Contexte
L'espace est devenu un environnement de plus en plus dense et sensible. Des milliers d'objets actifs et de débris orbitent autour de la Terre sur des trajectoires qui doivent être surveillées en permanence. Les opérateurs de satellites ont besoin de savoir rapidement quand un de leurs objets présente un comportement anormal : manoeuvre non planifiée, dérive orbitale, anomalie de signal, ou rapprochement dangereux avec un autre objet.
Ma mission consistait à concevoir le tableau de bord Power BI que les clients opérateurs utilisent pour consulter directement les alertes et détections d'anomalies produites par les algorithmes de surveillance. L'enjeu : transformer un flux de données techniques brutes en une interface claire et actionnable, utilisable par des équipes qui n'ont pas toujours un profil data.
Les orbites et leurs spécificités
Le dashboard couvre trois régimes orbitaux distincts, chacun avec ses propres contraintes de surveillance :
LEO (Low Earth Orbit)
L'orbite basse s'étend jusqu'à 2 000 km d'altitude. C'est le régime le plus peuplé, notamment avec les constellations de satellites de communication (Starlink, OneWeb, etc.) et les satellites d'observation terrestre. La vitesse orbitale y est élevée (environ 7,8 km/s), ce qui signifie qu'un objet fait le tour de la Terre en moins de 2 heures. La densité d'objets en LEO rend la surveillance des rapprochements particulièrement critique.
MEO (Medium Earth Orbit)
L'orbite moyenne, entre 2 000 et 35 786 km, abrite principalement les constellations de navigation par satellite (GPS, Galileo, GLONASS, BeiDou). Les objets en MEO ont des périodes orbitales de plusieurs heures. Les anomalies à surveiller concernent principalement les dérives de synchronisation et les manoeuvres non nominales.
GEO (Geostationary Orbit)
L'orbite géostationnaire, à exactement 35 786 km d'altitude, est occupée par les satellites de télécommunication et de météorologie. Un satellite GEO reste fixe par rapport à un point de la Terre, ce qui le rend très sensible à toute dérive de sa position dans la fenêtre orbitale qui lui est allouée. Les anomalies en GEO ont souvent des conséquences contractuelles directes pour les opérateurs.
Structure du dashboard
Vue d'ensemble du catalogue
La page d'accueil du dashboard présente une vue consolidée du catalogue d'objets surveillés, avec le nombre total d'objets par régime orbital, le statut de chacun (nominal, sous surveillance, alerte active) et les dernières anomalies détectées. Un système de codes couleur permet d'identifier en un coup d'oeil les objets qui nécessitent une attention immédiate.
Un filtre global permet à chaque client de restreindre la vue à son propre portefeuille d'objets, sans voir ceux des autres clients. La gestion de ces filtres de sécurité a été un point d'attention particulier dans la conception du modèle de données.
Fiche objet et historique des anomalies
En cliquant sur n'importe quel objet du catalogue, l'utilisateur accède à une fiche détaillée : paramètres orbitaux courants, historique des anomalies détectées sur les 90 derniers jours, comparaison avec le comportement nominal attendu et liens vers les rapports d'analyse associés.
L'historique est présenté sous forme de timeline visuelle qui permet de voir rapidement si les anomalies sont isolées ou si elles s'inscrivent dans un pattern récurrent. Cette lecture temporelle était absente des outils précédents et s'est révélée très utile pour les équipes opérationnelles.
Vue par type d'anomalie
Une page dédiée permet de filtrer les détections par catégorie d'anomalie :
- Manoeuvres non planifiées : l'objet a changé d'orbite sans que l'opérateur n'en ait été informé
- Dérives orbitales : l'objet s'éloigne progressivement de sa trajectoire nominale
- Anomalies de signal : les transmissions de l'objet présentent des irregularités
- Alertes de rapprochement : un autre objet passe sous le seuil de distance critique
- Rentrées atmosphériques : pour les objets en LEO basse, surveillance de la décroissance orbitale
Défis techniques
Gestion des données temps réel dans Power BI
Power BI n'est pas nativement conçu pour de l'affichage temps réel au sens strict. Les détections d'anomalies étaient produites toutes les heures par les algorithmes de surveillance. J'ai mis en place une actualisation automatique du modèle de données toutes les heures, avec un indicateur visible dans le dashboard signalant l'heure de la dernière mise à jour pour que les utilisateurs sachent toujours à quelle fraîcheur de données ils travaillent.
Modèle de données multi-clients
Le tableau de bord devait être partagé entre plusieurs clients opérateurs, chacun ne devant voir que ses propres objets. J'ai implémenté la sécurité au niveau des lignes (Row Level Security) dans Power BI, avec une table de mapping entre les identifiants utilisateurs et les objets auxquels ils ont accès. Ce mécanisme garantit l'isolation des données entre clients sans nécessiter de créer un rapport séparé pour chacun.
Visualisation d'indicateurs techniques
Les données orbitales (inclinaison, excentricité, période, argument du périgée) sont des grandeurs techniques que tous les utilisateurs du dashboard ne maîtrisent pas. J'ai travaillé sur la mise en contexte de ces valeurs : affichage de la variation par rapport à la valeur nominale plutôt que de la valeur brute, indicateurs de sévérité calibrés par rapport aux seuils opérationnels de chaque type d'orbite, et infobulles explicatives sur les termes techniques.
Résultats
Le retour des équipes opérationnelles a été particulièrement positif sur la vue historique des anomalies, qui leur permettait de distinguer un événement isolé d'un signal faible récurrent nécessitant une investigation approfondie. Avant la mise en place du dashboard, cette analyse temporelle se faisait manuellement sur des exports de données et prenait un temps significatif. Elle est maintenant disponible en quelques clics.
Ce que ce projet m'a appris
Concevoir un dashboard pour un domaine aussi spécialisé que la surveillance spatiale m'a imposé un effort de montée en compétences métier inhabituel. Comprendre suffisamment les mécaniques orbitales pour savoir quels indicateurs surveiller, quels seuils sont pertinents et comment présenter des données techniques à des utilisateurs aux profils variés a nécessité des semaines d'échanges avec les équipes d'analystes et d'ingénieurs.
Ce projet confirme une conviction : la qualité d'un tableau de bord se mesure moins à sa sophistication technique qu'à la précision avec laquelle il répond aux vrais besoins de ses utilisateurs. Un graphique de plus ne sert à rien si les trois graphiques déjà présents ne sont pas lus.