Une démonstration menée en Suède montre jusqu’où peut aller l’intelligence artificielle militaire embarquée. Un drone expérimental a pu repérer plusieurs menaces, sélectionner un véhicule blindé puis poursuivre sa mission sans recevoir d’ordres directs.
Le système repose sur de petits modèles capables de fonctionner localement, sans solliciter en permanence un puissant centre de données. Cette autonomie répond à une difficulté très concrète des champs de bataille modernes : les communications peuvent être brouillées, coupées ou interceptées.
Une intelligence artificielle suffisamment compacte pour voler
La technologie est développée par Scaleout Systems, une entreprise fondée en 2018 par des chercheurs de l’université d’Uppsala, en Suède. Ses premiers travaux concernaient l’entraînement et le déploiement de modèles d’apprentissage automatique directement dans des camions et d’autres véhicules commerciaux.
Après le début de l’invasion à grande échelle de l’Ukraine par la Russie en 2022, la société a réorienté une partie de ses activités vers la défense. Elle ne cherche pas à embarquer les plus grands modèles génératifs disponibles, mais des programmes plus légers, notamment dédiés à la vision informatique.
Ces modèles peuvent fonctionner sur les composants intégrés aux drones, les tablettes des pilotes ou les ordinateurs installés dans les postes de commandement avancés. Ils analysent ainsi les images et les données des capteurs au plus près du terrain.
Le drone a sélectionné lui-même la cible prioritaire
Scaleout participe au projet ALMA, piloté par BAE Systems Bofors. Son objectif est de mettre au point une munition rôdeuse autonome et peu coûteuse, autrement dit un drone capable d’attendre dans une zone avant de frapper une cible.
Lors d’une présentation publique organisée en Suède en janvier 2026, l’appareil a utilisé son système embarqué pour détecter, reconnaître et localiser différentes menaces. Il a ensuite classé les objectifs en fonction des critères définis pour la mission.
La cible retenue était un véhicule blindé du génie. Le drone s’est dirigé vers lui et a largué un explosif. Un opérateur humain conservait la possibilité de reprendre les commandes, mais l’enchaînement de la mission a été réalisé sans instruction humaine directe.
Il s’agissait toutefois d’une démonstration technologique. Les informations disponibles ne permettent pas d’affirmer que ce système est déjà déployé dans une opération militaire réelle.
Des modèles qui continuent à travailler lorsque le réseau tombe
Cette architecture évite de dépendre continuellement d’un serveur central. Lors d’un autre essai conduit en juin sur une base de l’armée de l’air suédoise à Uppsala, un ordinateur avancé a continué à exécuter ses analyses et ses mécanismes d’apprentissage après la perte de sa liaison avec le laboratoire de Scaleout.
Lorsque la connexion a été rétablie, les mises à jour locales du modèle ont été transmises au nœud central. Ce fonctionnement décentralisé permet aux appareils de poursuivre certaines tâches malgré une rupture des communications.
Il doit également aider les modèles à s’adapter à des environnements différents. Un système entraîné dans un désert peut perdre en efficacité lorsqu’il est confronté à une ville. Les nouvelles données recueillies par plusieurs capteurs servent donc à améliorer puis redistribuer les modèles au cours d’une opération.
Un apprentissage partagé sans envoyer toutes les images
Le dispositif repose sur l’apprentissage fédéré. Les équipements ne transfèrent pas nécessairement toutes leurs données brutes : ils peuvent partager uniquement certaines évolutions utiles avec les ordinateurs du quartier général local.
-
- Les drones et capteurs analysent les données sur place.
- Les postes avancés regroupent les mises à jour provenant de plusieurs sources.
- Les capacités améliorées sont ensuite renvoyées vers les appareils lorsque la liaison le permet.
Scaleout a intégré en 2025 le programme DIANA de l’OTAN, l’accélérateur d’innovation de défense de l’Alliance atlantique. L’entreprise travaille dans ce cadre sur un projet destiné à adapter l’apprentissage automatique aux drones et aux équipements informatiques utilisés sur le terrain.
À retenir : cette expérience ne prouve pas qu’une flotte de drones entièrement autonome est déjà opérationnelle. Elle montre néanmoins qu’une IA compacte peut désormais reconnaître des objectifs, hiérarchiser une cible et guider une attaque directement depuis l’appareil, même lorsque l’accès à un serveur central disparaît.
