Des chercheurs du Centre national de sciences spatiales de l'Académie des sciences chinoises ont mis au point une méthode automatisée basée sur l'apprentissage profond pour identifier et localiser les typhons spatiaux. Ces phénomènes se caractérisent par des structures aurorales cycloniques, des tourbillons de plasma, une zone centrale calme et des précipitations électroniques intenses. Leur détection reposait jusque-là sur l'analyse visuelle manuelle de milliers d'images satellitaires, une procédure lente et sujette à l'interprétation subjective. Pour résoudre ce goulot d'étranglement, l'équipe a exploité un corpus de 300 000 clichés ultraviolets lointains captés par les satellites DMSP entre 2005 et 2021. Le système a été entraîné sur 570 événements confirmés, associés à 570 images normales incluant des formes similaires pour tester la robustesse du modèle. Après avoir évalué six architectures neuronales majeures, les scientifiques ont affiné les performances grâce à l'apprentissage par transfert, au réglage systématique des hyperparamètres et à un taux d'apprentissage dynamique. La localisation a été confiée à un réseau de détection d'objets s'appuyant sur l'algorithme YOLOv8. Il affiche un taux de précision de 99 %, un rappel de 92 % et une exactitude globale de 92 %. Ces métriques ont permis le déploiement d'une plateforme interactive, capable d'intégrer des données multiples, d'effectuer des analyses en temps réel et d'exporter des résultats exploitables. Publiée dans la revue Space Weather, cette avancée fournit un outil performant pour la modélisation des environnements spatiaux polaires et l'évaluation des risques météorologiques orbitaux. Le travail a bénéficié du soutien du Fonds national chinois pour les sciences naturelles et du programme Subauroral. Cette innovation technologique marque un pas décisif vers une surveillance automatisée de l'activité géomagnétique, avec des applications directes pour la protection des satellites et des infrastructures terrestres.