NASA et IBM ont publié le 10 septembre 2026 le NASA-IBM Lunar Foundation Model, un modèle fondation open source destiné à la science lunaire. En clair, il transforme un vaste ensemble d’observations de la Lune en outil réutilisable pour estimer la prospectivité de la glace, cartographier les cratères et étudier des structures volcaniques. Mais attention au raccourci tentant : une carte de prospectivité n’est pas une preuve de glace.
Un modèle d’IA conçu pour la recherche lunaire
Le NASA-IBM Lunar Foundation Model est un modèle fondation pour l’analyse de données de télédétection lunaire. Ce type de modèle apprend des représentations générales à partir d’un grand volume d’images, puis peut être adapté à des tâches plus ciblées avec une quantité limitée de données annotées.
NASA et IBM l’ont conçu pour plusieurs usages : estimer la stabilité et la localisation probable de glace près des pôles, cartographier les cratères, repérer des changements de surface et analyser les irregular mare patches, des structures volcaniques à l’aspect relativement jeune. L’intégration au toolkit open source TerraTorch doit faciliter cette adaptation pour les travaux scientifiques.
Le modèle, ses jeux de données, ses collections de référence et son rapport technique ont été publiés avec le projet. La release comprend également le code associé au modèle.
Un apprentissage fondé sur 17 années d’observations
La principale source d’entraînement est le Lunar Reconnaissance Orbiter, dont les observations couvrent 17 années. Le corpus représente environ 2 millions de tuiles d’images, avec des données qui n’ont pas toutes la même résolution ni la même nature :
- plus d’un million d’images à environ 1 mètre par pixel ;
- près de 964 000 images multispectrales à environ 100 mètres par pixel.
D’autres données proviennent de GRAIL, de Lunar Prospector et de la mission Kaguya de la Japan Aerospace Exploration Agency. Cette combinaison est importante : le modèle ne se limite pas à reconnaître des formes dans une image isolée, il peut exploiter plusieurs types d’observations de la surface lunaire.
La prospectivité de la glace n’est pas une détection
Le modèle ne détecte pas directement de la glace sur la Lune. Il estime plutôt les zones où la glace pourrait être présente ou rester stable, y compris à proximité de la surface et sous celle-ci. La sortie doit donc se lire comme une estimation de prospectivité, pas comme la confirmation d’un gisement d’eau gelée.
Cette nuance est particulièrement importante pour les régions polaires. Une carte colorée peut montrer des conditions jugées favorables par le modèle, mais elle ne remplace pas une confirmation physique sur place. Le visuel scientifique associé compare des cartes polaires et des sorties de modèles sur une échelle de prospectivité allant de 0,0 à 1,0, avec une barre d’échelle de 10 km.
La différence peut sembler sémantique, mais elle change complètement la portée scientifique du résultat : le modèle aide à choisir où concentrer l’analyse, il ne transforme pas une prédiction en découverte confirmée.
Cartographier les cratères et les changements de surface
Le modèle peut aussi être adapté à la cartographie des cratères. NASA décrit une démonstration fondée sur des images du Lunar Reconnaissance Orbiter prises avant et après l’impact d’un corps de fusée SpaceX près d’Einstein crater. Après son adaptation, le modèle a mis en évidence le nouveau cratère séparément des cratères déjà présents.
Cette démonstration montre l’intérêt de comparer des observations prises à des moments différents : une modification locale devient plus facile à repérer dans un paysage lunaire déjà couvert de milliers de marques d’impact. Elle ne constitue pas pour autant une garantie générale de détection en temps réel ni un système prêt à guider une mission.
Le même principe d’adaptation peut servir à d’autres tâches scientifiques. Les structures volcaniques irrégulières, par exemple, intéressent les chercheurs parce que leur âge et leur répartition peuvent aider à mieux comprendre l’histoire thermique et volcanique de la Lune.
Les structures volcaniques racontent une histoire encore discutée
Les irregular mare patches sont de petites structures volcaniques qui semblent relativement jeunes à l’échelle de l’histoire lunaire. Leur cartographie systématique permet d’étudier leur distribution et leurs propriétés, deux éléments utiles pour examiner l’évolution thermique de la Lune.
Ici encore, l’intérêt du modèle tient moins à une réponse automatique définitive qu’à sa capacité à parcourir de grands volumes d’images et à produire une base de travail cohérente. Les scientifiques peuvent ensuite examiner les résultats, sélectionner les zones pertinentes et adapter le modèle à une tâche particulière.
Un accélérateur de recherche, pas une autorisation d’atterrir
Le NASA-IBM Lunar Foundation Model est donc un outil de cartographie et d’analyse scientifique. Il peut aider à organiser les observations lunaires, à repérer des motifs et à préparer de nouvelles études. Il ne constitue pas un système de certification d’un site d’atterrissage et ne remplace pas l’évaluation des risques opérationnels.
Son intérêt concret est ailleurs : rendre plus exploitable un archivage gigantesque, relier des observations provenant de plusieurs missions et permettre une adaptation plus rapide à des questions précises. Pour les chercheurs, cela peut réduire le travail nécessaire pour passer d’une archive brute à une carte interprétable. Pour le grand public, la règle à retenir est simple : l’IA peut indiquer où chercher ; elle ne prouve pas encore ce qui s’y trouve.
