SESAM (Space Experiment for Satellite AI Monitoring) est une expérience de démonstration visant à embarquer plusieurs algorithmes d’Intelligence Artificielle (IA) à bord de satellites avec comme objectif de faire de la détection d’anomalies ou de signaux faibles atypiques pouvant présager d’une anomalie. Cette détection se basera sur des paramètres satellite mesurés à bord tels que des températures d'équipement ou des tensions d'alimentation et sera réalisée directement en vol.

Cette expérience sera embarquée sur le nanosatellite AeroSat du CNES dont le lancement est prévu en 2025 ainsi que sur le démonstrateur PlayerOne du programme T4SC (Tech 4 Space Care) du CNES dont le lancement est envisagé au début de l’année 2027. L'objectif de cet algorithme, basé sur l'outil NOSTRADAMUS* et d’autres méthodes IA de la littérature, est d’analyser en temps réel l’état de santé du satellite et d’engager des actions autonomes à bord (de type sur-échantillonnage, reconfiguration, alarmes à destination du sol…) à partir des résultats générés par les IA. L’intérêt par rapport à une application au sol est de pouvoir enclencher des actions en temps réel sur les résultats de détection afin d’empêcher l’anomalie de se propager, d’obtenir plus d’observables sur celle-ci et/ou de reconfigurer le satellite pour poursuivre sa mission malgré la défaillance. Dans un avenir plus lointain, l’une des missions de SESAM pourrait être de fournir des observables supplémentaires facilitant la prise de décision sur de potentielles extensions de mission ou fin de vie.

* NOSTRADAMUS = algorithme de Machine Learning développé au CNES qui est utilisé en opérations au CNES pour l’analyse de la télémesure satellite au sol depuis 2016

En vous basant sur une partition Linux contenant la version de vol SESAM développée pour Aerosat, vous aurez pour objectif d'ajouter une fonction d'apprentissage des modèles IA à bord d'un satellite en utilisant la télémétrie générée par ses équipements et son logiciel de vol. Cette expérience logicielle d'IA sera embarquée en tant que charge utile de PlayerOne afin de démontrer son efficacité, notamment en tant que technologie de surveillance de bonne santé des satellites, en complément du système de surveillance standard et de protection déjà existant (FDIR). Le but de cette expérience est de démontrer que des anomalies peuvent être détectées par l’IA avec un niveau de confiance très élevée pour minimiser l’interruption de la mission tout en maximisant la protection du satellite.

Les étapes successives seront de mettre au point cette version de SESAM incluant l'apprentissage autonome, puis de l'intégrer au sein d'une partition Linux adaptée à une utilisation en vol d'un satellite. Enfin cette partition devra être portée sur une carte électronique représentative de celle qui sera embarquée. Les modèles IA étant déjà existants, il n'y aura pas à développer de nouveaux algorithmes, il faudra cependant intégrer la partie d'apprentissage des modèles, déjà existante sur la version sol de SESAM, mais pas encore sur une version de vol.

Les objectifs du stage :

• Adapter l'algorithme SESAM existant pour intégrer une fonction d'apprentissage autonome des modèles, afin de la mettre en œuvre en vol
• Intégrer cette version dans une partition Linux prévue pour le vol, qui devra s'exécuter sur une carte électronique proche du futur modèle de vol.

Vous prendrez part aux phases amont de développement d'une charge utile logicielle embarquée par PlayerOne en étroite collaboration avec des ingénieurs des services opérations des satellites ainsi que des ingénieurs projets et logiciel de vol. Le satellite PlayerOne étant un démonstrateur de technologies, vous aurez l'occasion d'interagir avec le bureau de la LOS (Loi sur les Opérations Spatiales) et de participer à son initiative T4SC de préservation de l'espace. Vous pourrez ainsi mettre à profit vos compétences en informatiques ainsi que vos connaissances en systèmes spatiaux et développer vos connaissances IA et systèmes embarqués pour la surveillance de satellite.

         Le stage pourra débuter en mars/avril 2025.

Étudiant-e en dernière année d'école d'ingénieur ou équivalent.

Connaissances en système embarqués et dans le fonctionnement haut-niveau des systèmes orbitaux attendues (afin de comprendre les cas d’anomalies satellite) avec un intérêt pour la programmation informatique et le développement.