Drone autonome : où commence réellement l’autonomie

En janvier 2026, un drone du programme ALMA a détecté plusieurs objets sur un terrain d’essai enneigé en Suède. Son intelligence artificielle a classé un véhicule blindé du génie comme la cible prioritaire, puis l’appareil a volé vers lui et largué une charge explosive sans commande humaine directe.

Cette séquence ne correspond pas à une mission entièrement définie par une machine. Des humains avaient lancé l’exercice, fixé ses paramètres et défini les critères de sélection. Le drone a pris le relais au moment de l’observation de la scène, de la classification des objets et de la sélection terminale.

Le drone a classé une cible parmi plusieurs objets

Le projet ALMA, pour Affordable Loitering Modular Ammunitionest porté par BAE Systems Bofors avec un logiciel d’intelligence artificielle fourni par Scaleout Systems, une entreprise issue de l’environnement universitaire d’Uppsala. La démonstration s’est déroulée à Karlskoga, dans le cadre de la Winter Demo 2026.

La chaîne technique est relativement précise : le drone observe son environnement, détecte les objets, les identifie, estime leur position et les compare aux priorités de la mission. Le véhicule blindé du génie a obtenu le classement le plus élevé. L’appareil s’est ensuite dirigé vers lui sans recevoir de commande manuelle pour cette phase.

Le verbe « choisir » doit toutefois être employé avec prudence. Le système n’a pas produit une appréciation politique ou juridique de la situation. Il a comparé ce qu’il voyait avec des catégories apprises et avec des paramètres de mission. Une machine peut retenir l’objet qui correspond le mieux à une consigne sans comprendre les conséquences humaines de l’attaque.

Aucune commande humaine n’a guidé la phase finale

Le test ne doit pas être décrit comme une opération totalement déconnectée. Un pilote restait en réserve et la liaison était maintenue pendant l’exercice. En revanche, aucune commande directe n’était nécessaire pour que le drone détecte les objets, les hiérarchise et vole vers la cible retenue.

Les fonctions de détection, d’identification et de géolocalisation étaient exécutées par l’ordinateur embarqué, sans traitement de ces données par un serveur distant. Cette architecture réduit la dépendance à une liaison permanente avec un centre de calcul. Elle ne prouve pas, à elle seule, que la frappe de janvier aurait continué après une coupure de toutes les communications.

Cette distinction compte sur un champ de bataille où une liaison radio peut être brouillée ou interrompue. Le calcul embarqué peut maintenir certaines fonctions, mais il éloigne aussi l’opérateur d’une mauvaise identification, d’une modification de priorité ou d’un ordre d’arrêt. La résistance au brouillage et la capacité de contrôle doivent donc être évaluées séparément.

Un essai séparé a porté sur le fonctionnement hors connexion

En juin 2026, Scaleout a présenté une autre démonstration en Suède, consacrée au fonctionnement d’une intelligence artificielle dans un environnement déconnecté. Un nœud informatique a continué à effectuer des inférences et à enregistrer localement des détections après la coupure de sa liaison avec le laboratoire de l’entreprise.

Une fois la connexion rétablie, le système pouvait transmettre les informations conservées et synchroniser des mises à jour. L’approche vise à faire circuler des améliorations de modèle plutôt que des flux permanents d’images brutes. Elle peut être utile lorsqu’un modèle entraîné dans un environnement donné rencontre des conditions très différentes sur le terrain.

Ce second essai ne doit pas être confondu avec la frappe réalisée en janvier. Il montre le fonctionnement hors connexion d’un dispositif informatique et la synchronisation ultérieure de données ou de mises à jour. Il ne mesure pas, à lui seul, la capacité d’un drone armé à poursuivre une attaque après une perte de liaison.

La fonction d’apprentissage actif ne constitue pas non plus un apprentissage général et illimité. Les performances restent liées aux modèles, aux capteurs, aux règles de validation et aux données disponibles. Une mise à jour peut améliorer la détection d’un type de véhicule et dégrader celle d’un autre. Les essais, le contrôle et la traçabilité restent nécessaires.

Le rôle de l’OTAN doit être distingué de celui des industriels

L’association de Scaleout à l’écosystème d’innovation de l’OTAN explique l’attention portée à cette démonstration. Elle ne suffit pas à établir que l’Alliance a acheté le système, autorisé son emploi ou décidé de son déploiement. Le projet ALMA reste une initiative industrielle et technologique menée en Suède.

L’OTAN a aussi soutenu en 2024 la compétition SAPIENCE à Londres, dans le cadre de son programme pour la science au service de la paix et de la sécurité. Quatre équipes universitaires devaient cartographier un bâtiment simulant un site sinistré, repérer des personnes en détresse et leur porter secours. Les drones devaient notamment naviguer sans GPS, éviter des obstacles et atterrir dans des zones mal éclairées.

Dans ce cas, l’intelligence artificielle servait à la navigation, à la coordination et au secours. La compétition montre qu’un drone autonome peut exécuter des tâches complexes sans que l’autonomie implique une sélection de cible à détruire. Les deux usages ne posent pas les mêmes questions de contrôle et de responsabilité.

La sélection autonome existait avant le cas suédois

La capacité à détecter et attaquer une cible sans guidage humain continu n’est pas entièrement nouvelle. Le missile rôdeur israélien Harpy, déployé depuis les années 1990, pouvait rechercher des émetteurs radar et les attaquer alors que leur position exacte n’était pas connue au lancement.

Le cas d’ALMA ajoute une autre dimension : l’appareil a observé plusieurs objets, les a classés selon la valeur définie par la mission, puis a retenu celui à frapper. La difficulté ne porte donc plus uniquement sur la navigation ou la poursuite d’un signal. Elle concerne aussi l’interprétation d’une scène et la hiérarchisation de cibles potentielles.

Cette différence modifie la nature des erreurs à surveiller. Une erreur de navigation peut provoquer une déviation. Une erreur de classification peut conduire la machine à retenir le mauvais objet. Il faut alors examiner les données d’entraînement, les seuils de confiance, les règles d’abandon et la responsabilité de l’organisation qui a défini le système.

Les cinq questions à poser devant une nouvelle démonstration

Les annonces sur les drones autonomes mélangent souvent plusieurs niveaux d’autonomie. Pour comparer deux systèmes, il faut vérifier :

1. Qui définit la mission? Une zone, une catégorie de cible et une règle de priorité peuvent avoir été fixées par un humain avant le décollage.
2. Que sélectionne réellement l’intelligence artificielle? Il faut distinguer la trajectoire, l’objet observé, la cible finale et le moment de l’attaque.
3. Le système fonctionne-t-il sans liaison? Une démonstration avec une connexion maintenue ne prouve pas le même niveau d’autonomie qu’un essai réellement déconnecté.
4. Que peut encore faire l’opérateur? La présence d’une commande de reprise ne garantit pas qu’un ordre d’arrêt puisse atteindre l’appareil après un brouillage.
5. Quelles erreurs ont été mesurées? Il faut connaître les fausses identifications, les objets ignorés et les conditions de visibilité, de météo et de lumière du test.

Le test d’ALMA montre donc une autonomie circonscrite : la machine a pris en charge la perception et la sélection terminale dans le cadre défini par des humains. Le point à vérifier pour chaque système comparable reste concret : lorsqu’une liaison disparaît et que l’algorithme se trompe, quelle procédure permet encore d’empêcher l’impact?