L’a​dop​tion des technologies génériques par les forces armées : le cas de l’IA

Les obser­va­teurs du conflit ukrai­nien ont tiré, depuis huit mois, de nom­breux ensei­gne­ments, notam­ment le besoin de retour à la haute inten­si­té. Un des sujets majeurs qui en découle tient bien à la ques­tion de l’in​té​gra​tion de tech­no­lo­gies émer­gentes pour four­nir un avan­tage opé­ra­tion­nel aux armées. 

Les par­te­na­riats des armées ukrai­niennes – sou­te­nus par le dépar­te­ment amé­ri­cain de la défense – noués avec Micro­soft ou Ama­zon Web Ser­vices (AWS) pour héber­ger les don­nées ukrai­niennes sen­sibles aux cyber attaques russes, ou encore l’u­ti­li­sa­tion des ter­mi­naux mobiles Star­link d’E­lon Musk pour se connec­ter à Inter­net par satel­lite, ont mis en lumière l’im​por​tance de l’a​dop​tion rapide de tech­no­lo­gies géné­riques pour les besoins mili­taires, et leur effi­ca­ci­té sur le champ de bataille.

En impul­sant la réforme de son éco­sys­tème d’in​no​va​tion de défense, le minis­tère des Armées s’est enga­gé, ces der­nières années, dans un rôle plus entre­pre­neu­rial et stra­té­gique, avec une approche plus expé­ri­men­tale de la poli­tique d’in​no​va​tion¹. Néan­moins, la ques­tion semble tou­jours se poser quant à la capa­ci­té de notre indus­trie de défense et de nos armées à pou­voir adop­ter rapi­de­ment toutes ces tech­no­lo­gies émer­gentes géné­riques – autre­ment qua­li­fiées de « gene­ral pur­pose tech­no­lo­gies » (GPT) – comme l’in​tel​li​gence arti­fi­cielle ou le quan­tique, aux niveaux de matu­ri­té très variés.

On peut défi­nir les tech­no­lo­gies géné­riques comme celles capables d’a­mé­lio­ra­tions futures conti­nues et ayant le poten­tiel de ser­vir de base à des inno­va­tions com­plé­men­taires dans des domaines d’ap­pli­ca­tion connexes (Teece, 2018). En tant que telle, une tech­no­lo­gie géné­rique a un tel impact sur la crois­sance de la pro­duc­ti­vi­té glo­bale qu’elle devient alors omni­pré­sente, comme ce fut le cas pour Inter­net dans les années 2000.

À la suite d’im​por​tants tra­vaux en recherche fon­da­men­tale et grâce au déve­lop­pe­ment d’ap​pli​ca​tions concrètes tou­jours plus nom­breuses, l’in​tel​li​gence arti­fi­cielle (IA) consti­tue une tech­no­lo­gie géné­rique et trans­forme déjà l’é­co­no­mie, la sécu­ri­té natio­nale et la socié­té dans son ensemble.

À tra­vers le monde, les armées consi­dèrent de plus en plus l’IA comme une tech­no­lo­gie essen­tielle à leurs stra­té­gies et à leur pla­ni­fi­ca­tion à long terme. Avec des géants de la tech­no­lo­gie tels que Google et Ama­zon à la pointe de l’in­no­va­tion en matière d’IA, les grandes entre­prises amé­ri­caines de défense sont pres­sées d’in­ten­si­fier leurs acti­vi­tés dans ce sec­teur pour suivre le rythme du mar­ché commercial.

Si le minis­tère des Armées se défend d’in​ves​tir 100 mil­lions d’eu​ros par an dans l’in​tel​li​gence arti­fi­cielle pour la défense, cela ne repré­sente en réa­li­té que 0,6 % du bud­get équi­pe­ment des forces, là où les Amé­ri­cains inves­tissent 4 fois plus à bud­get équivalent. 

Au-delà des inves­tis­se­ments, plu­sieurs freins à l’a​dop​tion des tech­no­lo­gies géné­riques per­sistent. D’un point de vue tech­nique, la vul­né­ra­bi­li­té de l’a​li​men​ta​tion en don­nées réelles pour entraî­ner les algo­rithmes (Oso­ba et Wel­ser, 2017) est sou­vent à l’o​ri​gine de per­for­mances insuf­fi­santes. À la confi­den­tia­li­té des don­nées mili­taires s’a​joute un autre obs­tacle, sou­vent négli­gé : celui de la gou­ver­nance de la don­née, trop sou­vent lais­sée aux indus­triels pro­prié­taires des pla­te­formes et sys­tème d’armes.

L’IA peut avoir un rôle essen­tiel dans la pla­ni­fi­ca­tion opé­ra­tion­nelle et la prise de décision. 

Si l’on se place du point de vue de la matu­ri­té des uti­li­sa­teurs, d’autres résis­tances demeurent, sou­vent liées à l’i​né​gale connais­sance du côté des déci­deurs, des cas d’u­sages et de leur valeur ajou­tée pour les opé­ra­tions mili­taires. Elles s’ex​pliquent par le fait que les sys­tèmes inté­grant l’IA n’entrent pas tous au même moment et avec la même effi­ca­ci­té dans le réper­toire tech­nique des forces armées, mais aus­si par des bar­rières cultu­relles et orga­ni­sa­tion­nelles entre le sec­teur de la défense et le sec­teur civil. Une dés­in­ci­ta­tion forte à prendre des risques, ain­si que des pro­ces­sus d’ac​qui​si​tion inadap­tés pour ce type de tech­no­lo­gie suf­fisent sou­vent à décou­ra­ger toute prise d’i​ni​tia​tive. En défi­ni­tive, d’a​près les chiffres pré­sen­tés par le Grand Défi cen­tré sur l’in​tel​li​gence arti­fi­cielle, seuls 10 à 15 % des preuves de concept (au sens d’un démons­tra­teur) à base d’IA en France sont indus­tria­li­sées et passent à l’échelle.

L’IA per­met de trai­ter de vastes volumes de don­nées com­plexes pour accé­lé­rer les pro­ces­sus de déci­sion à tous les niveaux de com­man­de­ment, agis­sant comme un mul­ti­pli­ca­teur de force pour le com­man­de­ment – en par­ti­cu­lier avec les exi­gences émer­gentes des opé­ra­tions mul­ti-domaines. Si les res­sources humaines per­mettent actuel­le­ment de trai­ter, au mieux, 20 % des infor­ma­tions pro­duites aujourd’​hui, ce pour­cen­tage peut bais­ser jus​qu’à seule­ment 2 % face à l’ex​plo​sion de la pro­duc­tion de données².

Signe que ce cas d’u​sage est d’in​té​rêt majeur pour les forces armées, le minis­tère des Armées vient de signer un mar­ché de défense et de sécu­ri­té d’un mon­tant de 240 mil­lions d’eu​ros, por­té sur 7 ans, avec un acteur non tra­di­tion­nel de l’in​dus​trie de défense, Pre­li­gens, pure player de l’IA de défense en France. Les outils de trai­te­ment mas­sif de don­nées grâce à l’IA ont pour but d’ac​cé​lé​rer le cycle du ren­sei­gne­ment et de trai­ter de façon plus com­plète le tsu­na­mi de don­nées pro­ve­nant de ces satel­lites d’i​ma​ge​rie optique sou­ve­rains CSO. 

L’IA peut aller au-delà des capa­ci­tés humaines et réduire consi­dé­ra­ble­ment les temps de réac­tion des sys­tèmes de défense en cas d’at​taque par des sys­tèmes d’armes d’ac​tion rapide (mis­siles hyper­so­niques, cybe­rat­taques ou armes à éner­gie diri­gée) afin d’ap​por​ter un chan­ge­ment radi­cal dans les capa­ci­tés. À nou­veau, on retrouve plu­sieurs acteurs non tra­di­tion­nels de l’in​dus​trie de défense, par exemple la socié­té amé­ri­caine Andu­ril, une des rares start-ups amé­ri­caines à avoir réus­si un pas­sage à l’é​chelle. Elle uti­lise des modèles de deep lear­ning pour pré­sen­ter une aide à la déci­sion sous forme de recom­man­da­tion, per­met­tant à l’ar​mée amé­ri­caine d’ac​cé​lé​rer la boucle de déci­sion au niveau tac­tique, et de se rap­pro­cher du temps réel pour contrer beau­coup plus effi­ca­ce­ment les manœuvres ennemies.

En plus d’ac​cé​lé​rer le trai­te­ment de quan­ti­tés de don­nées en crois­sance expo­nen­tielle, l’in​tel​li​gence arti­fi­cielle peut éga­le­ment amé­lio­rer la qua­li­té des pro­ces­sus de déci­sion et deve­nir un acteur-clé dans le conti­nuum des pro­ces­sus de pla­ni­fi­ca­tion et de conduite des opé­ra­tions. En effet, l’a­gré­ga­tion de nom­breuses sources de don­nées, et leur ana­lyse par des algo­rithmes de machine lear­ning, peut aider à déter­mi­ner la meilleure répar­ti­tion géo­gra­phique pos­sible des forces en fonc­tion de la mis­sion, des capa­ci­tés d’une uni­té, des condi­tions dans la zone d’in­té­rêt, des exi­gences en matière de réap­pro­vi­sion­ne­ment et des infor­ma­tions tirées de l’a­na­lyse de toutes les sources de renseignement.

Chaque théâtre d’o­pé­ra­tions offre un nombre infi­ni de confi­gu­ra­tions de forces. Pour se don­ner une idée de l’am­pleur de ce nombre, il suf­fit de pen­ser au jeu d’é­checs. Après que chaque joueur a effec­tué quatre mou­ve­ments, il existe 988 mil­lions de confi­gu­ra­tions dif­fé­rentes pos­sibles. Com­bi­ner des sources mas­sives d’in­for­ma­tions per­ti­nentes (telles que les don­nées de loca­li­sa­tion, la por­tée des armes, le ren­sei­gne­ment, etc.) donne à l’IA un rôle essen­tiel dans la pla­ni­fi­ca­tion opé­ra­tion­nelle et la prise de décision.

Sur des effets dits à large spectre, l’IA peut par ailleurs aider à obte­nir une connais­sance et une com­pré­hen­sion plus larges du champ de bataille, et par exemple anti­ci­per les ten­ta­tives de mani­pu­la­tion des citoyens. En effet, l’a​na​lyse pilo­tée par l’IA de l’ef​fet sur le sen­ti­ment de la popu­la­tion d’une frappe ciné­tique sur des infra­struc­tures ou encore les solu­tions à base d’IA pour détec­ter les cam­pagnes de dés­in­for­ma­tion, déve­lop­pées par les start-ups Sahar ou Sto­ry­zy, font par­tie des outils des ser­vices de ren­sei­gne­ment sur la conduite d’o​pé​ra​tions de lutte infor­ma­tique défen­sive (LID), offen­sive (LIO) et d’in​fluence (L2I).

Les appli­ca­tions concrètes de l’IA pour les forces armées existent bel et bien, et tous les cas d’u​sage de cette « tech­no­lo­gie habilitante³ » n’ont pas encore éclos à ce stade. Les acteurs non tra­di­tion­nels du sec­teur de la défense se dis­tinguent comme four­nis­seurs de ces solu­tions, à base d’IA, grâce à leur capa­ci­té à trai­ter des besoins « uti­li­sa­teurs » spé­ci­fiques et à pro­duire en mode « agile » des démons­tra­teurs sur la base d’ex​pé​ri​men​ta​tions. Mais ces acteurs se heurtent au dilemme plus géné­ral de l’a​dop​tion de tech­no­lo­gies géné­riques : dans quelle mesure et à quelle vitesse ces acteurs par­viennent-ils à faire évo­luer les formes d’or​ga​ni​sa​tion tra­di­tion­nelles des armées pour per­mettre à ces der­nières de béné­fi­cier des avan­cées pro­cu­rées par les tech­no­lo­gies génériques ?