Des centaines de fusées lancées chaque année : voici comment l’intelligence artificielle réinvente leur propulsion vers Mars

Des réacteurs nucléaires aux moteurs à fusion, des chercheurs misent sur l’IA pour optimiser la propulsion des fusées vers Mars et au-delà.

Dans un article technique repris en français par le média scientifique Futura, une équipe d’ingénieurs et de doctorants décrit comment l’intelligence artificielle, et en particulier l’« apprentissage par renforcement », pourrait transformer en profondeur la propulsion spatiale. Des concepts comme les réacteurs nucléaires thermiques ou les systèmes à fusion compactes deviennent soudain plus réalistes pour les futures missions vers Mars, notamment aux États-Unis et au Japon.

Comment l’intelligence artificielle s’invite dans les moteurs de fusée

Les auteurs, une équipe de recherche en ingénierie spatiale, expliquent que l’IA ne se contente plus d’analyser des images ou de générer du texte. Dans leur laboratoire, elle devient un outil de conception et de pilotage pour des systèmes de propulsion extrêmement complexes, que l’intuition humaine seule peine à optimiser.

L’apprentissage automatique consiste à repérer des modèles dans de grandes quantités de données. Un sous-ensemble clé, l’apprentissage par renforcement, fonctionne comme un entraînement continu : la machine teste des actions, mesure le résultat et ajuste sa stratégie pour se rapprocher de l’objectif, exactement comme un joueur d’échecs qui progresse en disputant des milliers de parties.

L’apprentissage par renforcement apprend à un algorithme à piloter un système réel, en testant des décisions, en observant le résultat puis en corrigeant la trajectoire, jusqu’à atteindre des performances inaccessibles à une simple intuition humaine.

Transposé à l’espace, ce principe permet par exemple de chercher automatiquement la trajectoire la plus économe en carburant pour un voyage interplanétaire, ou de trouver la configuration de moteur qui transfère le plus efficacement la chaleur vers le propergol.

Vers des fusées à propulsion nucléaire plus rapides pour Mars

Au cœur de ces travaux figure un objectif : rendre crédible la propulsion nucléaire pour des missions habitées vers Mars. Deux grands types de réactions sont envisagés.

• La fission : scission d’atomes lourds comme l’uranium ou le plutonium, déjà utilisée dans les réacteurs nucléaires terrestres et certains générateurs spatiaux.
• La fusion : union d’atomes légers comme l’hydrogène, avec un rendement énergétique potentiel encore plus élevé, mais des conditions d’allumage bien plus extrêmes.

La fission est déjà présente dans l’exploration spatiale. Les générateurs thermoélectriques à radio-isotopes qui alimentent les sondes Voyager ou le rover Curiosity sur Mars reposent sur la chaleur produite par la désintégration du plutonium-238, enfermée dans une enveloppe robuste, par exemple en graphite.

Pour propulser réellement des vaisseaux, les ingénieurs regardent du côté de la propulsion nucléaire thermique : un réacteur chauffe un gaz, en général de l’hydrogène, qui est ensuite expulsé par une tuyère pour produire de la poussée. Cette approche promet des trajets plus rapides que la propulsion électrique par plasma et un meilleur rendement que la combustion chimique classique.

Dès les années 1960, le programme Nerva de la Nasa testait déjà de tels moteurs, avec du combustible d’uranium solide moulé en blocs prismatiques. Depuis, d’innombrables géométries ont été imaginées, des lits de billes de céramique aux anneaux percés de canaux complexes.

Conception des réacteurs : ce que l’apprentissage par renforcement change

La question centrale reste le transfert de chaleur entre le combustible nucléaire et l’hydrogène. Plus ce transfert est efficace, plus la poussée augmente, sans nécessairement accroître le combustible embarqué. Or ce problème combine un grand nombre de paramètres : propriétés des matériaux, formes internes du cœur, débits de gaz, pressions, températures, cycles de fonctionnement.

Optimiser la géométrie d’un réacteur nucléaire de fusée revient à jongler avec des milliers de configurations possibles : l’apprentissage par renforcement sert ici de super-optimiseur, capable de tester virtuellement en quelques heures ce qui prendrait des années d’essais classiques.

Les algorithmes peuvent par exemple :

• faire varier la structure des canaux par lesquels circule l’hydrogène ;
• simuler les effets de nouveaux matériaux céramiques ou composites ;
• adapter le débit de gaz en fonction de la puissance instantanée du réacteur ;
• rechercher automatiquement les combinaisons qui maximisent le rendement thermique sans dépasser les limites de sécurité.

Les chercheurs comparent ce rôle à celui d’un thermostat très sophistiqué, pilotant en continu la température d’un moteur soumis à des conditions extrêmes. En pratique, l’algorithme joue sur les paramètres virtuels, mesure l’impact sur la température, la poussée ou la consommation d’hydrogène, puis affine pas à pas sa stratégie.

Contrôler la fusion compacte grâce à l’IA

L’article évoque aussi la fusion nucléaire comme horizon encore plus ambitieux. Des installations gigantesques, comme le tokamak JT‑60SA au Japon, cherchent à démontrer la viabilité de cette source d’énergie. Mais leurs dimensions les rendent incompatibles avec des engins spatiaux.

Pour une application à la propulsion, les chercheurs s’intéressent à des concepts plus compacts, comme les « polywells ». Ces dispositifs ont la taille d’un petit cube et confinent le plasma au moyen de champs magnétiques complexes, afin d’atteindre les températures et pressions nécessaires à la fusion.

Le contrôle précis de ces champs est un casse-tête. Ils doivent retenir les atomes d’hydrogène suffisamment longtemps pour qu’ils fusionnent, tout en évitant les fuites de plasma et les instabilités. L’apprentissage par renforcement apparaît comme un candidat idéal pour ajuster en temps réel l’intensité et l’orientation des bobines magnétiques.

Dans un réacteur de type polywell, l’IA peut piloter les champs magnétiques comme un chef d’orchestre, corrigeant en continu le confinement du plasma pour maintenir les conditions de fusion sans intervention humaine directe.

Une fois cette étape franchie, une source de chaleur à fusion pourrait elle aussi alimenter un système de propulsion nucléaire thermique, avec un rendement énergétique théorique très élevé pour des voyages interplanétaires ou interstellaires.

Gérer le carburant en temps réel : un enjeu crucial pour les futures missions

L’apport de l’apprentissage par renforcement ne se limite pas à la phase de conception. Les auteurs soulignent son rôle potentiel dans la gestion du carburant pendant le vol, pour des missions aux scénarios multiples.

Dans l’industrie spatiale actuelle, un même satellite peut assurer plusieurs fonctions : observation, télécommunications, alerte antimissile, etc. Le satellite LM400 de Lockheed Martin illustre cette tendance à la plateforme polyvalente adaptable, utilisée notamment dans un contexte militaire.

Cette flexibilité crée une inconnue : difficile de prévoir très en amont quelle quantité de carburant sera nécessaire pour chaque manœuvre, à quel moment et avec quelle priorité. Un algorithme d’apprentissage par renforcement, entraîné sur des milliers de scénarios, pourrait dresser une sorte de « budget carburant dynamique » et décider, en cours de mission, du meilleur compromis entre consommation et objectifs opérationnels.

Où en est la France sur l’IA et la propulsion spatiale ?

La source met surtout en avant des projets américains et japonais, mais les enjeux intéressent directement les acteurs français. L’Agence spatiale européenne, dont la France est un pilier, travaille déjà sur des scénarios de voyage vers Mars, même si elle ne développe pas à ce stade de grand programme de propulsion nucléaire pour fusées comparable aux projets étudiés par la Nasa.

En France, le Centre national d’études spatiales (CNES) et des industriels comme ArianeGroup s’intéressent à l’optimisation des trajectoires, à la réduction de la consommation de carburant et au pilotage automatique des lanceurs. L’utilisation de techniques proches de l’apprentissage par renforcement apparaît progressivement dans ces domaines, notamment pour :

• améliorer le guidage des étages réutilisables ;
• optimiser la répartition de la poussée durant l’ascension ;
• gérer la vie d’un satellite en orbite, de sa mise à poste à sa désorbitation.

En revanche, toute évolution vers la propulsion nucléaire soulèverait en Europe des questions supplémentaires de sûreté, de réglementation et d’acceptabilité publique, en particulier pour les lancements depuis le sol. Les autorités françaises devraient alors encadrer des sujets sensibles : conditions de lancement, procédures en cas d’échec, gestion du combustible radioactif.

Ce que l’IA change concrètement pour un voyage vers Mars

Pour un lecteur français, l’enjeu dépasse le simple aspect technologique. L’usage de l’IA et de la propulsion nucléaire pourrait modifier en profondeur la manière de concevoir une mission martienne habitée. Avec un moteur plus efficace, le temps de trajet diminuerait, réduisant l’exposition des astronautes aux radiations cosmiques et aux effets de l’apesanteur prolongée.

Un système de pilotage basé sur l’apprentissage par renforcement permettrait par exemple :

Un avantage majeur réside dans la capacité à gérer l’imprévu. Les missions lointaines, comme celles vers Mars, restent vulnérables à des défaillances partielles de systèmes, à des événements solaires ou à l’apparition d’objectifs scientifiques inattendus. Un pilote automatique intelligent, entraîné bien avant le décollage sur des milliers de scénarios, devient alors une assurance supplémentaire pour la sécurité de l’équipage.

Quelques notions techniques éclaircies

Deux termes reviennent souvent dans ces recherches : plasma et générateur thermoélectrique à radio‑isotopes.

Le plasma désigne un gaz tellement chauffé que ses atomes sont partiellement ou totalement ionisés, c’est‑à‑dire qu’ils ont perdu ou gagné des électrons. Ce mélange de particules chargées réagit fortement aux champs magnétiques et électriques. De nombreux propulseurs spatiaux actuels, dits électriques, accélèrent justement un plasma pour produire une poussée très efficace, mais relativement faible.

Le générateur thermoélectrique à radio‑isotopes, lui, utilise la chaleur libérée par la désintégration naturelle d’un matériau radioactif, comme le plutonium‑238. Cette chaleur est transformée directement en électricité via des modules thermoélectriques, sans pièces mécaniques en mouvement. Ce type de générateur fournit une alimentation stable pendant des années, idéale pour les sondes lointaines, même si sa puissance reste limitée.

Les travaux présentés par Futura suggèrent que ces briques technologiques, combinées à l’IA et à des concepts de réacteurs nucléaires plus ambitieux, pourraient à terme nourrir une nouvelle génération d’engins spatiaux. Des centaines de fusées décollent déjà chaque année pour mettre en orbite satellites et sondes. La façon dont elles seront propulsées dans vingt ou trente ans, notamment vers Mars, se joue aujourd’hui dans les laboratoires où l’apprentissage par renforcement apprend à piloter la chaleur, le plasma et le carburant avec une précision inédite.