L’homme a beau avoir mis le pied sur la Lune, l’atterrissage sur le sol très accidenté de notre satellite naturel n’est pas devenu une manœuvre banale pour autant : plusieurs tentatives récentes, de la part des agences spatiales japonaise, indienne et russe ont échoué. La pente trop inclinée d’un cratère peut faire basculer un engin spatial…
Pour sécuriser cette phase critique, l’Agence spatiale européenne (ESA), qui prévoit de poser son véhicule spatial Argonaut sur la Lune aux alentours de 2030, va faire appel à la vigilance d’une intelligence artificielle. Objectif : repérer les irrégularités dangereuses pour s’en éloigner.
Cette IA sera le fruit d’une collaboration avec l’université de technologie de Troyes (UTT) et l’université des sciences appliquées de Darmstadt, en Allemagne. Elle sera développée par le doctorant Patrick Bauer.
Le défi de l'apprentissage avec de maigres exemples
Les deux établissements avaient remporté au printemps 2024 un appel à projets lancé par l’ESA, en quête de solutions technologiques pour résoudre les problématiques de l’exploration lunaire. Le projet, long de trois ans, recevra un financement de 240000 euros. La réunion de démarrage a eu lieu en juillet dernier.
« Pendant l’atterrissage, le module spatial est livré à lui-même, explique Hichem Snoussi, professeur à l’UTT et spécialiste de l’IA et du machine learning. Il est équipé d’une caméra et d’un lidar. Notre rôle sera d’appliquer une IA aux images et aux nuages de points afin de détecter des cratères, des rochers et toute autre irrégularité. » L’atterrisseur pourrait ensuite être automatiquement « dérouté » vers une zone plus sûre.
Le hic, c’est le peu de matière pour l’apprentissage de l’IA. « Les images de la surface lunaire sont rares et leur annotation n’est pas simple, faute de données, confirme-t-il. Nous optons pour un modèle de vision-langage (VLM) que l’on va adapter (fine-tuner dans le jargon, ndlr) pour qu’il puisse identifier des objets sans passer par l’étape d’annotation. »
Comment détecter l'inconnu
Ces VLM, dont la popularité est croissante en robotique notamment, sont entraînés à partir d’associations d’images et de leur description. Ils analysent ensuite le texte d’une requête pour retrouver l’objet demandé dans une image.
Le VLM choisi pour ce projet est assez généraliste et disponible « dans la littérature (scientifique) », indique Hichem Snoussi, sans autre précision. « Mais on l’enrichit avec la segmentation (les objets sont isolés au pixel près, ndlr), poursuit-il, ainsi qu’avec le one-shot-learning (ou apprentissage ponctuel, ndlr) : si je lui présente un exemple de cratère, le modèle ressort tous les cratères ressemblants. Un VLM est très performant pour établir ce genre de correspondance. »
Mais ce n’est que la première partie du projet. « La surface lunaire est méconnue, rappelle Hichem Snoussi. Les images prises durant l’atterrissage peuvent contenir des formes qui n’ont pas été classées auparavant. » Des zones également à éviter, par précaution.
La détection d’anomalies est l’un des domaines d’expertise de l’UTT, selon le professeur. « L’algorithme apprend, au cours d’une période d’observation, ce qu’est la normalité et détecte le hors-cadre », précise-t-il. Il s’agit d’un apprentissage non supervisé puisque l’humain ne montre pas explicitement les défauts. Dans ce cas de figure, une banque d’images de l’ESA enseignera la normalité à l’IA.
La performance puis l'allègement
L’atterrissage étant réalisé de manière autonome, l’inférence devra se faire à bord et en temps réel. Comment faire pour que les ressources informatiques soient suffisantes, alors le critère du poids est essentiel dans le spatial ? « A la demande de l’ESA, nous nous concentrons d’abord des performances, répond Hichem Snoussi. Dans un deuxième temps, certaines techniques, comme la distillation, serviront à alléger les modèles en vue de les embarquer, sans sacrifier les performances. »
Reste le sujet épineux de la confiance que l’on peut accorder aux décisions prises par l’IA, particulièrement crucial quand les missions lunaires seront habitées. « On n’a pas encore creusé cette question », admet Hichem Snoussi. Il est vrai que l’échéance est encore lointaine.
