NASA et IBM font bon usage de l’intelligence artificielle pour le secteur de l’exploration spatiale. L’agence spatiale américaine et le géant des mainframes lancent le NASA-IBM Lunar Foundation Model, un modèle open source disponible sur Hugging Face et spécialement conçu pour analyser la surface lunaire. Ce modèle peut notamment repérer des zones susceptibles d’abriter de la glace et identifier différents reliefs.
Une IA adaptée aux particularités de la Lune
Cette initiative prolonge la collaboration entre la NASA et IBM autour de modèles d’IA scientifiques. L’environnement lunaire impose toutefois des contraintes spécifiques : faute d’atmosphère, les ombres sont extrêmement tranchées et les zones plongées dans l’obscurité ne fournissent quasiment aucune information exploitable aux algorithmes.
Image générée par IA
Les chercheurs ont donc modifié leur méthode d’entraînement en séparant la Lune en grandes zones distinctes. Sur la recherche de secteurs potentiellement riches en glace, le nouveau modèle a réduit les erreurs de 23 % face à SwinV2-B, un système de vision artificielle utilisé comme référence. Pour la classification des cratères, il a obtenu un résultat supérieur de 19 %, tout en nécessitant deux fois moins de données d’apprentissage.
Plus de deux millions de points de données accessibles
Le modèle s’appuie notamment sur les observations du Lunar Reconnaissance Orbiter, déjà à l’origine de cartes très détaillées de la Lune, ainsi que sur les missions GRAIL et japonaise SELENE. NASA et IBM publient également un vaste jeu de données co-enregistré réunissant plus de deux millions de points afin de permettre à d’autres chercheurs de développer leurs propres modèles.
« Les données sont ce qui crée réellement l’industrie des modèles d’IA », souligne Juan Bernabé-Moreno, directeur d’IBM Research Europe.
Après Artemis II, la NASA prépare les prochaines étapes de son retour sur la Lune et les technologies nécessaires à une future base lunaire. Dans ce contexte, une IA capable de repérer la glace, classifier les cratères et accélérer l’analyse des images pourrait devenir un outil précieux pour préparer les prochaines missions.
