// CLUBIC — INTELLIGENZA ARTIFICIALE
Une IA de la NASA et d’IBM part à la chasse à la glace sur la Lune
Un nouveau modèle ouvert doit aider les chercheurs à repérer plus vite les zones lunaires les plus intéressantes. Derrière la cartographie, l’enjeu est surtout de trouver les ressources nécessaires à de futurs séjours prolongés sur la Lune.
Deux millions d’échantillons pour mieux savoir où poser les yeux sur la Lune. La NASA et IBM viennent de publier leur Lunar Foundation Model, une IA conçue pour accélérer l’analyse des données lunaires et repérer des zones susceptibles d’abriter de la glace, de nouveaux cratères ou, encore, des traces d’activité volcanique. Mais outre l’aspect scientifique, cette IA pourrait surtout aider l’agence spatiale américaine à préparer les prochaines missions habitées. Quitte à atterrir et à séjourner sur la Lune, autant le faire à proximité d’un gisement potentiel de glace d’eau.
Lunar Foundation Model adapte aux observations lunaires la méthode d’apprentissage de TerraMind. Ce modèle repose sur un encodeur visuel ViT-B associé à un décodeur de type Transformer. Entraîné à partir de zéro sur près de deux millions d’échantillons, il combine des images, notamment de la sonde Lunar Reconnaissance Orbiter, à différentes définitions jusqu’à un mètre par pixel avec des informations sur le relief, les températures et l’éclairage.
Pendant l’apprentissage, certaines données ont été masquées et l’IA a dû les reconstruire à partir des autres observations pour apprendre les relations entre ces mesures. La position du Soleil faisait également partie des paramètres fournis, afin de mieux interpréter les ombres qui modifient fortement l’apparence du terrain. Les chercheurs ont pu ensuite spécialiser cette base dans la détection de cratères, de formations volcaniques ou, encore, la recherche de zones favorables à la glace, sans recommencer tout l’entraînement.
Lors d’une démonstration, l’IA a retrouvé le cratère formé près du cratère Einstein par l’impact d’un étage supérieur de Falcon 9, le 5 août 2026. Un exemple de sa capacité à faire ressortir automatiquement des formations difficiles à repérer dans d’immenses volumes d’images.
La recherche de glace est évidemment le volet le plus stratégique. Si elle peut être extraite et traitée sur place, l’eau lunaire servirait à alimenter les équipages, produire de l’oxygène et, potentiellement, fabriquer certains propergols. De quoi réduire une partie des ravitaillements depuis la Terre.
Évitons toutefois de transformer ce modèle en baguette de sourcier. Lunar Foundation Model identifiera surtout les zones où les conditions semblent favorables à la conservation de glace ; cette IA ne mesurera pas directement la présence d’un dépôt. Sa documentation précise d’ailleurs que ce modèle n’est pas destiné à valider un site d’alunissage ni à évaluer seul les risques d’une mission.
L’intelligence artificielle peut donc indiquer où regarder, mais pour découvrir ce qui se cache réellement sous le régolithe de la Lune, il faudra désormais y renvoyer des astronautes et les laisser gratter la surface.