Ce n’est plus de la science-fiction : l’IA prend les commandes dans l’espace

Voir ce que l’humain ne peut pas voir. Naviguer là où aucune instruction ne peut arriver à temps. Collaborer avec des astronautes comme un coéquipier, et non comme un outil. Optimiser des ressources rares dans des environnements impitoyables. Ces capacités pourraient sembler appartenir à un futur encore lointain. Elles décrivent pourtant ce que l’intelligence artificielle accomplit déjà, silencieusement, à des millions de kilomètres de nous.

Mais entre ce que l’IA fait aujourd’hui et ce qu’on lui demandera de faire demain, il y a un gouffre peuplé d’obstacles que le Dr. Paul Sanjoy connaît mieux que quiconque. Car avant de parler d’autonomie totale, il faut d’abord mesurer l’ampleur de ce qui reste à surmonter.

Voir ce que l’humain ne peut pas voir : l’analyse des données spatiales

La première révolution est peut-être la plus silencieuse et pourtant l’une des plus profondes. Chaque jour, les télescopes, les sondes spatiales et les satellites acquièrent des quantités de données si colossales que les traiter manuellement relève de l’impossible. Des pétaoctets d’images, de spectres lumineux, de mesures magnétiques et thermiques, accumulés à une vitesse que nulle équipe humaine ne pourrait absorber.

L’IA a changé la donne. En « analysant ces flux à une vitesse et une échelle sans équivalent humain, elle rend visibles des phénomènes que nos yeux et nos cerveaux n’auraient jamais pu détecter seuls », qu’il s’agisse de prévoir des conditions météorologiques sur des corps planétaires lointains, de cartographier la composition géologique de surfaces jamais foulées, de recenser des millions d’objets stellaires, de classifier des galaxies par milliers, de détecter la signature infime d’une exoplanète en transit, ou encore d’identifier des phénomènes cosmiques insoupçonnés enfouis dans des archives scientifiques qui dormaient depuis des décennies, faute de moyens pour les exploiter, illustre le Dr. Sanjoy.

Le télescope spatial James-Webb en est l’illustration la plus frappante. Chaque observation génère des quantités de données si vertigineuses que sans l’analyse assistée par IA, une grande partie de leur richesse scientifique resterait tout simplement inexploitée, ensevelie sous son propre volume.

L’IA ne se contente pas d’accélérer l’analyse : elle rend possible ce qui était humainement impossible. C’est là l’une de ses contributions les plus profondes à l’exploration spatiale : non pas remplacer le scientifique, mais démultiplier sa capacité à voir, à comprendre et à découvrir.

Face à l’impossibilité d’un contrôle en temps réel, l’IA embarquée fait de Perseverance un rover capable de décider seul. © RD, Grok

Naviguer seul dans l’inconnu : l’autonomie des rovers

Si la puissance de l’IA dans l’analyse des données est impressionnante, c’est dans la conduite autonome des engins spatiaux « qu’elle opère peut-être sa révolution la plus pertinente et la plus décisive », note le Dr. Sanjoy.

Pendant des décennies, chaque déplacement d’un rover, chaque manœuvre orbitale, chaque décision opérationnelle dépendait d’instructions envoyées depuis la Terre. Une contrainte qui peut sembler anodine jusqu’à ce que l’on réalise que, sur Mars, un signal met jusqu’à une vingtaine de minutes pour parcourir la distance dans un seul sens. Quarante minutes d’aller-retour pour la moindre décision. Dans un terrain imprévisible et hostile, c’est une éternité.

Le rover Perseverance « représente l’état de l’art de cette autonomie », tient à préciser le Dr. Sanjoy. Équipé d’un arsenal technologique sophistiqué – le système AutoNav, des modèles vision-langage et la navigation relative au terrain -, il ne se contente pas de rouler, « il perçoit son environnement, l’analyse et prend ses propres décisions ».

Mais comment fonctionne concrètement cette autonomie ? « Tout repose sur quatre piliers qui travaillent en synergie, explique-t-il. D’abord, la vision par ordinateur : le rover identifie le terrain, repère les dangers, reconnaît les repères géographiques autour de lui. Ensuite, des algorithmes de planification de trajectoire analysent ces données en temps réel pour choisir l’itinéraire le plus sûr et le plus efficace. »

« À cela s’ajoute l’apprentissage par renforcement, ce mécanisme qui permet au rover d’améliorer continuellement ses stratégies de navigation au fil de ses déplacements, comme un conducteur qui gagne en expérience. Et enfin, la fusion de capteurs, qui combine les données du LiDAR, des caméras stéréoscopiques et du radar pour construire une représentation tridimensionnelle précise de l’environnement, détaille le Dr. Sanjoy. Ce n’est pas un véhicule télécommandé, conclut-il. C’est un système qui pense son chemin. »

Concrètement, l’IA analyse en temps réel des images stéréoscopiques pour cartographier le terrain martien en trois dimensions, identifie les zones dangereuses telles que du sable mou susceptible de bloquer les roues, des roches acérées ou des dénivelés instables et trace instantanément la trajectoire optimale. Le tout, sans attendre la moindre instruction depuis la Terre. Cette capacité d’adaptation en temps réel n’est pas seulement une prouesse technique, « c’est une leçon tirée de l’expérience douloureuse du rover Spirit, immobilisé en 2009 après s’être enlisé dans un piège de sable meuble que ses opérateurs n’avaient pas détecté à temps », rappelle-t-il. Avec l’IA, « ce type d’incident appartient au passé ».

Et la progression ne s’arrête pas là. Début 2026, une étape historique a été franchie. Pour la première fois, les itinéraires de Perseverance ont été planifiés avec l’aide « d’une IA générative (une version du modèle Claude d’Anthropic), en collaboration étroite avec des ingénieurs, permettant au rover de parcourir des centaines de mètres en autonomie », précise le Dr. Sanjoy. Une avancée certes historique, « celle d’une IA générative planifiant pour la première fois l’itinéraire d’un rover martien, mais qu’il convient de ne pas surinterpréter » ; il s’agissait d’une « démonstration supervisée, et non d’une autonomie totalement non supervisée. Les ingénieurs restaient dans la boucle, validant les décisions de la machine avant leur exécution ».

Pour autant, l’étape franchie est réelle et significative. « Elle préfigure ce à quoi ressemblera l’exploration spatiale de demain », souligne le chercheur. Un futur où la supervision humaine pourrait progressivement s’effacer, à mesure que la confiance accordée à ces systèmes grandira.

Avec Cimon et les bras robotiques assistés par IA, l’ISS expérimente déjà les prémices d’une collaboration homme-machine inédite. © RD, Grok

Du robot-outil au coéquipier cognitif : la nouvelle collaboration humain-machine

Si l’IA révolutionne la navigation autonome, elle « transforme également en profondeur la relation entre les astronautes et les robots ». Ces derniers ne sont plus de simples outils exécutant des instructions préprogrammées. Ils « deviennent de véritables partenaires collaboratifs, capables de comprendre, d’anticiper et de s’adapter aux besoins de leurs coéquipiers humains », déclare le Dr. Sanjoy.

Mais qu’est-ce qui rend concrètement possible cette collaboration ? « Tout repose sur trois capacités fondamentales », répond-il.

La première, « c’est l’interaction en langage naturel. Les astronautes pourront communiquer avec les systèmes robotiques comme ils le feraient avec un collègue, sans commandes techniques, sans interfaces complexes. Juste des mots ».

La deuxième, c’est « ce que j’appelle la conscience contextuelle, poursuit-il. Le robot ne se contente pas d’exécuter une tâche. Il comprend simultanément ce qu’il fait et l’environnement dans lequel il opère. Il saisit le contexte ».

Et enfin, « l’assistance adaptative », conclut-il. Le robot observe, apprend et ajuste son comportement en fonction des préférences et des habitudes de travail de chaque membre d’équipage. Le Dr. Sanjoy est le premier à reconnaître que la réalité opérationnelle est encore loin de cet idéal : « L’idée générale est là, mais nous en sommes encore aux prémices. Ces capacités existent à l’état embryonnaire, les concrétiser dans les conditions extrêmes de l’espace est une autre affaire. »

Ces capacités trouvent déjà des applications concrètes à bord de la Station spatiale internationale. Cimon (assistant IA embarqué sur l’ISS) en est l’exemple le plus emblématique : grâce au traitement du langage naturel, il guide les astronautes à travers des procédures complexes en mode mains libres, leur permettant de rester pleinement concentrés sur leur tâche sans consulter manuellement des manuels ou des écrans. Lors des sorties extra-véhiculaires, des bras robotiques assistés par IA prennent en charge la stabilisation de charges lourdes ou l’inspection des surfaces externes, réduisant significativement le temps passé exposé à l’environnement hostile de l’espace ouvert. À bord, ces mêmes systèmes contribuent à un diagnostic plus rapide des pannes, en combinant analyse des données et assistance guidée pour identifier les anomalies et appliquer les mesures correctives adaptées.

Mais la collaboration va encore plus loin. Les robots de nouvelle génération s’approchent aujourd’hui de capacités jusqu’ici inédites : passer les outils au bon moment, exécuter des tâches de manière de plus en plus autonome sans solliciter constamment l’astronaute, et commencer à s’adapter aux préférences individuelles de chaque membre d’équipage. Une réalité encore partielle, nuance le Dr. Sanjoy qui précise que « ces systèmes n’ont pas encore atteint leur pleine maturité ». Mais la trajectoire est claire. Compte tenu de l’intensité des efforts de recherche et de la rapidité avec laquelle la collaboration entre humains et IA progresse dans les laboratoires du monde entier, ces capacités ne relèvent plus de la science-fiction.

Gérer l’impossible : l’optimisation des ressources et des trajectoires

Dans l’espace, chaque ressource est précieuse et souvent irremplaçable. L’énergie, le carburant, le temps et la bande passante ne sont pas simplement des paramètres techniques : ce sont des contraintes absolues qui définissent les limites de ce qu’une mission peut accomplir. Une mauvaise décision d’allocation, un calcul de trajectoire sous-optimal, une expérience scientifique lancée au mauvais moment, et c’est potentiellement des semaines de travail, voire la mission entière, qui sont compromises.

En « s’appuyant sur des algorithmes d’optimisation, des techniques de satisfaction de contraintes et l’apprentissage par renforcement, l’IA progresse rapidement vers la capacité à gérer simultanément une multitude de variables interdépendantes pour prendre, en temps réel, les meilleures décisions possibles », explique le Dr. Sanjoy. Des systèmes qui s’attaquent déjà à des défis concrets, tels que l’optimisation de la planification des tâches, l’ajustement de la consommation d’énergie en fonction des conditions environnementales, la gestion des fenêtres de communication avec la Terre, la priorisation scientifique, mais dont les capacités ne sont pas encore pleinement abouties. « Nous n’y sommes pas tout à fait, reconnaît le chercheur. Mais les progrès sont rapides, et les pièces sont en train de s’assembler. Ce que nous entrevoyons aujourd’hui comme une promesse, nous pourrions bien la vivre demain comme une réalité. »

« L’optimisation des trajectoires constitue un autre domaine d’application particulièrement éloquent », souligne le Dr. Sanjoy. En calculant des itinéraires exploitant intelligemment les assistances gravitationnelles, « l’IA permet de concevoir des trajets à la fois plus rapides et considérablement plus économes en carburant, un avantage décisif pour des missions interplanétaires où chaque kilogramme de propergol emporté représente un coût et une contrainte supplémentaires ».

Dans un futur plus ou moins proche, sur la Lune ou sur Mars, l’IA « prendra en charge la gestion complète des réseaux électriques des bases habitées ou des stations automatisées », anticipe le Dr. Sanjoy. Elle arbitrera en permanence entre des besoins concurrents : « faut-il stocker l’énergie solaire dans les batteries pour anticiper une période de faible ensoleillement, ou l’utiliser immédiatement pour la production d’oxygène, le chauffage des systèmes ou l’alimentation des instruments scientifiques ? » Ces décisions, croisées avec les prévisions météorologiques locales et les priorités évolutives de la mission, atteignent un « niveau de complexité qu’aucune équipe humaine ne pourrait gérer seule avec la réactivité et la précision requises », juge le Dr. Sanjoy.

Les défis : entre le possible et l’impensable

Déployer de l’IA dans l’espace n’est pas une simple question de miniaturisation ou de puissance de calcul. « C’est confronter cette technologie à des conditions pour lesquelles elle n’a pas été conçue et exiger d’elle un niveau de fiabilité qu’aucune application terrestre ne requiert », explique le Dr. Sanjoy. Il y voit une dynamique encourageante : « À mesure que les systèmes d’IA gagnent en capacité à intégrer le contexte dans lequel ils opèrent et à tirer des leçons de leurs décisions passées, ils deviendront naturellement plus robustes face à l’imprévu. Plus une IA accumule d’expérience, plus elle affine son jugement, résume-t-il.

Un manque de données sans précédent

Les algorithmes d’IA modernes sont, par nature, gourmands en exemples. Ils apprennent à partir de millions, parfois de milliards de cas réels, accumulés au fil du temps dans des environnements bien documentés. Or « l’espace, par définition, est un territoire quasi vierge de toute donnée exploitable. Il n’existe pas de vastes ensembles de données sur le comportement du régolithe martien sous différentes conditions atmosphériques, sur les anomalies typiques d’un réacteur lunaire, ou sur les innombrables scénarios de défaillance qu’un engin spatial pourrait rencontrer à des millions de kilomètres de toute assistance », nous explique le Dr. Sanjoy.

L’IA doit donc « apprendre à opérer dans des environnements qu’elle n’a presque jamais vus et pour lesquels ses modèles risquent d’être structurellement insuffisants », avertit le Dr. Sanjoy. Cette rareté des données n’est pas un problème technique que l’on peut résoudre en attendant. C’est une contrainte fondamentale, inhérente à la nature même de l’exploration : « on ne peut pas collecter de données sur ce que l’on n’a pas encore découvert », précise, réaliste, le Dr. Sanjoy.

Sur Terre, l’erreur se corrige. Dans l’espace, elle peut coûter une mission – ou une vie. © RD, Grok

Une exigence de fiabilité absolue

Sur Terre, un système d’IA peut se tromper, être corrigé, mis à jour, redémarré. L’erreur est tolérée, parfois même attendue car elle fait partie du processus d’amélioration continue. Dans l’espace, cette logique s’inverse radicalement. La marge d’erreur est nulle. Une décision erronée peut signifier la perte d’un engin à plusieurs centaines de millions d’euros, l’échec d’une mission de plusieurs années de préparation ou, pire, mettre en danger une vie humaine à des millions de kilomètres de tout secours possible. C’est ce que l’on appelle la gestion des « inconnues inconnues ». L’IA sera de « plus en plus performante dans ce genre de situations, grâce à sa capacité à prendre en compte le contexte et à se souvenir des décisions passées », estime le Dr. Sanjoy.

Cette réalité impose deux contraintes supplémentaires, aussi exigeantes l’une que l’autre. « Les systèmes doivent être non seulement fiables, mais aussi explicables et prévisibles, c’est-à-dire capables de justifier leurs décisions d’une manière que les ingénieurs et les astronautes peuvent comprendre, anticiper et valider avant même que la mission ne commence. Dans un domaine où la confiance est une question de survie, une IA opaque, aussi performante soit-elle, est une IA inutilisable  », affirme le Dr. Sanjoy.

L’impossible communication en temps réel

Le quatrième défi est inscrit dans la géographie même de l’espace, et aucune avancée technologique ne pourra le contourner. « Les délais de communication sont une contrainte physique absolue », rappelle le Dr. Sanjoy. Entre la Terre et Mars, un signal met entre 3 et 22 minutes pour parcourir la distance, dans un seul sens. « Toute intervention humaine en temps réel est donc physiquement impossible, quelle que soit la sophistication des systèmes de communication », souligne-t-il.

L’IA ne peut pas se permettre d’attendre des instructions. « Elle ne peut pas suspendre une décision critique le temps qu’un ordre traverse des dizaines de millions de kilomètres de vide. Elle doit agir seule, dans l’instant, avec les seules informations dont elle dispose, sans filet, sans validation, sans retour en arrière possible ». Cette contrainte n’est pas un détail opérationnel : « c’est l’argument le plus puissant en faveur d’une autonomie décisionnelle totale des systèmes d’IA embarqués »,  conclut le Dr. Sanjoy.

Des environnements hostiles à l’extrême

L’espace n’est pas seulement lointain. Il est activement hostile à toute technologie. Les températures y oscillent dans des extrêmes que nos laboratoires peinent à reproduire : -130 °C sur les plaines martiennes, +120 °C en plein soleil lunaire, avec des cycles thermiques brutaux qui sollicitent les matériaux bien au-delà de leurs limites habituelles. Les tempêtes de poussière peuvent obstruer les capteurs, dégrader les panneaux solaires et perturber les communications pendant des semaines. Et les radiations, omniprésentes et invisibles, agissent comme une menace silencieuse et continue sur l’intégrité de chaque composant, de chaque circuit, de chaque ligne de code.

Face à l’accumulation de ces contraintes, une conclusion s’impose avec clarté : l’IA spatiale ne peut pas se contenter d’être performante. Elle doit être robuste, efficace et véritablement autonome, trois qualités rarement requises simultanément au même niveau d’exigence dans aucun autre domaine de l’ingénierie. C’est « précisément cette convergence d’exigences qui fait du développement de l’IA pour l’espace non pas un défi parmi d’autres, mais le défi technologique le plus stimulant et le plus crucial de notre génération », s’enthousiasme le Dr. Sanjoy.

Ce panorama dessine une première conclusion que le Dr. Sanjoy formule sans détour : « ce que l’IA fait déjà dans l’espace n’est pas un avant-goût timide de ce qui vient. C’est une révolution en cours, discrète, méthodique, et profondément réelle. » Une révolution qui, pourtant, se heurte encore à des obstacles considérables : la rareté des données, l’exigence d’une fiabilité absolue, l’impossibilité de toute communication en temps réel, et la brutalité d’environnements que nos laboratoires peinent à reproduire.

Des défis qui ne sont pas de simples contraintes techniques à résoudre, mais les conditions mêmes dans lesquelles l’IA devra prouver, demain, qu’elle peut aller plus loin encore. Car si ce que l’IA accomplit aujourd’hui est déjà remarquable, ce vers quoi elle se dirige est d’une tout autre nature. Non plus assister, optimiser ou analyser. Mais décider seule, explorer l’inconnu, et peut-être, pour la première fois dans l’histoire des sciences, tracer elle-même les chemins de la découverte. C’est cette troisième frontière, celle de l’autonomie totale et de l’IA comme force scientifique à part entière, que le Dr. Sanjoy nous invite maintenant à franchir.

À lire ou relire…

Partie 1 : 

À suivre

Partie 3 : L’IA spatiale : ce qui se prépare et qui va tout changer.Partie 4 : Le futur lointain : l’IA comme acteur principal de l’exploration.