Dans la gestion du trafic aéroportuaire, de petites erreurs peuvent avoir des conséquences catastrophiques. Une équipe de l’AirLab de l’Institut de robotique de l’Université Carnegie Mellon a utilisé le supercalculateur Bridges-2 du Centre de supercalcul de Pittsburgh pour créer World2Rules , une intelligence artificielle qui exploite les données aéroportuaires et les rapports d’accidents historiques afin d’aider les contrôleurs aériens à anticiper les collisions. Leur article est disponible sur le serveur de prépublication arXiv .
Pourquoi c’est important
Le 12 mars 2026, un contrôleur aérien a demandé à un avion d’Air Canada, qui venait d’atterrir à l’aéroport JFK de New York, d’attendre avant de traverser la piste afin d’éviter un avion d’EVA Air en phase d’atterrissage. L’équipage d’Air Canada a accusé réception des instructions.
Mais ils ont immédiatement commencé à bouger, tandis que l’avion EVA continuait de foncer sur eux à grande vitesse. Heureusement, le contrôleur aérien a transmis l’ordre « Arrêtez ! Arrêtez ! Arrêtez ! Arrêtez ! » à temps. L’avion d’Air Canada s’est immobilisé, l’avion EVA l’a dépassé à toute vitesse et il n’y a pas eu de collision.
Mais c’était de justesse.
« L’idée générale [est que] nous travaillons sur ce projet pour voir comment nous pouvons améliorer la sécurité dans le domaine de l’aviation, ou dans [d’autres] domaines critiques pour la sécurité », a déclaré Jack Wang, un étudiant travaillant dans l’AirLab de Sebastian Scherer à l’Institut de robotique de CMU.
« L’idée originale est née du constat que, comme vous l’avez vu aux informations, des incursions sur les pistes se produisent… Parfois, elles sont mineures, mais parfois elles peuvent être catastrophiques. »
Wang et Jay Patrikar, un autre étudiant de Scherer, souhaitaient concevoir un système capable non seulement de détecter les collisions aéroportuaires imminentes, mais aussi d’en prédire d’éventuelles. Cela pourrait offrir aux pilotes et aux contrôleurs aériens de précieuses minutes, voire de courtes secondes, pour éviter les catastrophes.
Pour construire, entraîner et tester cette méthode, ils se sont tournés vers le système Bridges-2 du Pittsburgh Supercomputing System, via une allocation d’ACCESS, le réseau de supercalculateurs de la NSF.
Comment le PSC a aidé
Avant World2Rules, AirLab et BIG Lab ont développé conjointement Amelia-42 . L’ensemble de données Amelia, constitué de données brutes sur les mouvements de surface dans les aéroports, provient de deux années de données de la Federal Aviation Administration (FAA) portant sur 42 aéroports américains.
Le nouvel objectif de l’équipe serait que World2Rules devienne un composant complémentaire au sein du système de prédiction des collisions développé par les collaborateurs. World2Rules apprendrait les règles de sécurité à partir des données d’Amelia et les utiliserait pour interpréter les prévisions de trajectoire. Cela permettrait d’expliquer son comportement de manière compréhensible par l’humain et d’identifier les violations potentielles des règles.
La tâche s’annonçait ardue. Pour créer World2Rules, les scientifiques de l’université Carnegie Mellon ont étudié deux types d’IA. Les modèles neuronaux, inspirés d’une version simplifiée du fonctionnement du cerveau humain, excellent dans l’extraction d’informations essentielles à partir de données complexes. Cependant, leurs résultats restent opaques. Il nous est impossible d’obtenir les garanties formelles, pourtant indispensables pour des fonctions vitales, sur leur fonctionnement interne.
Les méthodes symboliques, quant à elles, reposent sur des symboles lisibles et compréhensibles par l’humain. Cependant, elles peinent à traiter des données imparfaites. Les registres aéroportuaires contiennent généralement une grande quantité de données de routine et seulement quelques données relatives à de rares incidents graves. Les méthodes symboliques rencontrent des difficultés avec ce type d’ensemble de données volumineux et bruité.
Patrikar et Wang ont décidé de développer une IA neuro-symbolique combinant les atouts des deux méthodes. Bridges-2 s’est avéré idéal pour leurs travaux. En effet, la gestion du système par PSC leur permettait de se concentrer sur la résolution de leur problème plutôt que sur l’administration de l’ordinateur.
De même, Bridges-2 gère parfaitement les volumes massifs de données. Amelia-42 contient près de 10 téraoctets de données brutes, soit dix fois la capacité totale du disque dur d’un bon ordinateur portable. Leur IA devra puiser dans cette immense réserve.
« Nous collectons essentiellement toutes les données de mouvement des avions au sol dans les aéroports américains », a déclaré Patrikar. « Et ce flux est extrêmement dense. Il représente environ 1 mégabit par seconde, 24 heures sur 24, 7 jours sur 7, 365 jours par an… C’est donc une quantité de données absolument colossale… Nous avons utilisé PSC pour entraîner des modèles de prévision de trajectoires à grande échelle, une première en son genre… Notre objectif n’est pas de comprendre qu’un accident est en train de se produire, mais de prédire s’il se produira. »
L’approche de l’équipe, baptisée World2Rules, utilise les données aéroportuaires pour extraire un cadre générant des règles cohérentes et compréhensibles par l’humain. Leur méthode exploite à la fois les données nominales et les rapports d’accidents anormaux afin de générer des règles interprétables fondées sur des données historiques.
L’équipe avait mis en place un partenariat en matière d’IA : Amelia-TF générait des prévisions de trajectoire, et World2Rules apprenait des règles de sécurité interprétables qu’elle utilisait pour analyser, vérifier et fournir des explications pour les scénarios de collision potentiels au sein de ces prévisions.
World2Rules a su identifier les preuves peu fiables, ainsi que les résultats erronés qui affectent les systèmes moins sophistiqués, et les supprimer. Lors d’une comparaison directe concernant la détection des collisions potentielles, son efficacité s’est avérée supérieure de 23,6 % à celle d’une IA purement neuronale et de 43,2 % à celle d’une approche symbolique.
L’équipe a présenté ses résultats lors du symposium sur les méthodes formelles de la NASA à Los Angeles, qui s’est tenu du 5 au 7 mai 2026.
World2Rules pourrait être encore plus performant avec davantage de données. L’IA actuelle se base essentiellement sur un instantané des véhicules et de leurs mouvements à un moment précis. L’équipe souhaite notamment intégrer une représentation évolutive dans le temps, permettant de mieux gérer les incertitudes quant aux actions des véhicules.
Enfin, bien que World2Rules ait été conçu pour éviter les collisions aéroportuaires, son IA peut fonctionner avec des données similaires. Elle devrait s’avérer utile pour prévenir les incidents dans d’autres contextes où la gestion du trafic et la prévention des conflits sont essentielles.
