developments, we advocate for new strategies for how the community trains students, organizes analysis efforts, and allocates human expertise.
La nouvelle analyse du plan de Lund sur les données du LEP a été réalisée sans intervention humaine — uniquement par un agent basé sur un grand modèle de langage.