« L’objectif, à terme, c’est de créer un satellite intelligent qui comprend ce qu’il regarde ». A la tête des projets et technologies avancés pour l’observation et la navigation chez Thales Alenia Space en Italie, Quirino Morante résume l’ambition qui sous-tend la collaboration entre ce fabricant de satellites et le Phi-lab de l’Agence spatiale européenne (ESA), un accélérateur d’innovations que cette organisation a inauguré en 2017. Pour la petite histoire, ce partenariat avait débuté en 2019, avant que le virus du Covid ne fasse irruption.
Le qualificatif « intelligent » est comme souvent exagéré, mais le projet n’en reste pas moins un défi technologique. Car l’IA à bord de ce satellite, dont le lancement est prévu vers 2024-2025, ne procédera pas à de l’analyse d’image standard : elle exploitera directement les données produites par le radar à synthèse d’ouverture (SAR, synthetic aperture radar, ou radar imageur) dudit satellite et pourra identifier des infrastructures, tels des ponts, et la nature du terrain (mer, terre, zone côtière, etc.) balayées par l’instrument.
L’idée directrice est de gagner du temps. « Actuellement, ce type de satellite transmet les données brutes au centre de contrôle, au sol, et ces données sont ensuite traitées pour devenir des images interprétables par des humains, explique Quirino Morante. Mais on a juste besoin de l’information nécessaire pour prendre une décision rapide, qu’il s’agisse de surveiller une frontière ou d’envoyer un bateau pour sauver des vies en pleine mer. »
Une IA placée en orbite accomplirait un premier travail de classification salvateur et économiserait en outre de la bande passante - ressource rare et chère dans l’espace –, en ne transmettant que l’information utile.
Une IA fiable à 99,95 %
Pour modéliser cette IA, Thales Alenia Space et le Phi-lab ont utilisé un réseau de neurones convolutif. Celui-ci a été entraîné à partir de données ouvertes (open data) provenant des satellites Sentinel du programme Copernicus, dédié à l’observation de la Terre et coordonné par l’ESA.
« L’apprentissage supervisé a permis d’établir des corrélations entre les données brutes issues du radar et les images finales qui comportent les objets (mers, ponts, etc) à caractériser », détaille Quirino Morante.
Les essais, réalisés en laboratoire sur une carte accélératrice Myriad Movidius de la marque Intel, ont montré que l’identification de ces objets était fiable à 99,95%. « On a réussi par exemple à repérer un bateau sur la mer », souligne cet expert.
Cette puissance de calcul permet désormais d’exécuter des réseaux de neurone en orbite et de tirer parti de leurs grandes capacités d’inférence. A titre d’illustration, la même carte accélératrice est déjà à l’œuvre dans le cubesat Phi-sat-1 de l’ESA, qui a rejoint l’orbite terrestre en septembre 2020.
Dans ce cas, l’IA embarquée a pour but, avant transmission, d’éliminer les images (acquises dans le spectre visible et proche infrarouge notamment) dans lesquelles la surface terrestre est masquée par la couverture nuageuse.
Outre ce projet, Thales Alenia Space et l’ESA ont affiché leur intention de multiplier les sujets de recherche en commun ces prochains mois, sous la forme d’innovations ouvertes. Il sera par exemple question d’IA distribuée, pour coordonner des missions entre satellites appartenant à une même constellation, et aussi de réalité immersive.
