Pour la première fois dans l’histoire de l’exploration spatiale, un rover martien a parcouru la surface d’une autre planète en suivant un itinéraire entièrement conçu par une intelligence artificielle. Les 8 et 10 décembre 2025, le rover Perseverance a traversé près de 400 mètres du cratère Jezero sur Mars en empruntant un chemin planifié par Claude, le modèle d’IA développé par Anthropic. Une avancée technologique majeure qui marque un tournant dans la manière dont l’humanité explore les mondes lointains.
Perseverance, un rover déjà riche en premières historiques
Depuis son atterrissage sur Mars en février 2021, Perseverance a multiplié les premières, premiers enregistrements audio depuis la planète rouge, collecte d’échantillons destinés à un futur retour sur Terre, production d’oxygène à partir de l’atmosphère martienne. Cette nouvelle étape franchit toutefois un cap supplémentaire, en déléguant à une IA une tâche critique à très forte valeur opérationnelle, la planification autonome des déplacements.
Les distances parcourues, 210 mètres le 8 décembre puis 246 mètres deux jours plus tard, peuvent sembler modestes. Elles sont pourtant significatives dans un environnement où chaque déplacement est risqué et coûteux, tant sur le plan financier que scientifique.
Une tâche jusque-là réservée aux humains
Jusqu’à présent, chaque mouvement de Perseverance nécessitait le travail minutieux d’équipes entières d’ingénieurs du Jet Propulsion Laboratory (JPL). Ces derniers passaient des heures à analyser des images orbitales, des modèles numériques de terrain et des données topographiques pour tracer des routes sûres. Les waypoints étaient positionnés avec une extrême prudence, souvent espacés de moins de 100 mètres, afin d’éviter roches, pentes abruptes, champs de blocs ou ondulations de sable.
Cette méthode, bien que fiable, limitait fortement le rythme d’exploration. En pratique, Perseverance ne parcourt que 100 à 300 mètres par sol (jour martien) lorsqu’il est en mouvement1. Un frein majeur à l’ambition scientifique de la mission.
Claude réduit de moitié le temps de planification
C’est précisément cette contrainte que l’IA vient corriger. En collaboration étroite avec les ingénieurs du JPL, Claude a été entraîné à analyser les mêmes données que les planificateurs humains, images haute résolution de la caméra HiRISE embarquée sur Mars Reconnaissance Orbiter, modèles numériques d’élévation et données de terrain.
Grâce à ses capacités de vision et de raisonnement, le modèle est désormais capable d’identifier les zones dangereuses et de générer un itinéraire continu avec des points de passage adaptés. Selon la NASA, cette approche permet de réduire de moitié le temps nécessaire à la planification des routes2. Un gain considérable qui ouvre la voie à davantage de déplacements, plus de données scientifiques et une exploration plus rapide de la planète.
Des garde-fous humains stricts
Pas question pour autant de laisser l’IA agir seule. Chaque itinéraire généré par Claude a été rigoureusement vérifié par les équipes du JPL. Les propositions de l’IA ont été testées dans un simulateur numérique, un véritable jumeau digital de Perseverance utilisé quotidiennement pour valider les commandes envoyées au rover.
Avant transmission vers Mars via le Deep Space Network, plus de 500 000 variables télémétriques ont été examinées3. Dans la majorité des cas, seuls des ajustements mineurs ont été nécessaires. L’un d’eux concernait des ondulations de sable visibles sur des images prises au sol que l’IA n’avait pas intégrées. Les opérateurs ont alors affiné localement la trajectoire. Dans l’ensemble, le parcours est resté fidèle au plan initial et le rover a franchi la zone avec succès.
Une autonomie indispensable pour les missions lointaines
Pour la NASA, cette démonstration va bien au-delà d’un simple gain de temps. Elle répond à une contrainte fondamentale de l’exploration spatiale, le délai de communication. Entre la Terre et Mars, celui-ci varie de 4 à 24 minutes selon les positions orbitales. Pour des destinations plus éloignées, comme les lunes de Jupiter ou de Saturne, le délai se compte en heures4.
Dans ces conditions, des systèmes capables de prendre des décisions complexes en autonomie deviennent indispensables. Comme le souligne Vandi Verma, roboticienne spatiale au JPL, l’IA générative montre un potentiel majeur pour rationaliser les piliers de la navigation hors-planète, perception, localisation, planification et contrôle.
Enjeux éthiques et responsabilité de l’autonomie
Déléguer une partie du contrôle à une IA pose néanmoins des questions éthiques et opérationnelles. Qui est responsable en cas d’erreur ? Comment garantir que les décisions prises par l’IA restent alignées avec les objectifs scientifiques et les contraintes de sécurité ? La NASA insiste sur un point clé, l’humain reste dans la boucle. L’IA n’est pas un décideur final, mais un outil d’aide à la décision, soumis à validation systématique.
Cette approche progressive illustre une philosophie de l’autonomie contrôlée, où l’IA élargit les capacités humaines sans les remplacer. Un modèle appelé à se généraliser à mesure que les missions s’éloignent et se complexifient5.
Une nouvelle ère pour l’exploration spatiale
Il y a moins d’un an, le même modèle d’IA peinait à terminer une partie de Pokémon Rouge. Aujourd’hui, il planifie avec succès des itinéraires pour un rover de plusieurs centaines de millions de dollars sur une autre planète. Cette évolution rapide illustre le potentiel des IA génératives lorsqu’elles sont intégrées à des environnements critiques et encadrées par des protocoles stricts.
En confiant à une IA la planification de trajets sur Mars, la NASA ne se contente pas d’améliorer l’efficacité d’une mission. Elle ouvre la voie à une exploration spatiale plus autonome, plus réactive et plus ambitieuse. Une étape clé pour préparer les futures missions vers des mondes encore plus lointains.
Pour aller plus loin
L’autonomisation croissante des missions spatiales par l’intelligence artificielle s’inscrit dans une dynamique plus large d’intégration de l’IA au cœur des ambitions spatiales privées et publiques. Sur un sujet complémentaire, découvrez notre article « SpaceX rachète xAI, l’IA au cœur de l’ambition spatiale de Musk », qui analyse comment les acteurs industriels structurent désormais leurs stratégies spatiales autour de capacités avancées en intelligence artificielle.
Références
1. NASA JPL. (2023). Mars rover mobility and planning constraints.
https://mars.nasa.gov
2. NASA. (2025). AI-assisted route planning for Mars rovers.
https://www.nasa.gov
3. Anthropic. (2025). Claude in high-stakes autonomous planning.
https://www.anthropic.com
4. ESA. (2024). Deep space communications and latency.
https://www.esa.int
5. IEEE. (2023). Human-in-the-loop autonomy for space systems.
https://ieeexplore.ieee.org