L’intelligence artificielle se développe petit à petit le long de la chaîne de valeur du nucléaire, à la fois en amont, au niveau des réacteurs nucléaires mais également à la fin de vie du combustible et la distribution de l’énergie.
L’intelligence artificielle est désormais présente tout au long du cycle du nucléaire. On la retrouve dès la première phase en amont de sa présence dans une centrale nucléaire, également de façon expérimentale au sein des centrales nucléaires et au bout du cycle dans la fin de vie du combustible. Cette utilisation de l’IA le long du cycle du nucléaire soulève des enjeux nombreux et divers. On les retrouve alors au niveau de la géopolitique, des risques naturels et des actes malveillants, de la sécurisation des données et de la souveraineté. Elle subit également des menaces de cybersécurité et de résilience.
Néanmoins, la problématique la plus probante mais qui reste également l’un des intérêts premiers demeure au niveau de la diffusion d’informations sensibles. Le nucléaire étant historiquement sous coupe régalienne, introduire des technologies d’intelligence artificielle pose la question du partage des informations stratégiques, questionnant alors les doctrines de souveraineté. L’objectif devient donc de conjuguer avancées technologiques majeures et compétitivité avec la discrétion au regard d’informations sensibles. Dans cette optique, il faut alors entreprendre l’intelligence artificielle pour accélérer et assister l’action humaine dans le domaine nucléaire sans toutefois être interprétée comme une solution universelle tout en maintenant la souveraineté.
Une extraction plus efficace de l’Uranium
Le tout premier maillon du cycle du nucléaire concerne l’extraction minière de l’uranium présent dans le sol terrestre. Dans sa forme naturelle, l’uranium est principalement composé de l’isotope fertile 238U (plus de 99 %). En parallèle, l’isotope fissile, l’uranium 235 (235U), ne représente que 0,716 % de la matière totale. Cette faible proportion rend nécessaire une série d’étapes industrielles notamment la conversion puis l’enrichissement, afin de produire un combustible utilisable dans les réacteurs civils.
L’extraction de l’uranium constitue ainsi une phase stratégique du cycle. Elle est également une activité industrielle exposée à plusieurs contraintes géologiques, financières et de sûreté. Dans ce contexte, les outils d’intelligence artificielle s’annoncent prometteurs pour optimiser l’extraction de l’uranium et réduire les risques liés à radioactivité de ce minerai.
Dans un premier temps, l’IA peut être utile à l’exploration et l’identification précise de gisements miniers. Les techniques d’apprentissage automatique permettent aujourd’hui d’analyser de vastes ensembles de données. Les informations géologiques, géophysiques et satellitaires permettent de repérer plus efficacement les zones susceptibles de contenir des ressources exploitables. En croisant des données hétérogènes, l’IA peut contribuer à améliorer la précision des campagnes d’exploration et à réduire les coûts liés aux forages inutiles.
Par exemple, la startup Lithosquare utilise l’IA pour analyser les données géologiques et géophysiques afin d’identifier plus rapidement les zones les plus prometteuses et de limiter les forages non prioritaires. Cette logique s’inscrit dans une tendance plus générale de numérisation croissante de l’industrie nucléaire. L’Agence internationale de l’énergie atomique (AIEA), souligne d’ailleurs le rôle grandissant des technologies numériques tout au long du cycle du combustible.
Sur un autre plan, l’IA peut servir à la surveillance des opérations d’extraction pour en optimiser le processus. Les équipements lourds utilisés dans l’extraction sont soumis à des conditions extrêmes. Les systèmes d’analyse prédictive permettent d’anticiper certaines défaillances techniques. Cela se traduit concrètement par des intelligences artificielles qui analysent en continu les données des capteurs embarqués afin d’identifier précocement les besoins en maintenances. L’entreprise Predict est un exemple d’utilisation des techniques de maintenance prédictive pour le secteur minier.
Enfin, un troisième axe concerne la gestion environnementale. L’extraction de l’uranium (comme toutes les industries minières) implique des externalités négatives sur les sols, les ressources en eau et les écosystèmes. Face à cela, l’IA peut soutenir des modèles de surveillance environnementale en temps réel. En détectant des anomalies ou en simulant l’évolution de certains paramètres (dispersion, contamination, stabilité des sites), elle peut renforcer le pilotage des risques et ainsi améliorer l’acceptabilité des activités minières. L’entreprise Omdena a par exemple développé des cas d’usage pour la surveillance environnementale à proximité des exploitations minières.
Transporter la matière radioactive en toute sûreté
Le transport des matières nucléaires est une étape centrale très sensible du cycle du combustible. Entre les sites d’extraction, les installations de conversion, d’enrichissement puis de fabrication du combustible, l’uranium et ses dérivés (souvent yellow cake UF4 ou UF6, hexafluorure d’uranium) doivent être acheminés. Cela passe par des chaînes logistiques internationales particulièrement encadrées. La dangerosité potentielle des substances transportées et leur valeur stratégique font de cette étape un point crucial.
Dans ce contexte, le transport de matières radioactives constitue un enjeu de sûreté et de souveraineté. Les routes empruntées, les infrastructures mobilisées et les États traversés deviennent des éléments sensibles. la multiplication des risques hybrides comme le terrorisme et la vulnérabilité croissante des chaînes d’approvisionnement sont autant de risques qui pèsent sur l’acheminement. A titre d’exemple, la rupture diplomatique entre la France et le Niger dans un contexte de tensions post-coup d’État (2023) a révélé l’importance de la diversité dans les sources d’approvisionnement. Orano a annoncé en 2024 la perte totale de ses mines nigériennes.
L’uranium d’Ouzbékistan à destination de l’Europe (notamment en France par voie ferrée jusqu’à Saint-Pétersbourg, puis maritime vers Malvési) illustre une dépendance à l’infrastructure et à la stabilité territoriale d’États tiers. La sécurisation du transport nucléaire s’inscrit ainsi dans une logique de protection des flux stratégiques, comparable à celle observée dans d’autres secteurs critiques comme l’énergie ou les métaux rares, à cela près qu’une problématique de non-prolifération de matière radioactive entre en compte…
L’intelligence artificielle peut jouer un rôle croissant dans le renforcement de la sûreté et de la résilience de ces chaînes logistiques. Les systèmes de surveillance en temps réel, alliant capteurs et algorithmes de détection d’anomalies, permettent par exemple de traquer en continu les colis de matière radioactive. On peut ainsi plus aisément suivre l’état des conteneurs, repérer des variations inhabituelles comme des chocs, pertes de confinement ou toute autre conditions anormales. Des alertes sont déclenchées le plus précocement possible. Les solutions proposées notamment par l’entreprise Ineo Sense permettent de localiser et sécuriser les actifs en temps réel.
L’optimisation stratégique des itinéraires et des dispositifs de sécurité peut aussi être menée par l’IA. En mettant en entrée des paramètres multiples (zones à risque, contraintes réglementaires, instabilité politique, conditions météorologiques ou vulnérabilités infrastructurelles) des IA peuvent renforcer la planification logistique.
L’enrichissement de l’Uranium (3% à 5% de 235U)
L’enrichissement constitue l’étape la plus sensible de l’amont du cycle du combustible. L’uranium naturel ne contenant qu’environ 0,71 % de 235U. Il doit être enrichi entre 3 % et 5 % pour être utilisable dans la majorité des réacteurs civils à eau pressurisée. Cette opération repose aujourd’hui principalement sur des procédés de centrifugation très complexes à mettre en place, qui permettent de séparer les isotopes selon leur masse afin de concentrer la matière en uranium 235.
Cette étape est le véritable point de bascule entre usage civil et potentiel militaire. La même technologie de centrifugation permettant d’atteindre 3–5 % peut, avec des ajustements et des cascades supplémentaires, conduire à des niveaux d’enrichissement beaucoup plus élevés (au-delà de 20 % pour les sous-marins, voire 90 % pour la bombe). L’enrichissement est, par voie de conséquence, au cœur des régimes de non-prolifération et des tensions internationales.
Le marché mondial de l’enrichissement est extrêmement concentré. Seuls quelques acteurs dominent les capacités industrielles : Rosatom (Russie), Orano (France) Urenco (Royaume-Uni / Allemagne / Pays-Bas), China National Nuclear Corporation (Chine). La guerre en Ukraine a révélé une dépendance stratégique ; plusieurs pays occidentaux, ont cherché à réduire leur exposition aux services russes d’enrichissement.
En 2024, les États-Unis ont adopté le Prohibiting Russian Uranium Imports Act afin d’interdire les importations d’uranium enrichi russe. Cette décision politique a eu un impact direct sur les flux commerciaux et sur la pression exercée sur les capacités alternatives occidentales. La question de l’enrichissement apparaît ainsi comme un levier géopolitique comparable aux hydrocarbures ou aux terres rares.
Sur le plan strictement industriel, l’intelligence artificielle peut opérer à plusieurs niveaux dans les installations d’enrichissement. Elle permet d’optimiser en temps réel la consommation énergétique des cascades de centrifugation, dont le fonctionnement continu représente un coût stratégique majeur. Elle peut aussi soutenir la maintenance prédictive des rotors à très haute vitesse, en anticipant les vibrations anormales ou les défaillances mécaniques. Des jumeaux numériques permettent en parallèle de modéliser finement les flux isotopiques et d’ajuster les paramètres de séparation avec une précision haute. L’IA peut enfin détecter des anomalies dans les variables du procédé. Dans une installation complexe comme l’usine Georges Besse II exploitée par Orano au site nucléaire du Tricastin, la stabilité opérationnelle est déterminante. L’IA peut contribuer à améliorer la performance industrielle tout en réduisant les arrêts non planifiés.
Ambroise GENET et Annabelle DELALANDRE
Pour le Club Data et IA de l’AEGE
Pour aller plus loin :
- Le Choc de l’Uranium_AEGE – Le réseau d’experts en intelligence économique
- Rapport d’alerte : Réacteurs à neutrons rapides, une relance stratégique pour une souveraineté énergétique durable | Ecole de Guerre Economique
- Accord de coopération nucléaire entre Paris et Londres : fusion des forces ou alliance de souverainetés ?