Cette semaine était une semaine de grandes annonces : la NASA fait le pari de la propulsion nucléaire pour aller sur Mars, avec une mission attendue pour 2028. Google, de son côté, a développé un algorithme qui pourrait, in fine, régler la crise de la mémoire vive (RAM). Et puis il y a eu la sortie de la première bande-annonce du reboot de Harry Potter.

Quelques semaines après avoir annoncé la fusion de SpaceX et xAI, Elon Musk dévoile TERAFAB, un projet de méga-usine de semi-conducteurs pour rendre ses entreprises indépendantes en puces. La promesse est ahurissante… mais semble difficilement tenable en l'état.

Pour 250 milliards de dollars, Elon Musk rachète xAI à Elon Musk. Le milliardaire vient d'opérer un des deals financiers les plus intéressants de la décennie : SpaceX (spatial + Starlink), xAI (Grok) et X (ex-Twitter) sont désormais réunis au sein d'un même groupe. La prochaine étape est l'introduction de cette valeur unique en bourse, qui pourrait générer des milliards de dollars en quelques heures.

À quelques mois de la possible entrée en Bourse de SpaceX, qui pourrait atomiser tous les records à Wall Street, Elon Musk envisagerait de fusionner son entreprise spatiale avec xAI, qui détient notamment son intelligence artificielle Grok et le réseau social X. Une autre hypothèse sur la table est une fusion avec Tesla, déjà en Bourse. Le but : maximiser la valorisation de ses entités.

Une simulation assistée par une intelligence artificielle a dévoilé une nouvelle carte de la Voie lactée, plus précise que jamais. Le résultat contient 100 milliards d'étoiles et leur évolution sur 100 000 ans.

Google aussi rêve d'espace. Littéralement. L'entreprise américaine a dévoilé début novembre 2025 le projet Suncatcher. L'idée ? Lancer des data centers dédiés à l'IA en orbite autour de la Terre. Malgré les défis, la société américaine y croit et ne voit pas d'obstacle absolu.

Starcloud, une startup soutenue par le programme NVIDIA Inception, veut bâtir des data centers en orbite. En novembre 2025, elle lancera un satellite équipé d’un GPU H100 pour tester le calcul intensif dans l’espace -- une idée ambitieuse, mais encore très expérimentale.

Nintendo perd « son » Bowser, avec le départ de Doug à la présidence de Nintendo of America. Starship, de son côté, est prête à s'envoler pour son 11e test. Google, pour sa part, continue de progresser sur son modèle d'IA Gemini. Voilà trois des actualités de la semaine, que vous avez peut-être manquées !

Un adolescent californien vient de secouer la communauté scientifique avec une prouesse digne d’un chercheur confirmé. Grâce à un algorithme qu’il a lui-même développé, il a identifié plus d’un million d’objets célestes encore inconnus.

Matteo Paz, 18 ans, a remporté 250 000 dollars au concours Regeneron Science Talent Search 2025. Ce concours est considéré comme l’un des plus prestigieux pour les lycéens passionnés de science et de mathématiques. Le comité l’a récompensé pour avoir mis au point un modèle d’IA particulièrement efficace.

Ce dernier a traité 200 milliards de données issues du télescope NEOWISE, aujourd’hui à la retraite. Résultat : 1,5 million d’objets célestes potentiels ont été détectés, notamment des supernovas et trous noirs.

Quand passion et rigueur s’alignent dans les étoiles

L’histoire de Matteo commence lors de l’été 2022 à la Planet Finder Academy du Caltech. Encadré par l’astronome Davy Kirkpatrick, il s’initie à l’astronomie en analysant des données NEOWISE sous-exploitées.

Kirkpatrick souhaitait initialement repérer manuellement quelques étoiles variables dans un coin de ciel précis. Matteo a pris le contre-pied et a préféré concevoir un algorithme capable de parcourir les 200 milliards de lignes.

Ce modèle a permis de repérer de minuscules variations de rayonnement infrarouge, signature des objets changeants. L’outil VarWISE, contraction de « Variable » et « WISE », est aujourd’hui utilisé par les chercheurs du Caltech.

Une IA conçue pour scruter l’espace et au-delà

Amy Mainzer, responsable scientifique de NEOWISE pour la NASA, a salué l’importance du travail accompli. Elle affirme que la communauté astronomique étudiera largement les objets détectés dans les mois à venir.

Matteo précise que son modèle pourrait aussi servir à d’autres domaines. Il évoque notamment l’analyse de données financières, les effets atmosphériques ou même la pollution. Son intérêt pour les questions environnementales s’est renforcé après les incendies qui ont frappé Los Angeles cette année. Lui et sa famille ont dû évacuer leur maison lors de l’incendie d’Eaton.

Un prodige parmi d’autres jeunes espoirs scientifiques

D’autres lauréats du concours Regeneron ont également travaillé sur des sujets prometteurs. Certains ont étudié la génétique, la résistance des champignons ou la lutte contre les moustiques. Selon Maya Ajmera, présidente de la Society for Science, ces projets illustrent la puissance de la jeunesse scientifique.

« Leur créativité redonne espoir pour l’avenir », a-t-elle affirmé dans un communiqué. Matteo, lui, continue d’explorer les liens entre IA et observation cosmique. À 18 ans, il montre déjà ce que l’ingéniosité humaine peut accomplir avec une machine bien entraînée.

Cet article L’IA d’un lycéen repère des objets célestes avant les astronomes a été publié sur LEBIGDATA.FR.

Selon Zhuang Rongwen, directeur de l’Administration du cyberespace de Chine (CAC), l’agence chargée de la réglementation de l’IA générative, plus de 190 LLMs ont été enregistrés et mis à la disposition du public jusqu’à présent. Dans une récente interview accordée à l’agence de presse Xinhua, il a indiqué que ces modèles ont déjà attiré plus de 600 millions d’utilisateurs, ce qui démontre le développement rapide de l’IA générative en Chine.

La Chine ne cache pas son ambition de rattraper et dépasser les USA dans le domaine de l’IA pour en devenir le leader mondial, quand bien même elle doive faire face aux pressions américaines, notamment aux restrictions des exportations de puces et des investissements américains dans l’industrie d’IA du pays.

Considérant la GenAI comme un moteur de croissance et un atout concurrentiel clé, elle a annoncé en octobre 2023, un plan pour augmenter sa puissance de calcul globale de plus de 50 % d’ici 2025, visant 300 exaflops. En début d’année 2024, elle approuvait 14 nouveaux LLMs, portant à 46 le nombre total de LLMs validés depuis août 2023, suite à l’introduction de la réglementation exigeant une approbation officielle avant leur lancement.

En six mois, ce nombre est donc passé à plus de 190, soulignant une adoption accélérée de l’IA générative.

Un cadre réglementaire pionnier

En juillet 2023, la Chine a introduit le premier ensemble de règles de gestion pour les services d’IA générative, marquant une étape importante dans la régulation de cette technologie émergente. Ces règles visent à équilibrer l’innovation technologique et la sécurité, tout en soutenant le développement industriel.

La CAC travaille activement à l’amélioration des mécanismes de développement et de gestion des technologies d’IA, notamment en favorisant la recherche indépendante sur les puces informatiques et les cadres algorithmiques, ainsi que la création de corpus en langue chinoise de haute qualité.

Encourager l’innovation et l’application industrielle de l’IA

La procédure de dépôt pour les LLMs sera simplifiée et les coûts de conformité pour les entreprises réduits. Dans le cadre de ses priorités politiques, la Chine va continuer d’encourager l’application de la GenAI dans des secteurs clés tels que l’industrie manufacturière, l’agriculture, l’éducation et la santé. Ces efforts visent à renforcer l’économie réelle et à moderniser les industries traditionnelles grâce à l’IA.

Cependant, Zhuang Rongwen a également souligné l’importance cruciale de la sécurité dans le développement de l’IA. Les autorités chinoises guideront les prestataires de services pour qu’ils offrent des solutions d’IA de manière sécurisée, fiable, contrôlable et équitable. Ils devront mettre en place des mesures telles que l’auto-évaluation et la gestion quotidienne pour prévenir les violations de données personnelles et de propriété intellectuelle ou la génération de fausses informations, autant de risques potentiels liés à l’usage inapproprié de l’IA.

Vers une gouvernance globale du cyberespace

Depuis 2012, la Chine a réalisé des avancées significatives dans la gouvernance du cyberespace. Le pays s’efforce de construire un écosystème de cyberespace robuste, fondé sur des principes juridiques et une gouvernance systématique. Il dispose désormais, selon le directeur de la CAC, de l’infrastructure d’information la plus vaste et technologiquement avancée au monde, et de plus de 150 textes de loi promulgués dans ce domaine.

En adoptant les lois pertinentes et les améliorant si nécessaire, un cadre juridique complet de la gouvernance du cyberespace en Chine sera mis en place. Les mécanismes de coordination pour l’application de la loi seront affinés, en particulier dans le cadre intersectoriel et interministériel.

Zhuang Rongwen a souligné que l’évaluation de la sécurité des nouvelles technologies et applications Internet est également une priorité. Les autorités chinoises veulent accélérer l’application de ces technologies tout en préservant la sécurité idéologique et en protégeant les droits et intérêts légitimes des utilisateurs d’Internet.

Coopération internationale et autodiscipline

La CAC joue un rôle actif dans la régulation des activités en ligne, notamment en encadrant les leaders d’opinion sur Internet et les institutions MCN (Multi-Channel Networks), tout en réprimant les activités illégales. Zhuang Rongwen a également mis l’accent sur la nécessité d’une coopération internationale dans la gouvernance de l’IA, regroupant régulation gouvernementale, autodiscipline industrielle, autorégulation des entreprises et surveillance du public.

Cet article a été par Jean Ababii. Passionné par le développement de l’intelligence artificielle et le secteur de l’aéronautique et du spatial, Jean Ababii est étudiant en dernière année d’ingénierie informatique à l’INSA Lyon. Après plusieurs stages autour de l’IA appliquée à la vision par ordinateur, il a rejoint Dassault Systèmes pour son projet de fin d’études en tant qu’ingénieur IA et Big Data afin de travailler principalement sur des problématiques de NLP.

“Touchdown confirmed ! Perseverance is safely on the surface of Mars”

Ces quelques mots provenant du Jet Propulsion Laboratory de la NASA marquent le soulagement des milliers d’ingénieurs travaillant sur ce projet depuis des années. Le 18 février 2021, au terme d’un voyage de sept mois, le robot Perseverance se pose sur la planète rouge.

Son atterrissage est totalement automatisé puisque, se situant à 200 millions de kilomètres de la Terre, une latence de plus de dix minutes est observée entre l’envoi et la réception d’un message.

Comment peut-on automatiser un processus aussi complexe ? L’intelligence artificielle est une des nouvelles solutions permettant de répondre à ce défi technologique, et son utilisation est en plein essor dans le milieu spatial. En effet, le marché de la robotique et de l’IA dans l’espace, évalué à 2 milliards de dollars en 2018, est estimé à 3,5 milliards en 2025.

De la navigation autonome à l’assistance des astronautes, voici une sélection d’applications de l’IA dans la conquête spatiale.

Dans le cadre des jeux olympiques 2024, nous vous offrons chaque jour un article issu du magazine ActuIA n°4, dont le dossier principal est “Le sport à l’ère de l’IA”. Afin de découvrir le magazine ActuIA, nous vous invitons à vous rendre sur notre boutique. Tout nouvel abonnement d’un an vous donne droit à l’ensemble des archives au format numérique.

1. Navigation autonome

Un des premiers éléments venant à l’esprit lorsqu’on évoque l’IA pour un robot pourrait être sa capacité à se déplacer et à prendre des décisions de manière autonome. Pour un rover comme Perseverance, une automatisation des déplacements permet en effet un énorme gain de temps : en déterminant la meilleure route pour éviter les obstacles, l’opérateur humain n’est sollicité qu’en cas de besoin, sans parler des étapes où cette intervention est impossible, comme lors de l’atterrissage.

Pour comprendre comment l’IA peut aider lors de la navigation sur un objet céleste lointain, il convient de rappeler comment cette dernière est rendue possible sur Terre. Les systèmes terrestres actuels reposent en grande partie sur le GPS, système mondial de positionnement. Or, le GPS fonctionne grâce au calcul de la distance séparant le récepteur de plusieurs satellites. Malheureusement, des satellites de ce type n’existent qu’autour de notre planète. De plus, pour compliquer les choses, Mars ou encore la Lune ne possèdent pas de champ magnétique global permettant le fonctionnement des boussoles traditionnelles.

Une des solutions imaginées pour contourner ces difficultés est de se servir des images et topographies de ces astres, enregistrées lors de missions précédentes. C’est alors que l’IA entre en jeu, en permettant la comparaison des données existantes avec celles pouvant être directement acquises. En effet, des techniques d’IA principalement basées sur l’apprentissage profond (deep learning) sont extrêmement performantes dans le domaine du traitement d’image. Le système Terrain Relative Navigation de Perseverance en est un exemple : il permet de se repérer sur Mars en comparant les caractéristiques visibles de la surface martienne avec des données pré-enregistrées. Grâce à ce repérage précis, Perseverance a atterri à seulement un km environ du centre de la zone visée ! Toujours au cours de cette mission, Ingenuity a effectué son premier vol sur la planète rouge.

Ce drone devient donc le premier objet qui vole sur une planète différente de la Terre. L’automatisation de ses déplacements est d’autant plus critique qu’une fois en plein vol, ce dernier ne peut tout simplement pas s’arrêter pour attendre les instructions terriennes. L’IA permet donc d’analyser son environnement pour prendre en compte les vents par exemple, et suivre au plus près le plan de vol prévu en amont sur Terre. Cependant, nul besoin de se trouver sur une autre planète pour rencontrer des problèmes liés à la navigation.

En effet, en 2019, l’Agence spatiale européenne (ESA) a estimé à près d’un million le nombre d’objets mesurant plus d’un cm orbitant autour de la Terre. Ces nombreux débris spatiaux peuvent causer de gros dégâts à tous les appareils opérationnels, la Station spatiale internationale (ISS) ou des satellites par exemple. Bien qu’une attention particulière soit actuellement portée à cette « pollution » de l’espace, le nombre de lancements augmentera fortement dans les prochaines années. Pour prévenir de potentielles collisions, des techniques à base d’apprentissage profond se sont révélées particulièrement efficaces. En effet, des réseaux de neurones ont permis d’améliorer grandement la précision lors de la détection des débris spatiaux, rendant ainsi possible une identification précise à plusieurs milliers de kilomètres.

2. Collecter et transmettre l’information

Le recours à l’IA apporte une réelle efficacité dans la gestion des données échangées. En effet, que ce soit sur Terre avec l’essor du big data, ou dans l’espace, la quantité de données stockées croît d’année en année, aussi bien grâce à un nombre croissant de capteurs qu’à une baisse du coût de stockage. Ces données proviennent en grand nombre de différentes sources comme des satellites, des télescopes ou des observatoires.

D’après l’ESA, un satellite moderne produit quotidiennement plus de 150 TB (TeraBytes) de données. Leur analyse et transmission exigent beaucoup de travail, et donc de temps, c’est pourquoi le recours à l’IA permet une efficacité démultipliée. Par exemple, la transmission de l’ensemble des données est parfois impossible physiquement, ce qui impose de choisir les plus « intéressantes » pour les chercheurs. Des systèmes d’IA embarqués au sein des satellites ou robots permettent un pré-traitement des données, pour n’en transmettre qu’une partie vers la Terre. Le système AEGIS (Autonomous Exploration for Gathering Increased Science) est par exemple présent sur Perseverance, ou encore sur son prédécesseur Curiosity. AEGIS permet au robot d’analyser différentes roches et transmettre uniquement des données présentant le plus d’intérêt scientifique, ce qui permet de maximiser leur qualité.

D’autre part, la distance importante pouvant séparer les objets émetteurs présents dans l’espace des récepteurs sur Terre entraîne de réelles complications au niveau du débit et de la qualité de la transmission. En effet, les interférences sont un problème courant dans l’espace, dues notamment aux radiations électromagnétiques. Là encore, des techniques à base d’IA sont explorées par la NASA pour améliorer la qualité des réseaux de communications. Certaines techniques d’IA permettent de maximiser l’utilisation des bandes de communications disponibles et ainsi d’améliorer l’efficacité et la fiabilité des transmissions. Cependant, avant de pouvoir déployer de telles technologies, des tests doivent être conduits et sont déjà prévus à bord de l’ISS.

Depuis la Terre également, l’IA permet une meilleure collecte des données, comme on peut le constater avec le Cherenkov Telescope Array (CTA). Ce réseau de plus de 100 télescopes de nouvelle génération situés dans différents endroits du globe terrestre repose sur des techniques de deep learning afin d’ana- lyser rapidement un nombre colossal de données. Les réseaux de neurones utilisés sont entraînés sur le supercalculateur Jean Zay situé sur le plateau de Saclay, en région parisienne, et permettront à terme d’interpréter les évènements en temps réel pour émettre des alertes et faire converger plus rapidement les télescopes vers les sources intéressantes.

3. Traitement des données

Une fois les données collectées et transmises, celles-ci vont faire l’objet de nombreux traitements. Un grand nombre de ces données récupérées sont des images, mais pas uniquement. Pour le traitement d’image, l’IA est un outil formidable, principalement depuis la découverte des réseaux de neurones dits convolutionnels (CNN : Convolutional Neural Networks) faisant partie de la branche de l’apprentissage profond. Il n’est donc pas étonnant que les scientifiques exploitent de plus en plus ces méthodes dans la recherche spatiale.

Une des tâches sur lesquelles ces réseaux se sont montrés redoutablement efficaces est la classification d’objets selon plusieurs catégories, après avoir été correctement entraînés sur des milliers d’images. En effet, le nombre gigantesque d’objets célestes composant notre univers rend impossible la classification manuelle de chacun d’entre eux, et c’est dans ce but qu’est utilisée l’IA aujourd’hui pour déterminer par exemple si tel astre est une étoile, une galaxie ou une planète. Cette classification n’est pas toujours simple à cause du bruit causé par les instruments ou les effets astrophysiques. C’est ainsi que des chercheurs de Google ont développé un réseau de neurones convolutionnels nommé AstroNet afin de traiter les images issues du télescope Kepler de la NASA.

Cette IA a permis de réduire le bruit, et ainsi d’identifier deux nouvelles exoplanètes. Ces différentes avancées permises par l’IA ont conduit à la mise en place du Frontier Development Lab (FDL) par la NASA, dans le but de réunir des innovateurs et travailler sur l’application de l’IA dans l’espace. L’ensemble des techniques qui y sont développées sont publiques et certaines sont déjà utilisées pour prédire les radiations solaires ou identifier la composition de l’atmosphère de certaines exoplanètes. Un des cas d’utilisation de l’IA au FDL est la modélisation d’astéroïdes. Lors de cette tâche, une très large panoplie d’outils issus de l’IA se sont montrés efficaces. Ainsi, des modèles de deep learning tels que des auto-encodeurs ou des réseaux antagonistes génératifs (GAN) ont été utilisés pour la modélisation même des astéroïdes, alors que des techniques comme le clustering ont servi à un pré-traitement des données récupérées. Lors de ce cas d’étude, l’IA a permis une économie importante de temps en réalisant une modélisation d’astéroïde en moins d’une semaine, alors que plusieurs mois étaient nécessaires auparavant.

4. Les assistants d’astronautes

L’utilisation de l’IA pour le traitement d’image a beaucoup été évoquée, cependant elle est également présente dans bien d’autres domaines d’applications relevant de l’exploration spatiale. En effet, les progrès récents dans le traitement du langage naturel (NLP : Natural Language Processing) ont trouvé de nombreux cas d’utilisation dans notre vie quotidienne, mais aussi dans celle des astronautes. Depuis 2018, CIMON (Crew Interactive MObile companioN) est déployé à bord de la Station spatiale internationale. Cet assistant de la taille d’un ballon de basket, développé entre autres par IBM et Airbus, se déplace en autonomie grâce à des hélices. Son objectif est d’assister les astronautes au cours de leurs tâches en leur proposant des informations lorsque c’est nécessaire, à travers des tutoriels par exemple, mais aussi d’interagir directement en répondant à leurs questions.

CIMON repose sur les dernières prouesses techniques puisqu’il utilise l’IA Watson d’IBM, qui a fait ses preuves dans la compréhension du langage naturel et dans la gestion des dialogues. Les performances de CIMON sont encore loin des assistants que l’on peut trouver dans les films de science-fiction comme HAL 9000 de 2001, L’Odyssée de l’Espace. Cependant, l’évolution des performances des assistants est un objectif dans la conquête spatiale pour comprendre et prédire les besoins de l’équipage, analyser leurs émotions, leur santé mentale ou encore prendre de bonnes décisions en cas d’urgence.

L’astronaute Luca Parmitano converse avec CIMON à bord de l’ISS. Source : Youtube

Les défis de l’IA dans la conquête spatiale

L’ensemble de ces différentes utilisations de l’IA dans la conquête spatiale permet de montrer le vaste éventail de possibilités et d’opportunités permises par les avancées technologiques. Cependant, l’utilisation de l’IA induit également des interrogations pertinentes concernant les risques potentiels. Sans en arriver à des cas extrêmes, comme le volte-face des assistants contre l’équipage dans de nombreux films, certaines inquiétudes sont imputées à l’IA, comme un manque d’explicabilité. En effet, les algorithmes deviennent de plus en plus performants, mais aussi de plus en plus complexes, ce qui peut réduire la compréhension de leurs décisions.

Or, les montants financiers astronomiques des missions touchant au domaine spatial risquent de freiner les investisseurs qui vont privilégier la sécurité des techniques plus classiques. Ainsi, il est nécessaire d’améliorer la fiabilité et l’explicabilité des systèmes d’IA actuels pour accélérer leur déploiement dans ce domaine où la moindre erreur n’est pas envisageable. Les systèmes futurs vont probablement intégrer progressivement de plus en plus d’IA en trouvant un équilibre entre les méthodes à très fort potentiel basées sur l’apprentissage profond et les méthodes plus traditionnelles assurant une plus grande sécurité.

D’autre part, la progression plus lente de l’IA dans l’industrie spatiale s’explique également par des raisons plus techniques. En effet, il est beaucoup plus difficile de tester les nouvelles technologies en conditions réelles afin de les optimiser, ce qui entraîne des difficultés particulières pour les techniques d’IA apprenant à partir de situations précédentes. L’amélioration des systèmes existants et l’obtention de plus de données provenant des nouvelles missions spatiales représenteront de grandes opportunités pour la conquête spatiale, dont le futur est difficilement imaginable sans un recours important à l’intelligence artificielle.

Cet article est extrait du magazine ActuIA. Afin de ne rien manquer de l’actualité de l’intelligence artificielle, procurez vous ActuIA n°16, actuellement en kiosque et sur abonnement :