Le fait
Le 1er octobre 2026, Google confirme que le prototype satellite de Project Suncatcher est en orbite. Construit avec Planet, il a décollé sur la mission rideshare Transporter-18 de SpaceX. Le contact est établi ; le satellite fonctionne comme prévu.
À bord : quatre TPU (Tensor Processing Units, puces Google dédiées au machine learning) — famille Trillium selon les tests au sol — dans un engin décrit par NPR comme de la taille d’un réfrigérateur. Le logiciel embarqué fera tourner une version du modèle ouvert Gemma pour répondre à des requêtes simples, par sessions d’environ 15 minutes : la contrainte principale est la gestion thermique.
L’orbite est héliosynchrone : les panneaux solaires restent presque toujours éclairés, ce qui limite le besoin de batteries lourdes. Google parle d’un « moonshot » de long terme : savoir si l’espace peut un jour héberger une infrastructure de machine learning scalable.
Contexte : course aux datacenters orbitaux
La demande de calcul IA dépasse l’offre. Au sommet développeurs de mai, Sundar Pichai a évoqué des dépenses d’investissement 2026 de l’ordre de 180 à 190 milliards de dollars. Sur Terre, les datacenters énergivores suscitent une opposition croissante (réseaux, eau, fonciers).
Dans l’espace, le Soleil fournit une énergie abondante — Travis Beals (senior director, lead Suncatcher) rappelle que c’est « presque toute » la puissance du système solaire. En orbite basse, Google estime jusqu’à environ huit fois plus d’énergie solaire qu’au sol. D’où l’idée : clusters de satellites, chacun avec des dizaines de TPU, reliés par lasers haute bande passante.
Calendrier annoncé : deux satellites supplémentaires l’an prochain (2027) pour tester l’interconnexion laser. Concurrent / voisinage : Starcloud a déjà fait voler un Nvidia H100 avec une démo type Gemini ; SpaceX vise des satellites de calcul IA orbital dès environ 2028.
Cooling, coût, maintenance : les vrais freins
Pas d’air ni d’eau en vide : la chaleur ne part que par radiateurs. Google parle d’un enjeu de recherche crucial ; les radiateurs sont parmi les composants les plus lourds de la mission actuelle — or la masse coûte cher au lancement. Pipes + radiateurs sont testés en chambre thermique-vide.
Autres défis : vibrations et accélérations au lancement (jusqu’à environ 10 g pour l’engin, bien plus localement sur les puces), radiation (tests faisceau de protons à UC Davis ; résultats initiaux jugés rassurants pour une dose de mission pluriannuelle), maintenance impossible « à pied » si une puce lâche.
Beals est lucide sur l’économie : techniquement possible ne veut pas dire toujours trop cher. Il ne voit pas le spatial moins cher que le terrestre dans les cinq prochaines années. Long terme : coexistence des deux, puis peut-être bascule progressive. Les fusées brûlent encore du carbone ; les rentrées atmosphériques posent aussi des questions environnementales.
Pourquoi ça compte
1. Souveraineté énergétique du calcul. Sortir une fraction du compute hors des réseaux électriques nationaux change la géopolitique des datacenters — sans résoudre magiquement la dépendance aux lanceurs.
2. Cooling = goulot. Tant que les radiateurs dominent la masse, le TCO orbital reste pénalisé.
3. Course US privée. Google / Planet / SpaceX vs Starcloud / SpaceX orbital AI : l’Europe n’apparaît pas dans cette première vague de prototypes.
4. Signal politique autant que technique. Alors que les mairies bloquent des fermes terrestres, le spatial devient un récit de contournement — à condition que les chiffres suivent.
Lecture Neurone21
Suncatcher n’est pas un datacenter orbital opérationnel : c’est un banc d’essai TPU + thermique + radiation. Pour Neurone21, l’intérêt est la bascule narrative : le goulot IA n’est plus seulement « combien de GPU », mais « où peut-on encore brancher des mégawatts sans opposition locale ». Gemma 15 minutes en orbite est un détail ; la question des clusters laser 2027–2028 est le vrai horizon.