L’IA spatiale gagne en autonomie, des rovers aux robots d’orbite

L’intelligence artificielle n’est plus cantonnée aux démonstrations de laboratoire dans l’espace. Des télescopes aux rovers martiens, elle traite des volumes de données trop grands pour une équipe humaine, aide à piloter des engins à distance et soutient déjà des astronautes à bord de la Station spatiale internationale. Selon le Dr Paul Sanjoy, chercheur à l’université Rice, le vrai sujet n’est plus de savoir si l’IA sert à l’exploration spatiale, mais jusqu’où elle peut prendre des décisions seule.

Des données trop massives pour rester dans les mains humaines

La première bascule se joue dans l’analyse scientifique. Les télescopes, sondes et satellites produisent chaque jour des quantités de données qui se comptent en pétaoctets, soit des millions de milliards d’octets, un volume impossible à traiter manuellement à grande échelle. L’IA repère alors des signaux faibles, classe des galaxies, détecte des exoplanètes en transit ou retrouve des phénomènes enfouis dans d’anciennes archives scientifiques. Le télescope James-Webb illustre ce besoin : chaque observation génère assez d’informations pour que l’analyse assistée par IA devienne, selon l’article, un passage obligé pour exploiter toute la richesse des mesures.

Ce rôle reste discret, mais il change déjà la méthode de travail des chercheurs. L’IA n’efface pas l’expertise humaine ; elle lui évite de noyer la découverte dans le volume. C’est un peu le stagiaire qui trie 50 000 fichiers sans se plaindre, mais avec des résultats infiniment plus utiles.

Perseverance, laboratoire de l’autonomie martienne

Sur Mars, l’enjeu est plus visible. Le rover Perseverance représente, selon le Dr Paul Sanjoy, l’état de l’art de l’autonomie embarquée. Il s’appuie sur AutoNav, la vision par ordinateur, la planification de trajectoire, l’apprentissage par renforcement et la fusion de capteurs pour se déplacer sans attendre d’instructions immédiates depuis la Terre. Cette autonomie est nécessaire car un signal met entre 3 et 22 minutes pour aller de la Terre à Mars dans un seul sens, selon la distance entre les deux planètes au moment de l’échange.

L’intérêt est concret : le rover peut éviter seul des zones dangereuses, comme le sable meuble, les roches acérées ou les pentes instables. Le rappel du rover Spirit, immobilisé en 2009 après s’être enlisé dans le sable, sert ici de contre-exemple. Début 2026, Perseverance a aussi franchi une étape supplémentaire avec une planification d’itinéraire assistée par une IA générative issue d’une version du modèle Claude d’Anthropic, en collaboration avec des ingénieurs. Mais il s’agissait d’une démonstration supervisée, pas d’une autonomie totale [à vérifier].

Des robots qui ne se contentent plus d’obéir

La collaboration homme-machine monte elle aussi en gamme. À bord de l’ISS, Cimon, assistant IA embarqué, guide les astronautes en langage naturel à travers des procédures complexes. Des bras robotiques assistés par IA stabilisent des charges, inspectent l’extérieur de la station et accélèrent certaines opérations. Dans cette logique, le robot cesse d’être un outil muet : il anticipe, s’adapte et commence à prendre en compte les habitudes de travail de l’équipage.

Le Dr Sanjoy parle de trois capacités clés : interaction en langage naturel, conscience contextuelle et assistance adaptative. L’idée est simple. L’astronaute ne devrait pas devoir parler à une machine comme à un tableau de bord du siècle dernier. L’espace, lui, n’a pas attendu la mode des interfaces vocales.

Ce que l’IA peut déjà optimiser en orbite

Une autre promesse touche aux ressources, toujours rares dans l’espace. Énergie, carburant, temps et bande passante doivent être arbitrés sans marge d’erreur. L’IA s’appuie pour cela sur des algorithmes d’optimisation, des techniques de satisfaction de contraintes et l’apprentissage par renforcement afin de mieux planifier les tâches, répartir la consommation électrique et gérer les fenêtres de communication.

À plus long terme, elle pourrait piloter les réseaux électriques de bases lunaires ou martiennes, en décidant s’il vaut mieux stocker l’énergie solaire dans des batteries ou l’utiliser immédiatement pour produire de l’oxygène, chauffer les systèmes ou alimenter des instruments. Les trajectoires interplanétaires sont un autre terrain d’application, avec des itinéraires calculés pour réduire la consommation de propergol, c’est-à-dire le carburant embarqué utilisé pour les manœuvres.

Pourquoi l’espace reste un test brutal pour l’IA

Le décor complique tout. Les systèmes d’IA spatiaux doivent fonctionner avec très peu de données d’entraînement, dans des milieux où les conditions changent vite et où les scénarios d’échec sont rarement documentés. À cela s’ajoutent des délais de communication incompressibles, une exigence de fiabilité absolue et des environnements extrêmes : jusqu’à -130 °C sur les plaines martiennes, jusqu’à +120 °C en plein soleil lunaire, selon les conditions décrites dans la source. Radiations, poussière et variations thermiques abîment aussi les composants et les capteurs.

Dans ce contexte, l’IA doit être performante, mais aussi explicable et prévisible. Une erreur peut coûter une mission entière, voire une vie humaine. Le Dr Paul Sanjoy résume l’enjeu en une formule nette : dans l’espace, une IA opaque n’est pas seulement imparfaite, elle est inutilisable. C’est là que se joue la suite du dossier : non plus assister l’exploration, mais décider, un jour, sans filet.