L’intelligence artificielle spatiale est aujourd’hui intégrée aux opérations de plusieurs missions, transformant la collecte et le traitement des données ainsi que la conduite des engins au-delà de l’atmosphère. Des observatoires et télescopes, tant spatiaux que terrestres, génèrent des volumes de données sans précédent et recourent à des algorithmes pour trier, prioriser et compresser les flux vers les centres d’analyse. Les missions d’astronomie exploitent l’apprentissage automatique pour détecter transient events, classer des sources et optimiser l’utilisation des ressources d’observation.
Les rovers martiens illustrent l’autonomie embarquée : le rover Perseverance a utilisé des techniques de navigation relative au terrain lors de l’atterrissage et dispose de fonctions d’autodrive pour parcourir des secteurs sans commande continue depuis la Terre. Des précédents comme Curiosity ont mis en œuvre des systèmes AutoNav pour la conduite. Le petit hélicoptère Ingenuity a démontré la capacité de piloter des véhicules aériens de façon autonome dans un environnement extra-atmosphérique, réduisant la dépendance au contrôle en temps réel imposé par les délais de communication interplanétaires.
À bord de la Station spatiale, des plateformes robotiques et des expériences d’autonomie sont en cours : les robots free-flying Astrobee testent des fonctions de planification de trajectoire et d’interaction avec l’équipage, tandis que le bras canadien Canadarm2 reste essentiel aux opérations de manutention et d’amarrage assistées par logiciels. Parallèlement, les centres d’opérations au sol, y compris ceux de NASA et de ESA, déploient des outils d’IA pour la détection de collisions orbitales, l’optimisation des calendriers de communication et le tri des alertes issues des réseaux de capteurs.
Les avancées restent conditionnées par des contraintes techniques et réglementaires : robustesse face aux radiations, vérification et certification des algorithmes, traçabilité des décisions et limitation des erreurs en conditions dégradées. Les délais de télécommunications et l’impossibilité d’une supervision humaine en temps réel pour des missions lointaines imposent des architectures d’autonomie éprouvées. Les efforts en cours visent à intégrer ces systèmes de manière vérifiable et modulable afin que l’IA complète, sans se substituer indûment, les équipes humaines dans l’exploration et l’observation spatiale.
