Google Project Suncatcher installe des centres de données IA dans l’espace, mais la physique impose ses conditions

Google Project Suncatcher a envoyé quatre Tensor Processing Units en orbite le 1er octobre, faisant passer une idée d’infrastructure spéculative au stade d’essai matériel réel. Les puces se trouvent désormais à bord d’un satellite alimenté par énergie solaire, construit avec Planet et lancé par SpaceX. Google indique que l’engin a établi le contact et fonctionne comme prévu.

Ce lancement ne signifie pas que Google a construit un cloud orbital. Il signifie que l’entreprise peut enfin mesurer la manière dont du matériel IA commercial résiste aux radiations, aux contraintes du lancement et à la chaleur hors d’un laboratoire. Ces résultats détermineront si les centres de données IA dans l’espace méritent davantage d’investissements ou restent une coûteuse expérience de pensée.

SpaceX, Nvidia, Starcloud, Blue Origin et plusieurs petites entreprises poursuivent des projets similaires. Leurs propositions diffèrent, mais elles reposent sur le même constat. Les réseaux électriques, les systèmes d’approvisionnement en eau et les procédures d’autorisation terrestres deviennent des freins à l’expansion de l’IA. L’orbite semble offrir un ensoleillement abondant et moins d’objections locales, mais elle remplace ces limites terrestres par des défis d’ingénierie implacables.

Google Project Suncatcher est passé du papier à l’orbite

Google a franchi une étape importante, mais son satellite reste une expérience plutôt qu’un centre de données orbital opérationnel.

Le prototype de Project Suncatcher a été lancé à bord de la mission de covoiturage Transporter-18 de SpaceX. Le Falcon 9 sans équipage a transporté 130 charges utiles en orbite terrestre basse depuis la base spatiale de Vandenberg, en Californie.

Google a développé le satellite avec Planet, une entreprise d’imagerie terrestre expérimentée dans la construction de petits engins spatiaux. La charge utile embarque quatre TPU Trillium, des accélérateurs conçus par Google pour les charges de travail d’apprentissage automatique.

La mise à jour sur le prototype de Google indique que l’entreprise recueillera des données opérationnelles au cours des prochaines semaines. Les ingénieurs examineront la réaction des puces aux vibrations, aux radiations et aux températures extrêmes.

Il s’agit de questions fondamentales de survie. Un accélérateur terrestre fonctionne dans un bâtiment soigneusement contrôlé, disposant d’une alimentation électrique, d’un refroidissement, d’une connectivité et d’une maintenance redondants. Sa version orbitale doit continuer de fonctionner sans techniciens, pièces de rechange ni environnement stable autour d’elle.

La charge de travail initiale est volontairement limitée. Les puces exécuteront de courtes requêtes Gemini durant des périodes contrôlées, puis s’arrêteront pour permettre au matériel de refroidir. Ce calendrier montre à quel point l’essai reste éloigné d’un service IA continu.

Un système de production devrait maintenir des milliers de processeurs actifs pendant de longues périodes. Il devrait également disposer de suffisamment de mémoire, de capacité réseau et de tolérance aux pannes pour répartir de grandes charges de travail entre de nombreux satellites.

La conception plus large de Google envisage des grappes d’engins spatiaux alimentés par énergie solaire et reliés par des liaisons optiques en espace libre. Ces liaisons utilisent des lasers pour transmettre des données entre satellites sans câble physique.

Les recherches de l’entreprise décrivent une grappe de 81 satellites volant dans un rayon d’environ un kilomètre. Des systèmes d’apprentissage automatique coordonneraient la formation tout en évitant les collisions.

Cette proximité est importante, car l’entraînement moderne de l’IA dépend de communications rapides entre accélérateurs. Un groupe de puces isolées ne peut pas automatiquement égaler les performances d’un superordinateur terrestre.

Le réseau optique proposé par Google devrait donc offrir une bande passante élevée avec une faible latence. Il devrait aussi maintenir un alignement précis alors que chaque satellite se déplace à vitesse orbitale.

La communication avec le sol crée un autre goulot d’étranglement. Les liaisons radio suffisent au prototype actuel, mais de grandes grappes orbitales auraient besoin de connexions bien plus rapides pour échanger des modèles et des jeux de données avec la Terre.

Ces contraintes expliquent l’importance du lancement d’octobre. Project Suncatcher ne repose plus entièrement sur des modèles informatiques et des essais de radiation. Google peut désormais comparer ses hypothèses aux données recueillies en orbite.

Pour autant, l’expérience ne valide pas l’architecture complète. Elle ne teste ni une formation de 81 satellites, ni un fonctionnement continu, ni de grands radiateurs, ni des liaisons optiques à haut débit vers le sol.

La distinction est essentielle. Google a placé des processeurs IA dans l’espace, mais n’a pas démontré qu’une grappe orbitale peut rivaliser avec un centre de données conventionnel.

La demande énergétique de l’IA alimente la course à l’espace

La ruée vers l’orbite part d’un problème terrestre : les développeurs d’IA ont besoin d’électricité plus rapidement que les services publics ne peuvent en fournir.

Le Government Accountability Office américain indique que les centres de données pourraient représenter jusqu’à 12 % de la demande d’électricité des États-Unis d’ici 2028. Le développement de l’IA constitue un facteur majeur de cette projection.

De nouvelles installations peuvent nécessiter des années de planification avec les services publics, de modernisation des réseaux de transport, d’autorisations et de négociations locales. La consommation d’eau et l’utilisation des terrains peuvent aussi susciter l’opposition des communautés proches des sites envisagés.

Ces contraintes touchent les entreprises qui développent des modèles de pointe. Davantage de puissance de calcul soutient l’entraînement des modèles, l’expérimentation, l’inférence et la croissance de la clientèle. Des infrastructures retardées peuvent donc ralentir à la fois le développement des produits et les revenus.

Les projets orbitaux promettent un modèle énergétique différent. Les panneaux solaires placés sur certaines orbites terrestres basses peuvent recevoir un ensoleillement quasi continu, sans nuages ni alternance jour-nuit.

Google estime qu’un panneau sur l’orbite proposée pourrait recevoir jusqu’à huit fois plus d’énergie solaire par an qu’un panneau situé à une latitude moyenne sur Terre. Cet avantage reflète les conditions d’exposition, et non une électricité gratuite.

Un satellite a toujours besoin de grandes surfaces photovoltaïques, d’électronique de puissance, de batteries et de systèmes de contrôle. Ces composants ajoutent du poids et doivent résister au lancement, aux radiations et aux contraintes thermiques répétées.

L’argument énergétique devient plus attrayant à mesure que la capacité terrestre devient plus difficile à obtenir. Une entreprise technologique ayant accès à des lanceurs pourrait ajouter de la capacité de calcul sans attendre la construction d’une nouvelle centrale électrique.

SpaceX bénéficie de l’avantage d’intégration verticale le plus clair. L’entreprise exploite des fusées, gère la constellation Starlink et a proposé des satellites de centres de données orbitaux conçus à cette fin.

Elon Musk a affirmé que l’espace deviendrait le lieu le moins coûteux pour l’IA d’ici deux ou trois ans. Cette prévision reste une affirmation de l’entreprise, et non un résultat économique démontré.

SpaceX a également déposé des projets pouvant concerner jusqu’à un million de satellites. Un tel réseau fonctionnerait à une échelle bien supérieure aux charges utiles de calcul expérimentales actuelles.

Son avantage n’est pas seulement technique. L’accès aux lancements peut déterminer quels projets orbitaux peuvent tester du matériel, remplacer les équipements défaillants et accroître leur capacité.

Les concurrents dépendent souvent de SpaceX pour le transport. Google a utilisé un Falcon 9 pour le prototype de Project Suncatcher, tandis que Starcloud a également fait appel à SpaceX pour sa précédente mission de matériel IA.

Cette dépendance transforme la capacité de lancement en levier stratégique. Une entreprise qui contrôle à la fois les fusées et le calcul orbital peut optimiser ses propres coûts tout en fixant les conditions commerciales de ses rivaux.

Blue Origin offre un contrepoids potentiel. L’entreprise a poursuivi des projets de grands réseaux satellitaires et de capacités de lancement lourd, bien que sa stratégie d’informatique orbitale reste moins mature.

Nvidia occupe une autre position dans la chaîne d’approvisionnement. L’entreprise a présenté le module Space-1 Vera Rubin pour le calcul dans des environnements orbitaux contraints.

Nvidia indique que ce module peut prendre en charge les grands modèles de langage, l’analyse géospatiale et les engins spatiaux autonomes. Toutefois, sa disponibilité et ses performances orbitales durables doivent encore être validées.

Starcloud teste un modèle commercial plus direct. L’entreprise a déjà fait voler un accélérateur Nvidia H100 et souhaite assembler de plus grandes grappes pour l’entraînement et l’inférence.

L’opportunité immédiate ne consiste peut-être pas à traiter des requêtes ordinaires de chatbot. Le traitement de données générées dans l’espace présente un avantage plus évident, car les informations n’ont jamais besoin d’effectuer un aller-retour complet vers la Terre.

Les satellites d’observation de la Terre capturent plus d’images brutes que les opérateurs ne peuvent en transmettre efficacement. Un système d’IA embarqué pourrait identifier des incendies de forêt, des infrastructures endommagées ou des conditions météorologiques inhabituelles avant d’envoyer des résultats sélectionnés au sol.

Cette approche réduit les besoins de liaison descendante et le délai de réponse. Elle fonctionne également à plus petite échelle que le remplacement de régions cloud terrestres.

La course aux centres de données orbitaux comprend donc deux marchés. L’un rapproche le calcul des capteurs déjà présents dans l’espace. L’autre tente d’éloigner de la Terre l’infrastructure IA à usage général.

Le premier marché arrive dès maintenant. Le second exige des avancées bien plus importantes dans l’économie des lancements, le refroidissement, les réseaux et la maintenance.

L’énergie solaire est abondante, mais le refroidissement n’est pas gratuit

Le compromis central est simple : l’orbite offre davantage de lumière solaire, tandis que le vide rend plus difficile l’évacuation de la chaleur résiduelle.

Les processeurs IA convertissent la majeure partie de leur apport électrique en chaleur. Une puce recevant des centaines de watts doit évacuer continuellement cette énergie thermique quelque part.

Les installations terrestres utilisent de l’air, de l’eau ou des liquides spécialisés pour évacuer la chaleur. Des ventilateurs, pompes, tours de refroidissement et refroidisseurs la transfèrent ensuite dans l’environnement alentour.

L’espace ne possède pas d’atmosphère permettant la convection. Il n’offre pas non plus de liquide externe capable d’absorber la chaleur de l’engin spatial.

Un système orbital doit acheminer la chaleur de chaque processeur vers un radiateur. Ce radiateur libère l’énergie sous forme de rayonnement infrarouge.

Le procédé fonctionne, mais il exige de la surface. Une puissance de calcul plus élevée produit davantage de chaleur, ce qui nécessite des radiateurs plus grands.

Une analyse thermique de l’IEEE a estimé qu’une baie de 40 kilowatts pourrait nécessiter un radiateur de 80 mètres carrés. Cette superficie est approximativement comparable à celle d’un terrain de pickleball.

La même analyse a estimé qu’une installation de 100 mégawatts nécessiterait au moins 2 500 radiateurs de ce type. Chaque structure ajouterait de la masse, de la traînée, des mécanismes de déploiement et des points de défaillance potentiels.

Les radiateurs doivent également conserver leur capacité à émettre de la chaleur. Les ultraviolets, l’oxygène atomique et les radiations peuvent dégrader au fil du temps les revêtements exposés.

Cette dégradation crée un problème cumulatif. Les opérateurs pourraient devoir lancer une capacité supplémentaire de radiateurs dès le départ, augmentant la masse qui rendait déjà le système coûteux.

Les panneaux solaires ajoutent une autre contrainte géométrique. Ils nécessitent une surface suffisante pour alimenter les processeurs et leurs équipements de support.

Les panneaux et les radiateurs doivent tous deux conserver des orientations utiles. Ils ne peuvent pas se bloquer mutuellement, déstabiliser l’engin spatial ni créer une traînée ingérable.

L’espace est peut-être froid, mais un environnement froid ne refroidit pas automatiquement un objet. Sans conduction ni convection, une puce chaude ne peut perdre de l’énergie que par sa voie thermique conçue à cet effet.

Google reconnaît que la gestion thermique reste un chantier inachevé. Ses recherches proposent des caloducs et des radiateurs, mais ne présentent pas de conception éprouvée pour une grappe de production.

Le satellite actuel évite le problème dans son ensemble en exécutant de courtes charges de travail. Les pauses de refroidissement sont acceptables lors d’une expérience, mais une infrastructure commerciale exige une disponibilité prévisible.

Les radiations créent un second compromis. Les ordinateurs satellites conventionnels utilisent des composants durcis contre les radiations, conçus pour tolérer les particules à haute énergie.

Ces processeurs sont fiables, mais restent généralement en retard sur les accélérateurs IA de pointe en matière de performances. Un grand modèle de langage moderne a besoin de la densité offerte par des puces commerciales telles que les TPU de Google ou les GPU de Nvidia.

Les accélérateurs commerciaux sont plus vulnérables. Les particules à haute énergie peuvent inverser des bits mémoire, corrompre des calculs ou provoquer des défaillances électriques.

Google affirme que ses essais au sol ont exposé les TPU Trillium à des radiations correspondant à une mission de cinq ans. Les processeurs auraient survécu sans défaillance permanente, bien que les ingénieurs aient observé des erreurs récupérables.

Ce résultat justifie des essais supplémentaires, mais quelques processeurs survivants ne démontrent pas la fiabilité d’une flotte. Une grande constellation comporterait bien davantage de composants, modules mémoire, connexions et systèmes d’alimentation.

La redondance peut réduire l’impact opérationnel des défaillances individuelles. Plusieurs processeurs peuvent effectuer le même calcul, comparer les résultats et redémarrer un nœud qui produit une réponse incohérente.

Cette stratégie échange le durcissement contre le nombre. Les opérateurs lancent davantage de matériel ordinaire et acceptent que certaines unités échouent.

Ce compromis ne fonctionne que si le lancement et le remplacement deviennent peu coûteux. Sinon, chaque processeur redondant augmente les dépenses d’investissement avant de produire du calcul utile.

La réparation présente un défi connexe. Les techniciens remplacent régulièrement des disques défectueux, câbles, pompes et accélérateurs dans les installations terrestres.

Un opérateur orbital ne peut pas envoyer un technicien vers chaque satellite. La maintenance robotisée reste limitée, tandis que le retour du matériel sur Terre n’aurait généralement guère de sens économique.

Le remplacement apparaît donc comme la stratégie de maintenance la plus probable. Les satellites défaillants seraient retirés du service, désorbités et remplacés par des unités plus récentes.

Des remplacements fréquents pourraient améliorer les performances des puces à mesure que de nouveaux accélérateurs arrivent. Ils pourraient aussi créer un cycle de lancements coûteux et accroître la pression sur la gestion du trafic orbital.

Les coûts de lancement et les débris spatiaux fragilisent le modèle économique

L’IA orbitale ne devient compétitive que si le transport, la fiabilité et la capacité de calcul exploitable progressent simultanément.

Les prix de lancement ont baissé, mais envoyer des équipements lourds en orbite reste plus coûteux que les installer dans un bâtiment terrestre. Les radiateurs, le blindage, la propulsion et les panneaux solaires amplifient cet écart.

Le modèle économique de Google identifie un coût de lancement en orbite basse d’environ 200 dollars par kilogramme comme un seuil important. L’entreprise estime que ce niveau pourrait devenir possible vers le milieu des années 2030.

Cette hypothèse dépend de fusées lourdes réutilisables atteignant des volumes de lancement élevés. Elle suppose également que les fabricants de satellites puissent réduire la masse sans compromettre l’alimentation, le refroidissement ou la durabilité.

Un modèle de coûts de BCG estime que les systèmes orbitaux conservent un surcoût substantiel par rapport aux installations terrestres. Même les scénarios favorables rendent le résultat très sensible aux taux de défaillance des satellites.

Le coût de lancement n’est donc qu’une variable parmi d’autres. Un lancement bon marché n’aide pas si les processeurs tombent prématurément en panne, si les radiateurs se dégradent ou si le réseau ne parvient pas à maintenir des puces coûteuses occupées.

Le taux d’utilisation compte, car les accélérateurs d’IA créent de la valeur lorsqu’ils traitent des tâches. Un système qui s’interrompt fréquemment pour se refroidir ou attend des données fournira moins d’heures de calcul avec le même matériel.

Les performances réseau pourraient créer des périodes d’inactivité cachées. L’entraînement de grands modèles exige que les processeurs échangent des résultats intermédiaires rapidement et de manière répétée.

Si les liaisons optiques perdent leur alignement ou ne peuvent pas égaler la bande passante terrestre, le cluster pourrait passer davantage de temps à attendre. Ajouter des satellites ne résoudrait pas nécessairement ce problème.

La latence distingue également les charges de travail potentielles. Les applications interactives doivent répondre rapidement aux personnes et aux systèmes sur Terre.

L’orbite basse ajoute de la distance de transmission, du routage via des stations au sol et des interférences liées à la météo pour les liaisons optiques. Ces facteurs peuvent être acceptables pour les traitements par lots, mais moins adaptés aux services en temps réel.

La génération de masse, la modélisation scientifique, l’analyse d’archives et la traduction peuvent tolérer des délais. Ces tâches pourraient devenir des candidates précoces si le calcul orbital atteint une échelle commerciale.

Les charges de travail gouvernementales sensibles représentent un autre marché possible. Une infrastructure spatiale distribuée pourrait offrir une séparation géographique et un accès direct aux capteurs orbitaux.

Toutefois, l’isolement physique n’élimine pas le risque de cybersécurité. Les opérateurs auraient toujours besoin de canaux de commande sécurisés, de mises à jour logicielles, d’authentification et de protections contre la compromission des systèmes au sol.

Les questions environnementales sont plus difficiles à chiffrer. Les grandes constellations augmentent le risque de collision et compliquent l’utilisation de bandes orbitales déjà encombrées.

L’évaluation du GAO avertit que des satellites supplémentaires pourraient perturber l’astronomie, menacer les missions habitées et accroître les besoins de coordination des fréquences radio.

Une collision peut produire des fragments qui restent en orbite et mettent en danger d’autres engins spatiaux. Davantage d’objets engendrent davantage d’alertes de conjonction et de manœuvres d’évitement.

La préoccupation dans le pire scénario est une cascade où les débris d’une collision provoquent d’autres impacts. Les opérateurs conçoivent leurs systèmes en tenant compte de ce risque, mais de très grandes constellations de calcul augmenteraient le nombre de rencontres potentielles.

SpaceX cite le bilan opérationnel de Starlink comme preuve que de grandes flottes peuvent être gérées. Pourtant, les propositions de centres de données orbitaux pourraient à terme ajouter des plateformes plus lourdes et complexes, dotées de structures externes plus grandes.

L’élimination en fin de vie compte également. Les satellites placés sur des orbites suffisamment basses peuvent rentrer dans l’atmosphère, mais des remplacements fréquents augmenteraient le trafic de rentrée.

Les lancements et les rentrées atmosphériques produisent des émissions. Une analyse universitaire soutient que ces émissions pourraient annuler les gains environnementaux attribués au déplacement des centres de données hors de la Terre.

Cette conclusion dépend des futurs modèles de fusées, de la fréquence des lancements, de la durée de vie des systèmes et des émissions incluses dans la comparaison. Elle ne doit pas être considérée comme établie.

Le calcul orbital ne peut néanmoins pas être présenté comme automatiquement durable. Il déplace les impacts entre la production d’énergie, la fabrication, les opérations de lancement, la chimie atmosphérique et les débris spatiaux.

Le cas d’usage à court terme le plus crédible reste le calcul ciblé pour les données générées dans l’espace. Un satellite qui filtre localement des images peut réduire les coûts de communication sans prétendre remplacer une région cloud hyperscale.

Ce déploiement plus restreint peut également révéler de véritables données de fiabilité. Les opérateurs peuvent mesurer les erreurs des processeurs, les performances des radiateurs, la disponibilité électrique et le travail utile accompli par kilogramme.

Les clouds orbitaux à usage général font face à un niveau d’exigence supérieur. Ils doivent surpasser les alternatives terrestres, qui continuent de progresser grâce au refroidissement avancé, à de nouveaux contrats énergétiques et à des puces plus efficaces.

Les opérateurs terrestres peuvent aussi implanter leurs installations à proximité d’énergies renouvelables, de production nucléaire ou de régions aux climats favorables. Ils peuvent moderniser leur matériel sans lancer de fusée.

La concurrence n’oppose donc pas l’orbite aux centres de données actuels. Elle oppose l’orbite à l’infrastructure terrestre disponible lorsque les systèmes orbitaux atteindront enfin l’échelle.

Trois signaux montreront si l’IA orbitale peut passer à l’échelle

La prochaine étape devrait être évaluée sur des preuves opérationnelles, et non sur des tailles de constellation annoncées dans des dépôts réglementaires.

Le premier signal est la performance soutenue des quatre TPU de Google. Project Suncatcher doit montrer que des accélérateurs commerciaux peuvent exécuter des charges de travail répétées malgré les radiations et les cycles thermiques.

Google devrait à terme publier les taux d’erreur, les températures de fonctionnement, le temps de calcul actif et les variations de performance au cours de la mission. Le simple contact avec l’engin spatial ne répond pas à ces questions.

Un résultat solide étayerait l’argument selon lequel des puces d’IA standard peuvent survivre grâce à une résilience gérée par logiciel. Des arrêts fréquents ou des défauts qui s’accumulent affaibliraient l’économie de flottes plus vastes.

Le deuxième signal est une démonstration réussie de réseau multi-satellites. L’architecture de Google dépend d’engins spatiaux étroitement coordonnés échangeant des données via des liaisons optiques.

L’entreprise a évoqué d’autres essais en 2027. Ces missions devront démontrer un vol en formation stable, un alignement fiable des liaisons et une bande passante utile en conditions orbitales.

Ce test distingue le calcul embarqué d’un véritable centre de données distribué. Un satellite peut exécuter un modèle d’IA, mais un grand cluster d’entraînement exige que de nombreux processeurs se comportent comme un seul système.

La mise en réseau est particulièrement importante pour Google, car sa conception met l’accent sur des satellites modulaires. L’architecture évite de lancer une unique structure gigantesque, mais déplace la complexité vers le contrôle de la formation et les communications.

Une démonstration convaincante validerait ce choix. Des liaisons instables limiteraient le système à des nœuds indépendants de calcul en périphérie plutôt qu’à un cluster d’IA unifié.

Le troisième signal est un modèle de coûts complet étayé par des données d’exploitation. SpaceX, Google, Starcloud et leurs partenaires doivent inclure le lancement, le matériel, les systèmes thermiques, les défaillances, les communications et l’élimination.

Les comparaisons fondées uniquement sur la lumière solaire gratuite excluent l’essentiel du système. La mesure pertinente est le calcul utile fourni pendant la durée de vie opérationnelle de l’engin spatial.

Ce calcul devrait prendre en compte les pauses de refroidissement, les erreurs liées aux radiations, la baisse de production solaire, les lancements de remplacement et les capacités inutilisées. Il devrait également être comparé aux installations terrestres en amélioration constante.

Les premiers contrats commerciaux fourniront un autre indice dans ce troisième signal. Les clients traitant des données d’observation de la Terre pourraient accepter des coûts de calcul plus élevés si l’analyse locale permet d’économiser du temps ou de la capacité de liaison descendante.

Les charges de travail d’IA de masse font face à un test différent. Une entreprise qui génère du texte ou des images peut choisir parmi de nombreuses régions terrestres sans payer pour du matériel orbital.

Cette distinction devrait façonner les attentes. Le calcul orbital peut devenir une véritable activité sans remplacer l’infrastructure cloud ordinaire.

Les développeurs et les acheteurs en entreprise devraient surveiller le placement des charges de travail plutôt que des nombres spectaculaires de satellites. Les premiers services utiles traiteront probablement des informations déjà collectées en orbite.

Les travailleurs du savoir ne remarqueront pas où s’exécute chaque requête de modèle. Ils remarqueront si les services deviennent plus rapides, moins coûteux, plus disponibles ou plus contraints.

Les organisations qui évaluent des systèmes d’IA devraient séparer les affirmations d’infrastructure des performances produit. Une base de connaissances IA consultable dépend toujours de pratiques de données sécurisées, d’une récupération fiable et de réponses utiles, quel que soit l’emplacement des processeurs.

Google Project Suncatcher a rendu l’IA orbitale mesurable. C’est le véritable changement derrière la course actuelle.

Le projet doit maintenant survivre à une transition bien plus difficile. Il doit passer de quatre puces fonctionnant par intermittence à une infrastructure en réseau fournissant un calcul fiable.

L’énergie solaire donne aux systèmes orbitaux une raison convaincante d’exister. Le refroidissement, les radiations, la mise en réseau, la dépendance aux lancements et les débris déterminent si cette raison est suffisante.

Au cours de l’année à venir, surveillez les données d’exploitation, les essais de réseau optique et le coût par heure de calcul utile. Ces résultats révéleront si l’espace devient un marché d’infrastructure d’IA ou simplement un laboratoire extraordinaire.