Un satellite mort, sept éclats, et une IA qui s’est trompée

Une IA qui délimite ce qu’elle ne peut pas déterminer est plus utile que dix avertissements sur les risques d’hallucination.

Le 27 juillet 2026 à 23h04, un membre de mon club d’astronomie photographie la nébuleuse du Cocon. Sur une pose de soixante secondes, une traînée barre le champ avec des éclats réguliers. Moins de quatorze heures plus tard, l’objet est identifié. Un satellite Globalstar hors service, lancé en 1999, en rotation libre à 1 655 kilomètres d’altitude. Son éclat se répète toutes les 3,57 secondes, à sept centièmes près.

Le photographe m’a transmis son image, puis le fichier brut du capteur. Il ne savait pas quoi en faire, j’ai donc fait le reste sur mon Mac.

Au départ, il s’agissait de rendre service au club, rien de plus. Personne ne cherchait à apprendre quoi que ce soit sur l’intelligence artificielle.

Ce n’est pas non plus un article d’astronomie. C’est un cas d’école sur la façon dont une IA se trompe, et surtout sur ce qui permet de s’en apercevoir.

Les moments qui comptent dans cette enquête se retrouvent tels quels dans n’importe quelle analyse en entreprise. À chaque étape, un encadré reprend ce que j’en tire pour mon propre travail.

Une réponse plausible, et fausse

Le photographe pensait à un flash Iridium. C’était le réflexe d’une génération d’observateurs : les 66 satellites de la constellation d’origine, avec leurs trois grandes antennes polies, produisaient des éclats prévisibles.

L’IA écarte l’hypothèse immédiatement, et elle a raison. La constellation a été désorbitée entre 2017 et fin 2019. Le dernier flash observable date de décembre 2019. Les satellites qui les ont remplacés n’ont pas ces panneaux plats. À porter à son crédit : elle corrige une intuition humaine sur une base factuelle solide.

Puis elle regarde l’image et conclut : six traînées parallèles sur une seule pose de soixante secondes, ce sont plusieurs satellites qui se suivent sur la même orbite, probablement une file Starlink. Le raisonnement est cohérent. La conclusion est fausse.

Il faut noter ce que l’IA signale elle-même à ce moment. L’image que je lui ai transmise est un JPEG, recadré dans une proportion qu’elle ignore. Or sans savoir de combien l’image a été rognée, impossible de dire quelle portion de ciel elle couvre. Et donc impossible de convertir la longueur d’une traînée en vitesse réelle. Elle le dit franchement : ses estimations s’étalent sur un facteur six, ce qui place l’objet n’importe où entre l’orbite moyenne et une orbite très haute. Inexploitable en l’état.

Elle avait donc identifié la faiblesse de sa donnée d’entrée. Et elle a quand même affirmé le reste avec assurance.

EN ENTREPRISE
C’est exactement le scénario que je vois se produire. Une capture d’écran, un export partiel, un PDF scanné. L’IA raisonne correctement sur une donnée fausse, et livre une conclusion fausse avec le même ton qu’une conclusion juste. Rien dans la formulation ne permet de distinguer les deux.

Ce que la donnée brute a changé

Je lui donne alors le fichier brut sorti du capteur. En astronomie il porte l’extension FITS. Même modèle, même question, autre matière.

Le programme balaie l’image dans 120 directions différentes, à la recherche de segments rectilignes. Il en trouve sept, un de plus que ce que le JPEG laissait voir. Tous inclinés du même angle, et surtout tous posés sur la même ligne droite, avec un écart quadratique moyen de 1,4 pixel sur une longueur de 4 857. Ramené à l’échelle humaine, c’est une file de sept objets alignés sur cinquante mètres avec un centimètre et demi d’écart en moyenne.

Il n’y a donc pas sept satellites. Il y a un seul objet, dont l’éclat s’allume et s’éteint pendant qu’il traverse le champ. Sept éclats, six intervalles entre eux, et ces six intervalles se tiennent à 1 % près. Une régularité pareille n’est pas du hasard : c’est une surface réfléchissante qui repasse face à l’observateur à cadence fixe. L’objet tourne sur lui-même, et il ne renvoie la lumière du Soleil qu’à certains moments de sa rotation.

Ce n’est pas moi qui ai débusqué l’erreur, c’est la mesure qui l’a imposée.

L’écart entre les deux réponses ne tient ni au modèle, ni à la formulation de la question. Il tient au format du fichier. Un JPEG est une copie compressée, recadrée, redimensionnée. Le FITS est ce que le capteur a réellement enregistré, avec tout ce qui permet de l’interpréter : la portion de ciel que couvre chaque pixel, la direction exacte dans laquelle pointait le télescope, l’instant du déclenchement à la microseconde.

EN ENTREPRISE
Quand une réponse me paraît fausse, mon premier réflexe n’est plus de reformuler la question. Je regarde ce que j’ai donné à analyser. La plupart du temps le problème est là : un tableau collé en texte brut qui a perdu ses colonnes, un PDF scanné sans couche texte, un export filtré dont j’avais oublié le filtre. Reformuler ne répare rien.

Reste que c’est le même geste qui améliore la réponse et qui expose. Une photo de club ne coûte rien à envoyer. Un export client, c’est un autre calcul : le fichier qui rend l’analyse possible est aussi celui qui contient tout ce qu’on n’avait pas prévu de transmettre.

Il y a un point à relever ici. À ce stade, l’IA sait quelle distance l’objet a parcourue dans le ciel. Elle ne sait pas combien de temps il a mis. La pose dure soixante secondes, mais l’objet a pu entrer et sortir du champ en six secondes comme en soixante : l’image est identique dans les deux cas. Or sans la durée, pas de vitesse. Et sans vitesse, pas d’altitude.

Plutôt que de trancher au hasard, elle pose les quatre scénarios possibles côte à côte, avec l’altitude que chacun impliquerait. Puis elle indique lequel est statistiquement le plus probable. C’est l’inverse d’une hallucination.

La suite montrera d’ailleurs qu’elle s’était trompée. L’altitude réelle tombe hors de la fourchette qu’elle jugeait la plus probable, l’objet était plus haut et plus lent que son pari. Elle tombe en revanche à l’intérieur du tableau qu’elle avait posé, et c’est là toute la différence.

Le suspect le plus proche n’était pas le bon

L’identification passe par Space-Track, le catalogue américain des objets en orbite. C’est le seul qui recense aussi les débris et les étages de fusée abandonnés, et il faut y ouvrir un compte pour l’interroger. Le script récupère la position de 29 596 objets, puis calcule où chacun se trouvait pendant les soixante secondes de la pose. Quatre passaient assez près pour être suspectés.

Le plus proche de tous est un débris du lanceur chinois Longue Marche 6A. Il passait à 0,22 degré du centre du champ, autant dire dessus. C’est le suspect évident.

Il est innocenté. Sa trajectoire formait un angle de 89 degrés avec la traînée mesurée, soit presque la perpendiculaire. Il allait dans la mauvaise direction.

Un vieux satellite Molniya est écarté pour une autre raison. Vu depuis le sol, il se déplaçait si lentement qu’il lui aurait fallu près de huit minutes pour parcourir la trace. La pose dure une minute. Impossible. Un troisième candidat est écarté sur sa direction.

Reste Globalstar M056. Sa trajectoire coïncide avec la traînée mesurée à 3 degrés près, et il traversait le champ en 22,8 secondes, ce qui tient largement dans la pose. Le seul compatible avec les deux critères.

Voilà le point que je retiens de cette étape. Le critère intuitif était la proximité, et il désignait le mauvais objet. Le critère qui tranche était la direction. Sans lui, on accusait le débris.

EN ENTREPRISE
Je rencontre ce défaut en permanence dans les analyses produites avec une IA. On lui demande ce qui ressort, elle donne la variable la plus corrélée, et cette variable finit présentée comme la cause. La bonne question n’est pas « qu’est-ce qui colle », mais « qu’est-ce qui permettrait d’éliminer ». Un critère qui confirme tout ne prouve rien.

Une preuve que rien n’obligeait à tomber juste

Un second script calcule le chemin que M056 aurait dû suivre dans le ciel, et le superpose à la photo. Il enfile les sept éclats l’un après l’autre, sur toute la largeur du capteur. L’écart médian entre la position prédite et la position mesurée est inférieur à un centième de degré. C’est le diamètre apparent d’une pièce de un euro vue à deux cents mètres.

Rien dans le calcul de cette trajectoire n’utilise la position des éclats. Ils ont été localisés sur l’image, la trajectoire vient du catalogue orbital.

Mais la vérification qui compte est ailleurs. L’altitude de l’objet est recalculée séparément à son entrée dans le champ et à sa sortie. Deux calculs indépendants, à 22 secondes d’intervalle, sur deux positions différentes.

Entrée : 1 656 kilomètres. Sortie : 1 655 kilomètres.

Rien ne les obligeait à tomber d’accord. Ce n’est pas la finesse de l’ajustement qui valide la chaîne, c’est cette concordance. Elle valide d’un coup la calibration de l’image, le calcul de l’orbite et la position de l’observateur sur la Terre.

EN ENTREPRISE
C’est le seul contrôle auquel je fais vraiment confiance. Faire refaire le calcul par un chemin indépendant, puis regarder si les deux résultats tombent d’accord. Redemander à une IA de vérifier son propre chiffre ne vérifie rien, elle le répète. Deux méthodes qui n’avaient aucune raison de converger, c’est autre chose.

Deuxième recoupement, indépendant du premier. Les Globalstar en service travaillent à 1 414 kilomètres. Celui-ci est 240 kilomètres plus haut, sur ce qu’on appelle une orbite de rebut : la zone où l’on relègue les satellites en fin de vie pour libérer l’altitude de travail. Il y a été poussé volontairement.

Et le clignotement lui-même était déjà une preuve. Un satellite en service maintient en permanence son orientation, panneaux solaires face au Soleil et antennes vers la Terre. Il ne clignote pas de façon périodique. Celui qui clignote a perdu le contrôle de son orientation.

Il faut ajouter que l’IA a signalé spontanément une faiblesse dans ses propres résultats. L’objet s’éloigne pendant qu’il traverse le champ. Si la rotation est régulière, l’écart apparent entre deux éclats aurait donc dû se resserrer légèrement. Elle l’avait mesuré identique d’un bout à l’autre. L’écart reste dans les marges d’incertitude. Elle le désigne quand même comme le maillon le plus faible de la démonstration.

Ce que ce travail n’a pas été

L’IA n’a rien fait seule. Deux erreurs de code ont dû être corrigées, dont une syntaxe incompatible avec la version de Python installée. Le seul catalogue qu’elle pouvait joindre ne recensait ni les débris ni les étages de fusée, et celui qui les recense demande un compte. Je l’ai créé, j’ai lancé les scripts sur mon Mac, et je lui ai recollé les sorties du terminal.

Ce qu’elle a fait, c’est autre chose. Elle a transformé une question sans réponse en protocole de mesure, puis écrit le code qui l’exécute. Le gain réel n’est pas un gain de temps. Sans elle, cette enquête n’aurait pas eu lieu. Un club d’astronomie amateur n’écrit pas un programme de détection d’alignements et de calcul d’orbites pour une seule photo.

EN ENTREPRISE
Je me méfie des calculs en heures gagnées. Ce que j’observe est ailleurs : des travaux qui n’auraient jamais été lancés le sont, parce que le ticket d’entrée a baissé. C’est un effet plus intéressant qu’un gain de productivité, et plus difficile à chiffrer. Il reste par ailleurs toujours quelqu’un pour créer le compte, lancer le script et corriger le code.

Et si tout a tenu, c’est pour une raison qu’il faut nommer. À chaque étape, il existait un moyen concret d’avoir tort. L’hypothèse Iridium se vérifiait dans les archives. Les six satellites parallèles se réfutaient par une mesure sur le fichier d’origine. Les quatre candidats se départageaient par leur vitesse et leur direction. Chaque affirmation portait en elle sa propre condition de démenti.

C’est toute la différence entre une démonstration et une réponse convaincante. Produire la seconde ne coûte rien à une IA.

La plupart des questions qu’on lui pose en entreprise ne se prêtent pas à la première. C’est là qu’est la vraie difficulté, bien plus que dans les hallucinations.

Photographie : Laurent D. , club Cassini.

L’analyse complète a fait l’objet d’un rapport créé par IA de six pages rédigé pour le club : mesures détaillées, tableaux d’élimination des candidats et géométrie de l’observation. C’est la version technique, destinée aux astronomes.

Télécharger le rapport (PDF, 2,8 Mo)