SpaceX confie à Grok la chasse aux débris dans les pièces : 99,9 % contre 94 % pour les humains

Quand on parle de SpaceX, on pense généralement aux fusées. Mais à la conférence UP.Summit, en Floride, Kiko Dontchev, vice-président des lancements de l'entreprise, a dit tout haut ce que sa stratégie laissait déjà voir : « Oui, nous sommes une entreprise de fusées, mais au fond nous sommes une entreprise d'infrastructure. » Ce qui nous intéresse ici, c'est autre chose : comment l'IA y est utilisée concrètement et ce qu'on peut en retirer pour ses propres projets.

Ce qui a réellement été automatisé

Officiellement, SpaceX a racheté xAI début 2026. Les ingénieurs utilisaient déjà les outils de xAI auparavant, mais, selon Dontchev, le véritable bond date des derniers mois. En 16 ans dans l'entreprise, il n'avait jamais vu une telle accélération du travail d'ingénierie : ce qui prenait des heures et des jours prend désormais des secondes et des minutes.

L'exemple le plus parlant est la détection de FOD, c'est-à-dire de corps étrangers à l'intérieur des pièces. Un minuscule éclat de métal ou un débris dans une conduite de carburant peut détruire un moteur. Auparavant, l'inspecteur introduisait un boroscope (une caméra au bout d'une sonde flexible) dans le tube et cherchait les défauts à l'œil sur la vidéo. D'après Dontchev, les humains repèrent ces débris dans environ 94 % des cas. Grok, en analysant la même vidéo, y parvient dans 99,9 % des cas.

Les mêmes contrôles par vidéo sont désormais automatisés pour d'autres équipements, par exemple les terminaux utilisateur Starlink. Dontchev affirme que l'IA est utilisée à tous les niveaux, jusqu'aux techniciens et à leurs responsables, et qu'elle a « mis tout le monde à égalité » entre les débutants et les employés expérimentés.

Pourquoi ce n'est pas qu'un joli chiffre

La principale leçon est d'ordre méthodologique. La comparaison porte sur les mêmes données : l'humain et le modèle regardent la même vidéo. C'est exactement ainsi qu'il faut évaluer un contrôle qualité par IA. On ne débat pas de « l'IA contre les humains » en général : on prend une tâche précise, on mesure la précision de référence des humains et on teste le modèle sur les mêmes enregistrements.

Cela dit, ces chiffres sont à lire avec prudence. Ce sont les propos d'un dirigeant lors d'une conférence, et non un rapport assorti d'une méthodologie. On ignore sur combien de vidéos le calcul a été fait et ce que signifie exactement « 99,9% perfect » : la part de défauts détectés ou la précision globale. Rien non plus sur les faux positifs, qui comptent autant dans ce type de tâche : si le modèle crie « débris ! » sur un tube sur deux, la production s'arrête. On ne sait pas davantage si l'humain reste dans la boucle pour les cas litigieux.

Le reste du contexte : le Falcon 9 s'efface, Starship arrive

Dans le même entretien, Dontchev a expliqué pourquoi le Falcon 9 va vers le retrait : on n'a jamais appris à récupérer le deuxième étage, qu'il faut reconstruire pour chaque lancement. Pour une centaine de lancements par an, c'est tolérable ; pour des milliers, et dans les rêves jusqu'à 10 000, ça ne l'est plus. Starship doit rattraper les deux étages.

Il est révélateur qu'il ait parlé non pas de capacité d'emport, mais de « productivité par lancement ». Le premier vol orbital de Starship, fin septembre, a placé en orbite des satellites Starlink V3 offrant une capacité totale 10 fois supérieure à celle du Falcon 9. Depuis la Floride, ce sera, selon lui, jusqu'à 20 fois. Le pas de tir 39A au cap Canaveral est presque prêt, et les premiers transports d'étages sont prévus pour décembre.

Il y a aussi un aspect inquiétant. Ars Technica note que Dontchev n'a pas répondu aux craintes des clients commerciaux : selon plusieurs sources, ces prochaines années, Starship sera réservé aux besoins propres de SpaceX et, éventuellement, à la NASA et à d'autres clients gouvernementaux. La communauté des passionnés, elle, craint que Musk ne se détourne de Mars au profit de centres de données orbitaux. Dontchev assure que Mars reste au cœur des plans et que l'IA ne fera qu'accélérer le chemin.

Que faire de tout cela

• Si vous avez un contrôle visuel (production, entrepôt, contenu média, tests de captures d'écran), commencez par mesurer la précision des humains sur des enregistrements réels. Sans point de référence, tout « 99 % » ne veut rien dire.
• Comparez le modèle et l'humain sur les mêmes données, en comptant séparément les défauts manqués et les fausses alertes.
• Gardez l'humain pour les cas litigieux, surtout là où le coût d'une erreur est élevé.
• Considérez les chiffres percutants issus d'interviews comme une hypothèse à vérifier, et non comme un résultat prouvé.

L'histoire de SpaceX est à lire comme un signal : dans l'industrie lourde, l'IA n'entre pas par les chatbots, mais par des tâches ennuyeuses et mesurables comme l'inspection de tubes. C'est précisément là que les économies sont vérifiables.