Un satellite apprend à trouver des objets tout seul

Introduction

Un satellite de observation de la Terre a réussi à trouver ce qu’il cherchait sans l’aide d’analystes humains. Cette étape marque la première utilisation d’un modèle de vision-langage dans l’espace et ouvre des perspectives sur les capacités futures des capteurs spatiaux.

Contexte Technique

Le satellite Yam-9, construit par Loft Orbital, utilise un logiciel développé par le Jet Propulsion Laboratory de la NASA, qui intègre le modèle de vision-langage Gemma 3 de Google DeepMind. Ce modèle permet d’analyser des images et de comprendre le contexte, ce qui lui permet de répondre à des requêtes en langage naturel.

Le modèle Gemma 3 est conçu pour fonctionner sur du matériel limité, loin des centres de données. Il combine la compréhension contextuelle des grands modèles de langage avec la capacité d’analyser des images. Les chercheurs ont demandé au modèle de classifier des données de capteurs pour identifier des zones d’intérêt, comme les zones où l’environnement naturel rencontre le développement humain.

Analyse et Implications

Cette démonstration est significative à deux égards. À court terme, elle pourrait rendre les capteurs spatiaux plus utiles en effectuant une première triage des données en orbite, réduisant ainsi le flux de données brutes que les analystes doivent traiter. À long terme, elle prouve la possibilité de faire fonctionner une infrastructure IA plus importante dans l’espace.

Paul Lasserre, responsable de l’IA chez Loft, a déclaré que cela ouvre la porte à des « couches de patrouille toujours actives dans l’espace ». Avec un modèle de vision-langage, il est possible de demander au satellite de surveiller une frontière et de signaler tout mouvement suspect.

Perspective

Loft Orbital prévoit de déployer une constellation de satellites pour assurer une couverture en temps réel de la Terre. L’entreprise a déjà lancé 12 satellites et prévoit d’en lancer entre 50 et 100 supplémentaires pour atteindre cet objectif.

Les leçons tirées de ce déploiement de modèles plus petits dans l’espace éclaireront la façon dont les entreprises tenteront de déployer des infrastructures de calcul plus importantes dans l’espace, en particulier dans les domaines de la gestion de l’énergie et de la mémoire.