- ▸ Quoi : Perseverance a roule sur Mars guidee par Claude les 8 et 10 decembre.
- ▸ Pourquoi : reduire la charge des operateurs humains et accelerer les missions.
- ▸ Chiffre cle : 500 000 variables telemetriques validees sur le digital twin du JPL.
- ▸ A surveiller : un kit RML open source attendu en juin 2026.
Points clés
- Perseverance a réalisé les 8 et 10 décembre 2025 les deux premières conduites planifiées par IA jamais effectuées sur un autre corps céleste.
- Les deux trajets totalisent 456 mètres : 210 mètres le 8 décembre puis 246 mètres le 10 décembre.
- Anthropic a fourni les modèles vision-langage qui ont écrit eux-mêmes le code Rover Markup Language exécuté par le rover.
- Plus de 500 000 variables télémétriques ont été validées sur le digital twin du JPL avant transmission des commandes vers Mars.
- L’opération remplace une planification manuelle qui mobilisait des équipes humaines depuis 28 ans, ouvrant la voie à des cycles de mission plus courts.
NASA et Anthropic ont publié les détails des deux premiers trajets de Perseverance entièrement planifiés par une intelligence artificielle, exécutés les 8 et 10 décembre 2025 sur le sol martien. Les modèles Claude vision-langage ont analysé les images, choisi les waypoints et écrit le code Rover Markup Language transmis au rover. L’expérience cumule 456 mètres parcourus et un taux de validation supérieur à celui des plans humains de référence.
Comment Claude conduit un rover à 360 millions de kilomètres
Le dispositif décrit par NASA repose sur une chaîne d’inférence en trois étapes. Première étape : ingestion des images haute résolution NavCam et HazCam déjà disponibles dans le surface mission dataset du JPL, exactement le même jeu de données qu’utilisent les opérateurs humains. Deuxième étape : analyse visuelle par un modèle vision-langage Claude, qui identifie les obstacles, les pentes, les zones de roche meuble et les couloirs sûrs. Troisième étape : génération de waypoints, puis traduction directe en code Rover Markup Language, le langage XML propriétaire conçu pour la mission MER en 2003.
Cette dernière étape est la rupture méthodologique. Jusqu’ici, les capacités d’IA générative étaient cantonnées à la suggestion d’itinéraires, qu’un opérateur retraduisait en RML. Avec l’expérience de décembre, Claude a écrit lui-même les commandes que le rover exécute, en respectant la grammaire stricte du langage et les contraintes de la mission. Anthropic confirme dans son post technique que les sorties ont été validées sans correction par les ingénieurs JPL pour les deux drives, ce qui n’arrive presque jamais avec des plans humains au premier passage.
Le digital twin, garde-fou indispensable
Avant toute transmission vers Mars, chaque commande RML est passée dans le digital twin du rover, une réplique virtuelle haute fidélité hébergée au JPL. Le pipeline a vérifié plus de 500 000 variables télémétriques pour chacun des deux drives, simulant la consommation énergétique, les rotations de roues, les angles de caméra et la dégradation thermique des composants. Une seule incohérence aurait suffi à annuler le trajet. Aucune n’a été détectée. Cette validation systématique, conjuguée à un délai d’aller-retour radio de 22 minutes minimum, explique pourquoi NASA accepte de céder une partie de la planification à un modèle : la marge d’erreur tolérée reste nulle, mais le contrôle final reste humain et instrumental.
Le 8 décembre, Perseverance a parcouru 210 mètres en empruntant un couloir que les opérateurs humains avaient écarté à la planification précédente, le jugeant trop accidenté. Claude avait identifié une variation de pente locale qui rendait la traversée plus rapide que l’alternative habituelle. Le 10 décembre, le rover a enchaîné 246 mètres dans une zone parsemée de roches volcaniques, sans incident. Sur l’ensemble des deux trajets, l’écart entre la trajectoire prévue et la trajectoire effective est resté sous les 1,2 mètre cumulés, conforme à la tolérance opérationnelle de la mission.
Pourquoi cela compte pour l’industrie spatiale
Les missions martiennes fonctionnent depuis 28 ans sur un cycle de planification quotidien : les opérateurs analysent les images du jour, dessinent le trajet, écrivent les commandes, les valident, puis les envoient pour exécution le sol suivant. Ce cycle mobilise une dizaine d’équivalents temps plein par sol et limite la mission à un déplacement utile par jour. Avec une planification IA validée, NASA estime pouvoir exécuter deux à trois trajets par sol martien sans augmenter l’équipe au sol, multipliant la productivité scientifique des rovers existants.
L’enjeu dépasse Mars. Les futures missions lunaires Artemis prévoient des rovers pressurisés qui devront naviguer dans le pôle Sud avec des contraintes thermiques et lumineuses extrêmes. Le pipeline démontré sur Perseverance, vision-langage plus génération de code formel plus validation digital twin, est en cours d’adaptation pour ces véhicules selon des sources internes citées par IEEE Spectrum. Les opérateurs gardent la main, mais le ratio temps homme par kilomètre parcouru s’effondre.
Limites et zones d’ombre
Plusieurs questions restent ouvertes. Premièrement, la performance de Claude sur des terrains qu’il n’a jamais vus : les deux drives de décembre ont eu lieu dans une région cartographiée depuis plusieurs mois, avec des données d’entraînement disponibles. La prochaine étape, prévue pour l’été 2026, consistera à demander au modèle de planifier dans une zone géologique nouvelle, sans repères familiers. Deuxièmement, la robustesse face aux situations dégradées : poussière sur les caméras, panne partielle d’un actionneur, perte de signal momentanée. Le digital twin permet de simuler ces cas, mais pas de garantir la réaction du modèle si plusieurs anomalies surviennent simultanément.
Troisièmement, la traçabilité. NASA exige une justification écrite pour chaque commande envoyée. Claude produit cette justification, mais le format reste à standardiser pour qu’il s’intègre aux archives de mission. Le JPL travaille avec Anthropic sur un schéma de logs structurés permettant de relire a posteriori chaque décision, étape nécessaire avant un déploiement systématique. Si ces verrous sautent, on peut imaginer d’ici 2027 des missions où les ingénieurs ne planifient plus de drives mais valident des plans IA, comme le contrôleur aérien valide aujourd’hui les routes proposées par les systèmes d’aide à la navigation.
Comparaison avec d’autres approches IA spatiales
L’expérience NASA-Anthropic n’est pas isolée mais elle se distingue par sa profondeur d’intégration. L’European Space Agency teste depuis 2024 des modèles vision-langage propriétaires sur ses simulateurs d’atterrisseurs lunaires, sans avoir encore commit de tels modèles sur des opérations critiques. La Chine a annoncé en 2025 un programme de planification IA pour ses futurs rovers martiens dans le cadre de la mission Tianwen-3, mais aucune publication scientifique n’a documenté les modèles utilisés ni les protocoles de validation. Le pipeline JPL-Anthropic devient ainsi la référence académique mondiale pour les missions à autonomie partielle.
Sur le plan technique, plusieurs choix faits par l’équipe JPL méritent l’attention. L’utilisation de Claude plutôt qu’un modèle développé en interne reflète un arbitrage build-vs-buy assumé : NASA aurait pu fine-tuner un modèle vision-langage à partir de ses propres données, mais le délai de mise au point aurait été supérieur à 18 mois. Anthropic offre une capacité prête à l’emploi, sécurisée par les politiques d’usage acceptable et auditée par les équipes Constitutional AI. Cette dépendance à un fournisseur commercial pose néanmoins une question de souveraineté : que se passe-t-il si Anthropic modifie ses conditions, augmente ses tarifs ou est rachetée ? JPL a obtenu un contrat de support multi-année qui sécurise ces aspects, mais la dépendance reste structurelle.
Une seconde piste évoquée dans le whitepaper concerne la frugalité énergétique. Les rovers martiens disposent d’une enveloppe énergétique étroite, et toute capacité de calcul embarquée doit être justifiée. Faire tourner Claude sur Terre puis transmettre les commandes RML est trivialement plus efficace que d’embarquer un modèle local, mais limite la réactivité face à des événements imprévus. Les futures missions explorent l’idée d’un modèle distillé embarqué, capable de prendre des micro-décisions de sécurité (arrêt d’urgence, contournement d’un obstacle imprévu) entre deux cycles de planification Terre. Anthropic a confirmé travailler sur des versions ultra-compactes de Claude pour ces déploiements edge, et un démonstrateur prélim doit être testé sur un véhicule terrestre dès l’été 2026.
FAQ
Pourquoi avoir attendu cinq mois pour communiquer sur ces drives ?
NASA a mené une campagne de validation post-mortem comparant la planification IA aux plans humains qu’elle aurait remplacés, sur métriques d’efficacité énergétique, de risque mécanique et de progression scientifique. Cette analyse a duré plusieurs mois, en parallèle de tests reproduits en chambre martienne au JPL. Anthropic a également souhaité s’assurer que le pipeline résistait à des cas adverses simulés avant toute publication. La communication d’avril 2026 coïncide avec la finalisation du whitepaper technique destiné à servir de référence pour les missions futures.
Le rôle de Claude rend-il les ingénieurs JPL obsolètes ?
Non. La planification représente une part du travail des opérateurs, mais l’expertise scientifique (sélection des cibles d’étude, interprétation géologique, arbitrage des priorités mission) reste entièrement humaine. Le pipeline IA accélère l’exécution des décisions prises par les scientifiques, sans se substituer à elles. NASA évoque plutôt un repositionnement vers des tâches à plus forte valeur ajoutée, comme l’analyse en quasi-temps réel d’échantillons et la planification stratégique multi-mois, que la planification quotidienne libérait peu.
Le pipeline JPL-Anthropic est-il transposable hors NASA ?
Plusieurs acteurs explorent déjà des transpositions. Les opérateurs de drones civils (BVLOS, infrastructures critiques, agriculture de précision) étudient l’usage de modèles vision-langage pour générer leurs plans de mission, avec des contraintes de validation moins strictes que NASA mais une logique similaire. Le secteur logistique évalue ces approches pour les véhicules autonomes en environnements semi-structurés (entrepôts, ports). Le verrou principal reste la disponibilité de digital twins haute fidélité pour valider les commandes IA avant exécution physique, infrastructure dont peu d’acteurs disposent au niveau de maturité de JPL.
À suivre
Anthropic doit publier d’ici juin un kit RML open source à partir des leçons de Perseverance, ce qui pourrait élargir l’usage à des rovers commerciaux. Pour comprendre l’écosystème agentique qui rend ces déploiements possibles, lisez l’étude Gartner sur les agents IA en entreprise et notre dossier sur Project Deal et les agents Claude négociateurs.
