Dans le spatial, l'IA n'a pas droit à l'erreur

Lorsqu'une alarme se déclenche dans la salle de contrôle de l'agence spatiale européenne (ESA), le temps est un facteur crucial pour l'équipe de contrôle des vols. Dans un métier où chaque minute compte, concevoir un assistant opérationnel reliant les différentes données provenant de divers systèmes est un tournant décisif. Fini de chercher parmi les décennies de documentations dispersées à travers l'organisation. "Sur nos 50 cas d'usages, 21 servent à trouver ce que l'on sait déjà", confesse Maureen Alanic, stratège en déploiement de l'IA à l'ESA. Les opérateurs peuvent désormais poser des questions en langage courant à l'assistant : Cette erreur s'est-elle déjà produite auparavant ? Sur quel type de sous-système ? Et comment y avons-nous remédié ? "Cela leur permet également de gagner un temps considérable", déclare-t-elle. Elle ajoute au passage que le gain de temps reste la meilleure manière de mesurer l'efficacité de ces outils, disponibles sur une même plateforme d'IA souveraine. Même chose pour les ingénieurs chargés des essais. "Ils doivent être assez rapides pour trouver la réponse, et elle se trouve toujours quelque part", explique Maureen Alanic. En évitant à ces ingénieurs de trifouiller parmi de nombreux manuels complexes, le dépannage s'accélère et le métier se facilite. 

Une data factory avant le LLM 

"Nos activités sont extrêmement variées. Les documents sont dispersés un peu partout, et il est souvent difficile d'extraire des informations de ce savoir caché", explique Alexander Zoechbauer, ingénieur en machine learning à l'ESA. Pour être ainsi capable de retrouver et d'extraire "la connaissance cachée", l'Agence Spatiale européenne a dû structurer ses données. Il y a trois ans environ, l'agence est passée d'un data lake à une data factory. Le but : vérifier que toutes les données étaient correctement structurées, créées et étiquetées avec différentes métadonnées. "Si c'était à refaire, au lieu de développer en parallèle un prototype basé sur un LLM, je pense qu'il aurait été plus avantageux pour nous de poursuivre notre investissement dans la data factory et de réfléchir à la meilleure manière d'élaborer des solutions à partir de cette infrastructure", confie Maureen Alanic. 

Il faut dire que la perception du temps diffère à l'ESA. Là où un projet en entreprise dure une, deux ou trois années, les missions spatiales, elles, s'étalent sur des décennies. Le secteur spatial est aussi intrinsèquement plus prudent que la plupart des autres milieux. "Nous n'appliquons pas le principe 'move fast and break things'", déclare Alexander Zoechbauer. Si l'innovation progresse plus lentement, ce rythme est adapté au domaine spatial, où la fiabilité et la sécurité sont primordiales. Une erreur faite par l'IA peut par exemple compromettre une mission de plusieurs centaines de millions d'euros. Le secteur est donc très exigeant par défaut, avec aucune tolérance envers les hallucinations. Les exigences internes de fiabilité, de sécurité des données et de contrôle d'accès sont mêmes plus strictes que les réglementations européennes standards - auxquelles l'ESA n'est pas soumise, en tant qu'organisation intergouvernementale. "Et, aujourd'hui, nos exigences deviennent encore plus strictes, car les agences s'orientent progressivement vers les technologies à double usage, couvrant à la fois des activités civiles et militaires", annonce Maureen Alanic. 

Souveraineté : la réversibilité avant l'indépendance 

Être souverain apparaît alors comme un critère essentiel dans ces deux cas. Pour Maureen Alanic, "la véritable souveraineté ne réside pas dans une indépendance absolue, quasi impossible en raison de la dépendance aux GPU américains, mais dans la réversibilité et le contrôle complet du système". L'approche de l'ESA consiste donc à pouvoir changer de modèle ou de brique d'infrastructure, rapidement et sans reconstruire tout le système. "Nous avons beaucoup collaboré avec Mistral, qui a largement contribué à nos succès", ajoute-elle. Mais l'ambition de réversibilité technologique reste un vœu pieux si elle ne s'appuie pas sur une gouvernance industrielle rigoureuse. Si la première vague d'expérimentation de l'IA a vu fleurir des projets en silo dans différents départements, cette phase spontanée a rapidement montré ses limites. Passer à l'échelle en environnement critique exige de surmonter la partie la plus ardue du déploiement, à savoir la sécurisation et l'intégration opérationnelle. Cette partie représente 80 % du travail selon les deux membres de l'ESA. En réunissant ses forces au sein d'un centre de compétences et en structurant sa plateforme IA mutualisée, l'agence a transformé une juxtaposition de prototypes en une véritable capacité industrielle. "Ce n'est pas seulement un argument politique, c'est aussi un argument économique. Aujourd'hui, chaque fois que l'on développe un nouveau cas d'usage, cela ne coûte qu'une fraction du coût de notre premier cas d'usage", conclut Maureen Alanic.