IA explicable détecte les blocages dans les échangeurs de chaleur à sel fondu

Des chercheurs du laboratoire national d'Argonne ont présenté un prototype d'échangeur de chaleur qui combine une matrice dense de capteurs à fibre optique avec un modèle d’apprentissage automatique explicable. L’appareil est destiné aux réacteurs refroidis par sel fondu, où le sel peut se solidifier lorsque la température chute autour de 500 °C, risquant d’obstruer le flux à l’intérieur des nombreux canaux de l’échangeur.

Les échangeurs de sel fondu typiques comportent entre 2 000 et 4 000 canaux parallèles. Le suivi conventionnel repose sur les relevés de température et de pression en entrée et sortie, ce qui peut laisser passer les premières phases d’un blocage qui se développe en profondeur dans un canal.

Intégration des capteurs sans compromettre l'intégrité

L’équipe d’Argonne a installé les capteurs à fibre optique sur les structures de support internes de l’échangeur plutôt que de percer la paroi du récipient haute pression. Cette méthode préserve l’intégrité mécanique du composant tout en fournissant des données distribuées de température et de contrainte à travers la matrice.

Huit modèles d’apprentissage automatique ont été entraînés sur près de 5 000 jeux de données synthétiques, augmentés de bruit, simulant divers scénarios de blocage. Selon le site d’actualités technologiques t3n, l’algorithme de gradient boosting XGBoost a offert les meilleures performances de détection.

Pour les blocages sévères – cas où le sel solidifié occupe une grande partie d’un canal – le modèle a atteint un rappel de 0,99, c’est‑à‑dire qu’il a correctement identifié 99 % de ces événements critiques. En revanche, la sensibilité du système a nettement baissé pour les anomalies faibles dont les signatures ressemblent beaucoup aux conditions normales de fonctionnement.

Explicabilité grâce aux valeurs de Shapley

Pour éviter une solution boîte noire, les chercheurs ont appliqué une analyse des valeurs de Shapley ainsi que des diagnostics d’ordre partiel. Ces techniques quantifient la contribution de chaque lecture de capteur à l’alerte finale, mettant en évidence les zones de l’échangeur les plus influentes dans la décision du modèle.

Le niveau d’explicabilité a aussi révélé des zones d’ambiguïté persistante où le modèle ne pouvait pas différencier de façon fiable une fluctuation de température anodine du début d’un blocage. Cette information est cruciale pour les opérateurs qui doivent décider d’intervenir ou de poursuivre la surveillance.

Du prototype de laboratoire à l’outil opérationnel

Les résultats du prototype ont été publiés dans la revue à comité de lecture Scientific Reports. L’article souligne que le système est encore au stade de validation en laboratoire et n’a pas encore fait l’objet d’un déploiement commercial ni d’une certification réglementaire.

• Capteurs à fibre optique intégrés sur les supports internes
• Modèle XGBoost sélectionné après test de huit algorithmes
• Rappel de 0,99 pour les blocages de haute sévérité
• Explicabilité basée sur les valeurs de Shapley pour tracer les contributions des capteurs
• Validé sur environ 5 000 jeux de données synthétiques bruités

Tech Xplore a rapporté le développement le 22 septembre 2026, notant que la surveillance en temps réel par IA pourrait réduire les arrêts non planifiés et prolonger la durée de vie des composants si elle était transférée aux réacteurs à grande échelle.

Implications pour les exploitants francophones

Pour les organisations francophones qui exploitent ou envisagent des réacteurs à sel fondu, cette avancée ouvre la voie à une détection plus précoce de la solidification entravant le flux, à une réduction du risque de surchauffe catastrophique et à des programmes de maintenance davantage basés sur les données.

Bien que la technologie ne soit pas encore certifiée, son caractère explicable répond aux exigences du secteur en matière de transparence et de conformité réglementaire, ce qui en fait un candidat prometteur pour les futures améliorations de sécurité.

Les prochaines étapes prévoient des essais à plus grande échelle dans des installations pilotes, afin de valider la robustesse du système face aux variations thermiques réelles et d’affiner les seuils d’alerte en fonction des retours d’expérience des opérateurs.

En parallèle, les équipes d’Argonne travaillent à la réduction du coût de fabrication des capteurs à fibre optique, afin de rendre la solution économiquement viable pour les projets nucléaires commerciaux.

Cette démarche s’inscrit dans la stratégie plus large du laboratoire visant à intégrer l’intelligence artificielle explicable dans les composants critiques des réacteurs de nouvelle génération, afin de renforcer la sûreté et la résilience des systèmes énergétiques.

Localisation : Paris, 23 septembre 2026 – L’équipe d’Argonne continue d’échanger avec les autorités françaises et européennes pour préparer les dossiers de conformité nécessaires à une éventuelle implantation du dispositif sur le territoire.