Une étude récente menée par le Southwest Research Institute a révélé d'importantes divergences dans les catalogues de cratères lunaires générés par l'intelligence artificielle. Dirigée par le docteur Stuart J. Robbins et co-écrite par le docteur Rachael H. Hoover, cette recherche a comparé huit bases de données lunaires automatisées. Les résultats indiquent que les performances annoncées de ces outils s'effondrent sérieusement lorsqu'elles sont évaluées avec les mêmes critères rigoureux appliqués aux analystes humains. Les catalogues de cratères sont essentiels pour reconstituer l'histoire géologique des corps célestes. En comptant et en mesurant la taille des impacts, les scientifiques estiment l'âge des surfaces planétaires, car ces formations apparaissent à un rythme relativement constant. L'automatisation de cette détection grâce à l'intelligence artificielle promettait de gagner un temps considérable et de résoudre des problèmes jusque-là impossibles à traiter manuellement. Cependant, l'étude démontre qu'il est dangereux de considérer ces outils comme immédiatement fiables sur la seule base de leurs métriques publiées. Les chercheurs ont confronté les catalogues à une référence manuelle exhaustive, en exigeant une correspondance précise en termes de localisation et de dimensions. Ils ont constaté que des indicateurs informatiques courants peuvent masquer des erreurs scientifiques majeures. Un décalage, une duplication ou un mauvais calibrage de taille peuvent fausser les modèles d'âge planétaires. Par exemple, la duplication accidentelle de cratères pourrait doubler l'estimation de l'ancienneté d'une surface. De plus, un chiffre global unique peut cacher des disparités critiques selon la taille des cratères, rendant un catalogue fiable pour une question de recherche mais inutilisable pour une autre. Face à ces limitations, les auteurs insistent sur la nécessité d'adopter des normes de validation rigoureuses avant un déploiement plus large. Ils appellent à la standardisation des méthodes de référence, à la transparence des critères de correspondance et à des vérifications indépendantes. L'intelligence artificielle conserve un potentiel transformateur pour la science planétaire, mais elle doit être comprise dans ses forces et ses faiblesses. Les chercheurs privilégient désormais une adoption prudente, garantissant que ces outils soutiennent véritablement les analyses scientifiques sans introduire d'erreurs systématiques.