Simulation &
Traitement de l'Information

Le pôle IA du DSTI développe des architectures d'apprentissage profond et d'apprentissage par renforcement spécifiquement conçues pour les contraintes du spatial : ressources de calcul limitées, latence de communication prohibitive avec la Terre, fiabilité absolue requise en environnement hostile. Ces contraintes imposent une approche radicalement différente de l'IA grand public.

Les recherches portent notamment sur la compression de modèles neuronaux pour déploiement embarqué (pruning, quantification, distillation), sur les architectures tolérantes aux fautes induites par les rayonnements cosmiques, et sur les méthodes d'apprentissage fédéré permettant à plusieurs engins de partager des connaissances sans rapatrier leurs données brutes.

Un axe prospectif travaille sur l'IA explicable (XAI) pour les systèmes de décision critique en mission habitée, où les équipages doivent pouvoir comprendre et contester les recommandations de l'IA de bord. Les travaux alimentent directement le développement du système ARES (Autonomous Reasoning and Executive System) du programme ARTEMIS-9.

Le Laboratoire des Systèmes Autonomes (LSA) du DSTI conçoit les architectures logicielles et les algorithmes de décision qui permettent à un engin spatial de fonctionner de manière indépendante, en l'absence de contact avec le contrôle au sol. Ce défi est particulièrement critique pour les missions vers Mars ou les astéroïdes lointains, où les délais de communication atteignent plusieurs dizaines de minutes.

Les chercheurs travaillent sur la planification autonome de mission, la navigation relative entre engins (rendez-vous orbital autonome, formation flying), l'atterrissage de précision sur corps sans atmosphère et la gestion autonome des ressources à bord. Ces travaux mobilisent à la fois des techniques d'IA, de théorie du contrôle et de robotique spatiale.

Le LSA pilote actuellement le développement du système de navigation autonome du programme LYNX, un démonstrateur de rover lunaire autonome dont la mission de qualification est prévue pour 2028. Le rover devra traverser 15 km de terrain accidenté sans intervention humaine directe.

Le pôle traitement du signal du DSTI développe les méthodes mathématiques et algorithmiques qui permettent d'extraire de l'information utile à partir de signaux bruités, incomplets ou dégradés par le milieu spatial. Ces techniques sont au cœur de la télémétrie, des communications intersatellites, de la télédétection et de l'instrumentation scientifique embarquée.

Les recherches portent en particulier sur le traitement des données de synthèse d'ouverture radar (SAR) pour l'observation de la Terre, sur les algorithmes de compression sans perte adaptés aux contraintes de bande passante des liens de communication profonds, et sur la détection de signaux faibles dans les données des instruments astrophysiques du programme DAI.

Un programme collaboratif avec le CNES porte sur la conception d'architectures de traitement reconfigurables (FPGA) permettant d'adapter les algorithmes de traitement du signal en vol, en réponse à l'évolution des conditions de la mission ou à la détection d'événements inattendus.

Le pôle HPC (High Performance Computing) du DSTI gère et fait évoluer le supercalculateur HÉRA-4, l'une des infrastructures de calcul scientifique les plus puissantes du secteur aérospatial français avec une puissance de crête de 18 Pflop/s. Il développe également les méthodes algorithmiques qui permettent d'exploiter efficacement ces ressources pour des simulations d'une complexité sans précédent.

Les travaux de recherche portent sur la parallélisation massive des codes de simulation, l'optimisation des communications inter-nœuds à grande échelle, et le développement d'algorithmes spécifiquement adaptés aux architectures hétérogènes combinant CPU, GPU et accélérateurs neuromorphiques. Ces travaux sont publiés dans les conférences SC et ISC de référence.

Le pôle pilote également la transition vers le calcul quantique hybride, en développant des algorithmes exploitant les premiers processeurs quantiques disponibles pour accélérer des sous-problèmes d'optimisation combinatoire issus des simulations de trajectoire et de planification de mission.

Le pôle modélisation numérique développe les formalismes mathématiques et les méthodes d'approximation qui transforment les équations physiques continues en problèmes discrets solubles par ordinateur. Les approches cultivées incluent les éléments finis, les volumes finis, les méthodes spectrales et les méthodes sans maillage (meshfree), chacune adaptée à des classes spécifiques de problèmes aérospatiaux.

Un effort important porte sur le développement de modèles de turbulence avancés pour la mécanique des fluides — en particulier les approches hybrides RANS/LES et les méthodes DNS massivement parallèles — qui constituent le soubassement des simulations de chambres de combustion et de rentrée atmosphérique du DPET.

Le pôle développe également des techniques de réduction de modèle (ROM) basées sur la décomposition propre orthogonale (POD) et les réseaux neuronaux physiquement informés (PINN), permettant de ramener des simulations de plusieurs heures à quelques secondes pour les applications de contrôle temps réel et d'optimisation.

Le pôle simulation multi-physique est la discipline la plus transversale du DSTI. Il développe la plateforme COSMOS-3, un environnement de simulation intégré permettant de coupler simultanément des phénomènes de nature différente — mécanique des structures, thermique, aérodynamique, électromagnétisme, chimie — au sein d'un même calcul cohérent.

Cette capacité est indispensable pour simuler fidèlement des systèmes complexes comme une chambre de combustion (couplage fluide-thermique-chimie-rayonnement), une rentrée atmosphérique (couplage aérothermodynamique-ablation-structure) ou un satellite en orbite (couplage thermique-mécanique-électronique). COSMOS-3 est utilisé par six des huit départements de l'IFRAS.

L'axe le plus récent porte sur les jumeaux numériques — répliques numériques continues d'engins réels, alimentées par les données télémesurées en temps réel. Ces jumeaux permettent de diagnostiquer les anomalies, de prédire les défaillances et d'optimiser les opérations à distance pour les missions en cours.