IA autonome dans l'espace : 1 080 satellites, un rover piloté par Claude et un modèle qui échoue sur les excréments

La nouveauté en matière d'autonomie spatiale n'est pas une fusée. C'est une décision de planification prise sur Mars par un modèle de langage, vérifiée par une personne, puis téléversée. IEEE Spectrum rapporte le 29 septembre que le Jet Propulsion Laboratory de la NASA a utilisé les modèles Claude d'Anthropic pour aider à planifier deux trajets martiens du rover Perseverance. Des planificateurs humains ont examiné et ajusté l'itinéraire avant son envoi.

L'usage reste modeste et encadré. C'est aussi l'exemple le plus clair d'un basculement dont les ingénieurs débattent depuis des années : faut-il laisser les engins spatiaux prendre leurs propres décisions ?

Deux paris très différents sur la même idée

Le 25 septembre, au Global Digital Trade Expo, l'entreprise spatiale commerciale chinoise STAR.VISION Aerospace a présenté la Space.IDC Computing Constellation, selon le média spécialisé china-in-space.com. Les chiffres sont importants. Environ 1 080 engins spatiaux dans la constellation principale, entièrement déployée d'ici 2035, dont à peu près 720 pour les tâches d'inférence et 360 pour le calcul général. Trois conceptions d'engins sont sur la table : le vaisseau de vérification G1 à 40 à 60 PetaFLOPs pour 11,5 kilowatts d'énergie solaire, le G2 standard à 160 à 310 PetaFLOPs pour 48 kilowatts, et le vaisseau amiral G3 à 460 à 1 000 PetaFLOPs pour 140 kilowatts.

STAR.VISION affirme avoir obtenu des accords de crédit stratégiques avec la Banque industrielle et commerciale de Chine et la Banque agricole de Chine pour un total de 10 000 000 000 de yuans, soit 1 490 000 000 de dollars américains au 28 septembre, dont au moins 1 000 000 000 de yuans disponibles pour la « Phase One ». Les lancements sont réservés à bord des fusées Gravity-1 d'Orienspace et Ceres-2 de Galactic Energy pour les engins G1, sans qu'aucun mois ni trimestre cible n'ait été communiqué. Les orbites, les liaisons optiques inter-satellites, la taille des radiateurs et la masse n'ont pas été divulguées, et les dossiers réglementaires internationaux ne sont pas encore déposés.

Le projet est donc réel, financé, et encore largement non spécifié. Cet écart compte quand on vend du calcul en orbite.

Le vieux débat sur les machines imprévisibles

Les ingénieurs font voler des engins spatiaux en autonomie depuis des décennies, mais l'autonomie n'a jamais été le modèle dominant, note IEEE Spectrum, surtout parce que le secteur privilégie les systèmes dont le comportement est prévisible. Robert Ambrose, ancien chef de la division Logiciel, robotique et simulation de la NASA, a exposé l'objection sans détour à Spectrum : « L'autonomie n'a souvent pas de résultat déterministe, ce qui signifie que la façon dont on est arrivé à une certaine situation change le comportement. Donc si l'on arrive dans la même situation par des chemins différents, le résultat peut être différent. Et ça, les ingénieurs le détestent. »

« L'autonomie n'a souvent pas de résultat déterministe... Et ça, les ingénieurs le détestent. »

Ambrose a travaillé sur l'autonomie du vaisseau Orion et sur Robonaut 2, l'humanoïde envoyé dans l'espace en 2011. Son argument porte sur les tests, pas sur la philosophie : avec Orion, les ingénieurs devaient envisager non seulement ce que le vaisseau pourrait faire, mais chaque chemin par lequel il aurait pu prendre une décision. Spectrum rapporte que les ingénieurs ont trouvé des moyens de gérer cette complexité, ce qui explique pourquoi les expériences actuelles existent.

Les expériences s'accumulent. En décembre, le JPL a utilisé Claude pour les deux trajets martiens. En mai, la NASA et IBM ont installé un modèle d'IA compressé sur la Station spatiale internationale et sur un satellite pour identifier les crues et les nuages depuis l'orbite, présenté comme le premier modèle de ce type démontré dans l'espace. En juillet, des astronautes de l'ISS ont testé un grand modèle de langage pour des questions de maintenance. Aucune de ces expériences n'a confié le contrôle au modèle. Toutes ont déplacé la limite.

Ce que ces modèles valent vraiment

Pour se faire une idée du chemin qu'il reste à parcourir au logiciel, le dossier en fournit une, sans rapport avec les engins spatiaux. Un blog appelé Labqoat a publié le 29 septembre un benchmark qui a soumis 2 000 photos de traces d'animaux à huit modèles. Chacun recevait une photo et son pays, et devait dire quelle espèce l'avait laissée. Le corpus comptait 400 photos pour chacune des cinq catégories : excréments, empreintes, plumes, œufs et os.

Le meilleur modèle, Claude Opus 5.5, a identifié correctement l'espèce 743 fois sur 2 000, soit 37,15 %. Muse Spark 1.3 suit à 33,35 % et GPT-6 Astra à 31,70 %. Claude Sonnet 5.5 arrive quatrième à 25,15 % pour un coût estimé de 7,62 dollars, en renvoyant une réponse pour chaque photo sans erreur de requête. Sur les huit modèles, 842 photos, plus de 40 % du corpus, n'ont reçu aucune identification correcte de l'espèce. Même Opus n'a trouvé la bonne famille que sur 51,75 % des photos.

L'auteur reste prudent sur les limites du résultat. Les scores de Sonnet, GLM et DeepSeek sont décrits comme provisoires, car un modèle de texte a interprété certaines réponses lors de la notation, et 15 réponses de Sonnet attendent une révision. Les photos d'œufs ont le mieux marché, mais l'auteur avertit que certaines espèces ont plus de photos que d'autres. Il précise aussi qu'une repondération donnant le même poids à chaque espèce fait chuter le score d'Opus sur les œufs de 51,25 % à environ 37 %. Et il n'existe aucune référence humaine : aucun expert de la faune n'a essayé le même corpus. « Je ne sais pas encore ce que devrait être un bon score », écrit-il.

Voilà la version honnête d'un benchmark d'IA, et elle mérite d'être mise en regard des promesses orbitales. Un modèle qui rate six traces d'animaux sur dix alors qu'on lui donne le pays en indice n'est manifestement pas prêt à décider de la prochaine action d'un satellite. Il peut en revanche encore servir à réduire les options qu'un humain vérifiera ensuite.

Où sont l'argent et le bruit

Le calcul dans l'espace est déjà encombré. China-in-space.com note que la Three-Body Computing Constellation d'ADA Space et du Zhejiang Lab est en tête avec une douzaine de satellites en orbite. Orbital Chenguang dispose d'un important soutien financier, et Chaozhisuan Beijing Technology a des partenaires bien connectés, les deux exploitant des satellites de démonstration. Des entreprises d'État travaillent sur de grands engins de calcul avec peu de publicité. STAR.VISION elle-même utilise l'IA sur des satellites de télédétection depuis au moins la mi-2023 et affirme que deux satellites construits pour l'Ouzbékistan et l'Indonésie ont validé des éléments de la future constellation. Le média rapporte aussi que le gouvernement central a désigné les technologies nécessaires comme domaine prioritaire pour le 15e plan quinquennal, 2026 à 2030.

Pendant ce temps, la conversation publique n'est pas toujours technique. Le Daily Mail a publié le 28 septembre un article sur des spectateurs d'une diffusion en direct de la fusée Starship de SpaceX. Ceux-ci ont repéré une traînée étroite et légèrement courbe de lumière bleu pâle avec une extrémité blanche plus brillante, environ sept minutes et 55 secondes après le début du vol d'essai, et des internautes y ont vu un possible OVNI. Le même média note que la fusée a atteint l'orbite. Le dossier n'identifie pas l'objet.

Et il y a un petit rappel utile : l'autonomie en orbite n'est pas la seule chose qu'on automatise. ABA Games a publié Wreckfall sur itch.io, un jeu de tir à écran fixe dans le style de 1981. Un vaisseau touché n'y disparaît pas : il devient une épave en feu qui tombe, écrase tous les vaisseaux qu'elle croise et finit par atterrir sur la position du joueur. La page porte une mention IA : AI Assisted, Code. Ce genre de jeu n'est pas de la science. Il donne en revanche une image juste de l'état actuel de la technique : une machine qui produit quelque chose d'utile, avec un humain qui décide encore ce qui compte comme une victoire.

Du côté sérieux, le terrain contesté est étroit et pratique. STAR.VISION a des financements, des partenaires dont Baidu AI Cloud, MinoSpace, le Hangzhou Institute for Advanced Study de l'UCAS et le Hangzhou Research Institute de l'université Xidian, ainsi que des lettres de soutien de plusieurs zones du Zhejiang, de Xichang et de Chongzhou. Il n'a pas d'orbites, de liaisons ou de plans de refroidissement publiés, et ses dossiers réglementaires sont en attente. IEEE Spectrum, de son côté, rapporte que l'IA générative dans l'espace est encore loin d'être assez fiable pour qu'on lui confie le contrôle d'un engin spatial. Les ingénieurs commencent pourtant à se demander s'ils peuvent se permettre de ne pas essayer, à mesure que les missions deviennent plus complexes, lointaines et nombreuses.

Ces deux positions ne sont pas contradictoires, et c'est là toute l'histoire. Le matériel est financé et lancé. Le logiciel est testé par petites étapes réversibles. Personne n'a encore publié le chiffre qui trancherait : à quelle fréquence le modèle a raison, et combien coûte une erreur.