Contexte et enjeux

Les satellites en orbite basse disposent d’une capacité de calcul très limitée. La plupart des missions transmettent leurs données brutes vers des stations au sol, ce qui impose des contraintes de bande passante et de temps de visibilité : un satellite n’est généralement au-dessus d’une antenne terrestre que quelques minutes par jour. Cette architecture entraîne une perte d’information et un coût opérationnel élevé.

Satlyt, fondée en 2024 par Rama Afullo – ancien product manager de Starlink chez SpaceX et ancien cloud architect chez Google – propose de déplacer une partie du traitement vers le satellite grâce à l’intelligence artificielle. En octobre 2026, la startup a clôturé une levée de fonds de 8 M$ menée par Non Sibi Ventures, ce qui finance le développement de versions plus puissantes de son logiciel.

Architecture de la plateforme Satlyt

La solution repose sur l’intégration de GPU capables d’exécuter des modèles de langage de grande taille. Le premier déploiement, réalisé en mars 2026 sur une plateforme construite par Momentus Inc., utilise le modèle open‑source Gemma 3 1B de Google. Le logiciel capte les logs du système, applique le modèle pour identifier la cause racine d’erreurs et propose automatiquement un correctif. Cette chaîne de traitement s’exécute entièrement à bord, limitant la quantité de télémétrie à renvoyer vers le sol.

Satlyt prévoit de migrer vers Gemma 4 E2B, un modèle plus récent et plus performant. L’objectif déclaré est de réduire la consommation mémoire du modèle de plus de 90 %, afin de rendre l’inférence viable sur des processeurs embarqués de faible capacité.

Performances et évaluations

Lors d’une série de simulations d’erreurs logicielles courantes, la plateforme a diminué le volume de télémétrie à transmettre de plus de 64 %. Cette réduction provient de deux mécanismes : (1) le filtrage en temps réel des logs non pertinents grâce à l’analyse sémantique du modèle, et (2) la génération de résumés structurés qui remplacent les flux de données brutes. Le gain de bande passante se traduit directement en une plus grande fenêtre de communication disponible pour les données scientifiques.

En avril 2026, Satlyt a annoncé le lancement d’un second satellite, embarqué sur une fusée SpaceX, destiné à des expérimentations avec la NASA. Le client Stellerian Inc. utilisera la même pile logicielle pour exécuter des algorithmes de traitement d’images directement en orbite, illustrant la polyvalence du cadre au‑delà de la simple détection d’erreurs.

Perspectives et limites

Le projet de distribution de charges de travail entre plusieurs satellites, prévu pour 2027, repose sur un orchestrateur capable de synchroniser les états de modèles AI sur une constellation. Cette approche pourrait multiplier la capacité de calcul globale, mais elle introduit des défis de cohérence des modèles, de latence inter‑satellite et de sécurisation des échanges.

Les limites actuelles restent liées à la puissance de calcul disponible à bord et à la consommation énergétique des GPU. Même avec une optimisation de la mémoire de 90 %, les modèles restent gourmands en énergie, ce qui impose des compromis sur la durée de vie des batteries. De plus, la dépendance à des modèles open‑source expose la plateforme à des vulnérabilités potentielles si les versions ne sont pas régulièrement patchées.