Les réseaux de neurones classiques apprennent à partir d'exemples, un peu comme quelqu'un qui mémorise des mélodies à l'oreille. Mais les réseaux qui intègrent dès le départ les lois physiques ressemblent à un musicien qui connaît les notes et l'harmonie : il peut jouer un nouveau morceau à partir de quelques accords. Au lieu de mémoriser bêtement, ils utilisent les équations de conservation de l'énergie ou du mouvement. Ainsi, leurs solutions restent toujours conformes à la réalité, même avec peu de données.
Cette approche est indispensable pour étudier les galaxies lointaines ou la matière noire : le réseau prédit avec précision le comportement d'un système en ne voyant que 10 % des données nécessaires. La physique le guide comme une partition guide le musicien. Cela accélère les découvertes, des ondes gravitationnelles aux jumeaux numériques de systèmes complexes. Les idées d'Isaac Newton, de John von Neumann et d'Emmy Noether se conjuguent ici : la physique fournit les règles, le calcul les met en œuvre, et les symétries relient le tout.
Une prédiction précise est possible même après un apprentissage sur seulement 10 % des données — la physique empêche de se tromper.
Cela rappelle « Matrix » : connaître les lois de la réalité donne du pouvoir, mais ici, nous ne les brisons pas, nous cherchons à comprendre le monde.