Lundi 15 juin 2026
Un cap technologique discret mais lourd de conséquences vient d'être franchi en orbite. En avril dernier, un satellite d'observation de la Terre a identifié sa cible de manière entièrement autonome — sans qu'aucun analyste humain au sol n'intervienne dans le processus. Cette première démonstration d'un modèle d'intelligence artificielle vision-langage fonctionnant directement dans l'espace pourrait redéfinir en profondeur ce dont sont capables les capteurs spatiaux, et ce qu'ils valent économiquement.
Un satellite d'observation de la Terre en orbite — pour la première fois, un tel engin a identifié une cible de façon entièrement autonome, sans intervention humaine au sol.
Une première mondiale discrète mais historique
Jusqu'à présent, le fonctionnement des satellites d'observation reposait sur un schéma bien établi : l'engin capture d'énormes volumes d'images, les transmet vers la Terre, où des analystes humains — ou des algorithmes d'apprentissage automatique classiques — les examinent pour en extraire l'information utile. Ce processus, aussi efficace soit-il, implique systématiquement un délai et un goulot d'étranglement au niveau des stations terrestres chargées de réceptionner ces flux massifs de données.
En avril 2026, ce schéma a été bouleversé. À bord du satellite Yam-9, conçu par l'entreprise d'infrastructure spatiale Loft Orbital, un logiciel développé par le Jet Propulsion Laboratory (JPL) de la NASA a réussi à identifier des zones d'intérêt en répondant directement à des requêtes formulées en langage naturel — sans qu'aucune image brute n'ait eu besoin d'être renvoyée sur Terre pour analyse.
Le modèle derrière l'exploit : Gemma 3 de Google DeepMind
La technologie qui a permis cette percée s'appelle un modèle vision-langage, ou VLM (Vision-Language Model). Concrètement, il s'agit d'une intelligence artificielle qui combine deux capacités habituellement séparées : la compréhension contextuelle propre aux grands modèles de langage, et l'analyse visuelle d'images, à la manière des systèmes de vision par ordinateur.
Le modèle utilisé pour cette démonstration est Gemma 3, développé par Google DeepMind. Sa particularité technique est déterminante : il a été spécifiquement conçu pour fonctionner en conditions dites « edge », c'est-à-dire sur du matériel aux capacités limitées, loin de tout centre de données classique — une contrainte évidemment incontournable pour un système destiné à fonctionner à plusieurs centaines de kilomètres d'altitude, sans connexion permanente à la Terre.
Lors des essais, les chercheurs ont soumis au modèle des requêtes telles que classer les zones où l'environnement naturel rencontre le développement humain, ou encore identifier les infrastructures situées à proximité de nœuds ferroviaires. Le système a accompli ces tâches avec succès, démontrant sa capacité à traiter à la fois de l'imagerie et du contexte linguistique directement en orbite.
Le rôle clé du JPL et le logiciel NAVI-Orbital
Si Gemma 3 constitue le « cerveau » de cette démonstration, c'est un logiciel baptisé NAVI-Orbital, développé par l'équipe d'intelligence artificielle du JPL, qui a servi de structure d'accueil pour le faire fonctionner dans un environnement aussi contraint que celui de l'espace. Juan Delfa Victoria, responsable technique au sein du groupe IA du JPL, a dirigé son développement.
Si Gemma 3 est un modèle disponible sur étagère, son intégration en orbite a nécessité un travail d'ingénierie logiciel substantiel : les équipes ont dû rationaliser drastiquement le nombre de bibliothèques et la quantité de mémoire requise, afin que le système puisse tenir dans l'enveloppe de calcul restreinte disponible à bord d'un petit satellite.
Le matériel physique qui a permis cette prouesse est une puce Nvidia Jetson Orin AGX — l'un des processeurs de référence aujourd'hui utilisés pour le calcul embarqué dans l'espace, intégrée à bord de Yam-9.
Une puce Nvidia Jetson Orin, semblable à celle qui a permis au modèle d'intelligence artificielle de fonctionner directement à bord du satellite Yam-9.
Loft Orbital : une infrastructure spatiale pensée comme un service
Le satellite Yam-9, lancé à l'automne 2025, n'a pas été conçu pour une mission scientifique unique et figée. Il s'agit d'un « pathfinder » — un démonstrateur technologique — destiné à tester les capacités d'intelligence artificielle orbitale de l'entreprise californienne Loft Orbital, dont le modèle économique se rapproche davantage de l'infrastructure en tant que service que de la fabrication traditionnelle de satellites sur mesure.
Loft opère aujourd'hui 12 engins spatiaux en orbite, et conçoit ses plateformes pour des clients tiers qui viennent y déployer leurs propres charges utiles et applications. L'un de ses contrats récents les plus notables a consisté à construire, lancer et exploiter six nouveaux satellites pour l'entreprise EarthDaily, qui se chargera ensuite d'analyser et de commercialiser les données collectées à bord.
Pourquoi cette démonstration change la donne
Cette avancée technique revêt une importance qui se déploie sur deux horizons temporels distincts.
À court terme, elle pourrait rendre les capteurs spatiaux considérablement plus utiles en réalisant un tri initial des données directement en orbite. Au lieu de transmettre vers le sol des téraoctets d'images brutes — dont l'écrasante majorité ne présente aucun intérêt particulier — le satellite ne renverrait que les segments pertinents, réduisant d'autant la charge de travail des analystes humains et la pression sur les liaisons de communication, souvent saturées.
À plus long terme, cette démonstration constitue une preuve de concept déterminante en vue du déploiement d'une infrastructure de calcul d'intelligence artificielle à bien plus grande échelle, directement dans l'espace.
Paul Lasserre, responsable de l'intelligence artificielle chez Loft Orbital, a résumé l'enjeu en des termes limpides : « Cela ouvre la porte à des couches de surveillance permanentes dans l'espace. Avec un modèle vision-langage, vous pouvez définir une logique — par exemple : surveillez cette frontière pour moi, et prévenez-moi si quelque chose paraît suspect — et interagir avec les satellites dans les deux sens. »
Vers une constellation de patrouille permanente
L'ambition affichée par Loft Orbital dépasse largement le cadre de cette unique démonstration. L'entreprise vise désormais la construction d'une véritable constellation, capable d'assurer une couverture en temps réel de n'importe quel point du globe. Selon les estimations de Lasserre, un tel objectif nécessiterait le déploiement de quelque 50 à 100 satellites du type de Yam-9 — un chiffre considérable comparé aux 12 engins actuellement en orbite.
Une infrastructure de surveillance satellitaire en réseau pourrait, à terme, offrir une couverture quasi permanente et en temps réel de zones d'intérêt sur l'ensemble du globe.
Les concurrents ne tardent pas à s'aligner
Si cette démonstration constitue la première utilisation rapportée d'un modèle vision-langage en orbite, elle ne devrait certainement pas rester isolée bien longtemps. Planet Labs, qui exploite déjà des satellites équipés de processeurs Jetson Orin, les utilise pour l'instant à des tâches de détection d'objets plus simples — mais l'entreprise a confirmé que des recherches sont activement en cours sur d'autres applications d'intelligence artificielle, vision-langage incluse.
Kepler Communications, qui exploite ce que beaucoup considèrent comme le plus important cluster de calcul orbital actuellement en service, s'est refusée à confirmer ou démentir le déploiement de modèles similaires, invoquant des accords de confidentialité avec ses partenaires. L'entreprise a toutefois reconnu l'existence de « plusieurs cas d'usage non divulgués » de son environnement de calcul depuis le lancement de ses engins spatiaux en janvier dernier.
Des applications qui dépassent l'observation terrestre
L'origine du projet NAVI-Orbital révèle une ambition qui va bien au-delà de la simple surveillance de la Terre. L'idée a germé dans l'esprit de Taran Cyriac John, chercheur au JPL, qui réfléchissait initialement à la conception d'assistants numériques destinés aux astronautes explorant la Lune ou Mars.
Comme l'a expliqué Delfa Victoria pour illustrer cette genèse : des astronautes équipés de combinaisons pressurisées ne peuvent pas facilement taper sur un clavier pour effectuer des tâches complexes. D'où l'idée de leur fournir un assistant interactif, à la manière de ce que l'on voit dans certains jeux vidéo ou films de science-fiction — une intelligence artificielle avec laquelle dialoguer naturellement pour accomplir une mission.
Les équipes ont toutefois pris soin de couper court à toute comparaison qui s'imposerait naturellement à l'esprit de tout amateur de science-fiction face à une IA conversationnelle embarquée dans l'espace : il ne s'agit surtout pas d'un nouveau HAL 9000, l'ordinateur de bord devenu malveillant dans 2001 : l'Odyssée de l'espace.
Les défis techniques restants
Les enseignements tirés du déploiement de ces modèles relativement compacts en orbite serviront directement à préparer le déploiement futur d'infrastructures de calcul à bien plus grande échelle dans l'espace — un défi qui se heurte à des contraintes très concrètes, en particulier dans les domaines aussi prosaïques mais essentiels que la gestion de l'énergie et de la mémoire disponible, deux ressources structurellement limitées à bord de tout engin spatial, contrairement à un centre de données terrestre alimenté sans contrainte particulière.
L'enjeu de la fiabilité et de la gouvernance de ces systèmes reste également entier. Confier à une intelligence artificielle embarquée la responsabilité de décider, de manière autonome, ce qui mérite d'être signalé ou transmis vers la Terre soulève des questions encore largement ouvertes : comment valider la justesse de ces décisions prises à plusieurs centaines de kilomètres d'altitude ? Qui est responsable en cas d'erreur d'interprétation du modèle ? Ces interrogations devront trouver des réponses au fur et à mesure que cette technologie se généralise.
Une nouvelle ère pour l'observation spatiale
Cette démonstration d'avril 2026 marque, à sa façon modeste mais significative, le passage d'une génération de satellites conçus comme de simples instruments télécommandés depuis le sol, vers une nouvelle génération d'engins capables d'un véritable raisonnement autonome sur ce qu'ils observent.
Les applications potentielles sont vastes : détection précoce de départs de feux de forêt ou de crues, surveillance de mouvements navals ou d'infrastructures sensibles, suivi en temps quasi réel de zones frontalières — autant de scénarios où la capacité d'un satellite à interpréter lui-même ce qu'il voit, sans attendre l'intervention d'un analyste humain, pourrait représenter un gain de temps déterminant.
Comme l'a résumé Paul Lasserre, désormais que le concept a fait ses preuves, c'est bien dans cette direction que s'oriente l'ensemble du secteur — celle d'une intelligence artificielle qui ne se contente plus de transmettre des images vers la Terre, mais qui commence, modestement, à comprendre ce qu'elle regarde.