Comment l’intelligence artificielle (IA) peut-elle aider à repérer les « puits lunaires » et les « fenêtres célestes », ces dépressions et ouvertures à la surface de la Lune qui donnent accès à des cavernes et tunnels de lave ? Une récente étude publiée dans la prestigieuse revue Icarus s’est penchée sur cette question. Une équipe internationale de chercheurs a exploré l’utilisation d’algorithmes d’apprentissage automatique pour détecter de manière plus efficace ces structures dans les régions volcaniques de la Lune, appelées « maria lunaires ». Ce travail ouvre la voie à de nouvelles approches dans l’identification des caractéristiques essentielles des surfaces planétaires, précieuses pour l’exploration robotique et humaine.
Pour cette étude, les scientifiques ont testé plusieurs modèles de deep learning afin de repérer puits et fenêtres célestes à partir d’images orbitales de la Lune et de Mars. Leur objectif : enrichir la liste des 16 éléments déjà recensés dans l’Atlas des puits lunaires. Le modèle a notamment été entraîné grâce à l’image du puits bien connu du Mare Tranquillitatis, dont le rayon minimal est estimé à 100 mètres et la profondeur à environ 105 mètres. Résultat, le modèle baptisé ESSA (Entrances to Sub-Surface Areas) s’est révélé le plus performant, identifiant deux nouvelles fenêtres célestes alors qu’il n’a analysé qu’environ 1,92 % des maria lunaires.
L’étude souligne que « puisque ESSA n’a couvert jusqu’à présent qu’environ 0,23 % de la surface lunaire, il reste énormément de données à exploiter. Pour rechercher puits et fenêtres liés aux entrées potentielles de cavernes, les maria devraient être prioritairement explorés par ESSA. Jusqu’ici, l’algorithme a surtout été appliqué à de petits dépôts lunaires bien délimités, comme ceux situés dans des cratères d’impact. Cependant, avec un temps suffisant pour le traitement des images, ESSA pourrait également analyser des maria plus vastes, comme le Mare Frigoris, en procédant par intervalles latitude-longitude. »
Ces puits et fenêtres lunaires jouent un rôle majeur : ils ouvrent la voie vers des cavernes de lave souterraines, véritables refuges protecteurs pour les futures missions humaines et robotiques. Contrairement à la Terre, la Lune est dépourvue d’atmosphère dotée d’une couche d’ozone et de champ magnétique, exposant ainsi les explorateurs aux radiations solaires et cosmiques. Dans la série télévisée National Geographic Mars, les tubes de lave servent d’abris sûrs pour les premiers colons martiens, confrontés aux mêmes dangers en l’absence de bouclier naturel.
Cette avancée arrive à point nommé alors que la NASA s’apprête à renvoyer des humains sur la Lune avec le programme Artemis, le premier depuis la mission Apollo 17 en 1972. Si Artemis prévoit d’atterrir près du pôle sud lunaire, loin des tunnels et cavernes de lave, cette étude montre que l’intelligence artificielle pourrait jouer un rôle crucial dans l’identification des ressources lunaires clés – comme la glace d’eau enfouie dans des cratères profonds – indispensables pour une exploitation future sur place.
Plus largement, l’usage de l’IA et des modèles de machine learning en science planétaire accélère notre compréhension des corps célestes, qu’ils soient proches ou lointains, petits ou grands, dans notre système solaire ou au-delà.
Comment l’intelligence artificielle aidera-t-elle à débusquer ces puits, fenêtres, et autres caractéristiques essentielles sur la Lune et ailleurs dans les prochaines années ? Le temps nous le dira, et c’est précisément pour ça qu’on fait de la science !
Continuez à explorer, et surtout, n’oubliez pas de lever les yeux vers les étoiles !
Points à retenir
- L’IA, grâce au deep learning, facilite la détection automatisée de structures lunaires complexes, même avec un pourcentage restreint de la surface analysée.
- Le modèle ESSA a tiré profit de données sur la Lune et Mars, preuve que ces techniques sont adaptables à différents corps célestes.
- Les puits et fenêtres lunaires ne sont pas de simples curiosités géologiques, mais des portes possibles vers des protections naturelles contre les radiations.
- Avec Artemis, penser à l’IA pour cartographier la Lune, c’est échapper aux aléas d’une chasse au trésor à l’aveugle sous un ciel interplanétaire.
- En cherchant ces ouvertures, ce sont aussi des ressources comme l’eau glacée qu’on pourrait identifier, un enjeu crucial pour les futures bases lunaires.
- Les séries comme National Geographic Mars ne font pas que divertir : elles offrent des idées plausibles sur la protection des astronautes dans des environnements hostiles.
En fin de compte, observer la Lune avec l’aide d’algorithmes, c’est un peu comme confier son exploration à un robot curieux et très minutieux, capable de détecter ce que l’œil humain manquerait. Pourtant, il faudra passer du virtuel au réel, et là, je me demande si ce n’est pas à nous, bons vieux humains imparfaits, de savoir jongler entre science de pointe et astuces de terrain. Après tout, qui mieux que nous pour tester sur le terrain ce que la machine aura flairé dans l’ombre ?