Par Murielle Delaporte – Dans un environnement opérationnel saturé de données, l’intelligence artificielle conversationnelle s’impose comme un levier inédit de transformation du commandement. Cet article en explore trois dimensions : d’abord, la manière dont ces outils accélèrent la boucle décisionnelle en agissant comme de véritables « assistants cognitifs » militaires ; ensuite, leur rôle d’interface au cœur du combat en réseau et de la préparation opérationnelle, où ils ouvrent la voie à un « wargaming » plus intense et plus réaliste ; enfin, les risques que cette évolution fait peser sur l’autonomie de jugement des forces – dépendance cognitive, vulnérabilité des architectures numériques, enjeux de souveraineté – et les garde-fous que les armées alliées commencent à mettre en place.

 

Dans un environnement opérationnel saturé de données, la question n’est plus seulement de savoir comment décider plus vite que l’adversaire, mais comment conserver la maîtrise de la décision dans un système où l’information, son traitement et sa circulation tendent à s’automatiser. L’intelligence artificielle s’impose aujourd’hui comme un levier majeur de cette transformation. Déjà largement intégrée dans les systèmes militaires, elle permet d’exploiter des volumes de données sans précédent, d’accélérer l’analyse et de proposer des options d’action en temps quasi réel.

Une évolution plus discrète se dessine toutefois : l’émergence d’une intelligence artificielle conversationnelle capable d’interagir directement avec les opérateurs, en langage naturel, et de servir d’interface entre des architectures techniques de plus en plus complexes et la décision humaine. Cette dynamique ne constitue pas seulement une rupture technologique. Elle touche au cœur même des modes de commandement contemporains. En facilitant l’accès à l’information, en accélérant la génération d’options et en réduisant les délais de compréhension de la situation, ces outils renforcent les principes du Commandement par intention (CPI). Mais ils posent une question centrale : dans quelle mesure cette médiation algorithmique transforme-t-elle la manière de décider, et donc, in fine, de commander ?

C’est cette tension que cet article propose d’explorer, en s’intéressant plus particulièrement au rôle que pourrait jouer l’intelligence artificielle conversationnelle dans la préparation opérationnelle et l’entraînement des forces. Car c’est bien dans cet espace – entre apprentissage, expérimentation et mise à l’épreuve des outils – que se dessine aujourd’hui l’équilibre entre accélération de la décision, dépendance technologique et préservation du jugement humain.

Cet article (publié en trois parties) fait ainsi un point sur le potentiel qu’une telle évolution incarne en termes de préparation opérationnelle et de transformation du commandement, mais aussi sur les implications en termes de dépendance et les garde-fous qu’elle suppose et dont ont bien conscience les principaux intéressés.

 

I. Vers une accélération de la boucle OODA : l’émergence d’un « assistant cognitif » militaire

De l’intelligence artificielle militaire à l’interface conversationnelle

Si l’intelligence artificielle est déjà largement utilisée au sein des Armées, il convient de rappeler que celle-ci recouvre plusieurs catégories de technologies complémentaires. On peut distinguer, à des fins d’analyse, cinq grands types d’IA :

  • l’IA analytique, laquelle permet de traiter de vastes volumes de données, d’y détecter des motifs ou des schémas d’activité et de produire des classifications, voire des prédictions, à partir notamment d’imagerie satellitaire ou les flux de capteurs ;
  • l’IA générative, qui est capable de produire du contenu nouveau (texte, code, images ou synthèses) à partir des données sur lesquelles elle a été entraînée ;
  • l’IA conversationnelle, qui constitue une application particulière de l’IA générative et permet aux utilisateurs d’interagir en langage naturel avec des systèmes complexes, afin d’interroger des bases de données opérationnelles, de générer rapidement des analyses et d’explorer des options d’action ;
  • l’IA décisionnelle, qui vise à optimiser des choix ou à planifier l’allocation de ressources dans un espace de contraintes donné ;
  • l’IA autonome, enfin, qui est capable d’agir directement dans l’environnement physique, par exemple au sein de drones ou de systèmes robotisés[1].

Les documents stratégiques de l’OTAN indiquent ainsi que l’intelligence artificielle doit soutenir un large éventail de fonctions militaires, allant de l’amélioration de la connaissance de la situation et de l’exploitation de données massives à l’aide à la décision et au développement de systèmes autonomes. Dans la pratique, ces usages correspondent à différentes étapes du traitement de l’information : perception et détection des menaces, analyse des données, génération d’options d’action et, dans certains cas, action automatisée. Dans les architectures les plus récentes, ces fonctions tendent à être combinées au sein de plateformes intégrées capables d’exploiter de vastes volumes d’informations et de fournir aux décideurs des recommandations en temps quasi réel[2].

C’est dans ce contexte que l’intégration d’outils d’intelligence artificielle conversationnelle reposant sur des modèles de langage de grande taille (LLM pour « Large Language Models »), déjà engagée au sein du ministère de la guerre (DoW pour « Department of War ») américain notamment au travers de la combinaison Maven Smart System et Palantir Artificial Intelligence Platform (AIP) et désormais explorée au sein de l’OTAN[3], pourrait marquer une nouvelle étape dans la préparation opérationnelle et l’entraînement des forces armées. En permettant aux militaires d’interroger directement de vastes ensembles de données en langage naturel et de générer rapidement plusieurs choix tactiques ou options opérationnelles (COA pour « Course of Action »), ces outils visent en particulier à accélérer le cycle décisionnel sur un champ de bataille toujours plus saturé d’informations[4].

Cette nouvelle étape technologique pourrait ainsi constituer un levier majeur dans l’amplification du principe de subsidiarité, au cœur des modes de commandement contemporains et qui revêt une résonance particulière dans le milieu aérien, où la rapidité des engagements, l’autonomie des équipages et la nécessité de décider en environnement incertain en font une pratique de fait. Qu’il s’agisse du « mission command » au sein de l’OTAN et des forces armées américaines[5] ou du « Commandement par intention » (CPI)[6] traditionnellement associé à l’armée de Terre française, ces modèles ou philosophies de commandement reposent sur la capacité des unités engagées à appréhender rapidement la situation tactique et à déterminer de manière autonome les modalités d’action permettant d’atteindre l’effet recherché.

Ils se déclinent dans les concepts d’« opérations distribuées », telles que menées par les Marines américains, ou encore la doctrine de dispersion aérienne de l’OTAN dite « ACE » pour « Agile Combat Employment » (en France l’acronyme « French ACE » a pris la suite de celui de « MORANE » pour Mise en œuvre réactive de l’arme aérienne[7]). Le général Jérôme Bellanger, chef d’état-major de l’armée de l’Air et de l’Espace, décrit ainsi les trois piliers sous-tendant le C2 au sein de la troisième dimension :

« Notre C2 est organisé selon un triple principe assez spécifique à la puissance militaire aérospatiale. Le premier est commun à toutes les armées : c’est le commandement centralisé, autrement dit l’unicité du commandement.

Le deuxième, qui nous est plus particulier, c’est le principe de la conduite distribuée. L’Armée de l’air et de l’Espace (AAE) est une armée mondiale. C’est une réalité qui est finalement assez récente, et que l’on doit à l’effort de modernisation de nos flottes entrepris depuis une dizaine d’années, à l’image du triptyque avion de combat Rafale – avion de transport A400M – ravitailleur A330 MRTT. Aujourd’hui, nous sommes capables d’effectuer des bascules d’effort d’un théâtre à un autre, d’un point à l’autre du globe, en moins de 48 heures. Cette réalité impose ce principe de conduite distribuée et le non-rattachement de nos flottes à tel ou tel commande ment régional. C’est la condition de notre réactivité.

Enfin, le troisième et dernier principe de notre C2 , c’est l’exécution décentralisée. Il permet la réactivité et l’initiative, qui sont les qualités fondamentales de la puissance militaire aérospatiale : « Flexibility is key to Airpower ». Cette phrase, répétée à chaque briefing par tous les aviateurs alliés, décrit bien cette culture d’adaptabilité qui constitue l’ethos de l’AAE. L’initiative est pour nous la forme ultime de la discipline. »[8]

Leur extension progressive à l’ensemble des milieux, dans une logique multi-milieux multi-champs (M2MC) – ou multi-domaine (MDO) – en renforce aujourd’hui la portée.  Ainsi que le soulignait une analyse publiée par le « Modern War Institute » de Westpoint dès 2022 :

« La complexification croissante de la prise de décision et de l’exécution des missions font partie des implications inévitables du MDO. Coordonner efficacement différentes actions dans de multiples domaines, y compris le cyberespace et le spectre électromagnétique, revient à jouer aux échecs sur plusieurs jeux empilés les uns sur les autres, où chaque pion joué va influer sur les coups possibles sur tous les autres. La complexité, ici, n’est pas additive, elle est multiplicative.

Et le temps disponible pour trier toutes ces multiples options de manœuvres complexes sera réduit. Le MDO met l’accent sur l’importance d’exploiter rapidement des fenêtres de supériorité, qui apparaissent de façon imprévisible et ne durent que très peu de temps. Exploiter de telles fenêtres de supériorité de courte durée exigera souvent des modifications rapides et majeures – potentiellement risquées – des plans en cours, coordonnées à travers plusieurs domaines. L’IA peut contribuer à orchestrer ces changements, à en évaluer les ramifications et à produire, au besoin en quelques secondes, l’ordre fragmentaire détaillé nécessaire [à la poursuite des opérations]. »[9]

Cette vision résume bien le pari qui sous‑tend l’intégration de l’IA dans le commandement par intention : faire de ces outils des multiplicateurs de compréhension et de réactivité au profit de la subsidiarité, sans pour autant déléguer à la machine la responsabilité ultime des choix tactiques.

 

Le cas du programme américain Maven Smart Systems : de l’analyse ISR à la plateforme décisionnelle

Si l’on regarde ce qui se passe aux Etats-Unis, en tant que l’un des acteurs pionniers dans l’intégration de modèles d’intelligence artificielle conversationnelle dans les systèmes militaires américains, la plateforme proposée par Palantir en 2023 était ainsi décrite dans la presse :

« Palantir Technologies a présenté au public sa plateforme d’intelligence artificielle, Artificial Intelligence Platform (AIP). A la base, ce système intègre des modèles de langage de grande taille (LLM) et des capacités d’intelligence artificielle au sein d’un réseau privé sécurisé. Les forces armées peuvent ainsi utiliser AIP pour élaborer des plans de bataille presque aussi facilement que des étudiants utilisent ChatGPT pour rédiger un devoir. »[10]

Dans un scénario de démonstration décrit le 13 mars 2026 dans la revue Wired, un analyste interagit avec un « assistant digital » intégré à cette plateforme, lequel, après la détection automatique d’une activité anormale par un algorithme de vision artificielle, va l’aider à interpréter la situation et à envisager plusieurs options : frappe aérienne, artillerie longue portée ou engagement d’une équipe tactique. L’intermédiaire cognitif peut également suggérer des itinéraires d’approche ou l’allocation de moyens de guerre électronique, accélérant ainsi la préparation de l’action[11].

Ces capacités s’inscrivent dans l’écosystème du programme « Project Maven », pierre angulaire de l’intégration de l’intelligence artificielle dans les opérations militaires américaines. Ces démonstrations ne visent pas seulement l’appui direct au ciblage, mais servent aussi de supports d’entraînement pour habituer les états‑majors et cellules de ciblage à travailler avec un « assistant cognitif » dans des jeux de guerre ou wargames et exercices de planification[12].

Pour rappel, lancé en 2017 par le Pentagone, Project Maven – aussi appelé AWCFT pour « Algorithmic Warfare Cross-Functional Team » – constitue la première initiative à grande échelle visant à intégrer l’intelligence artificielle dans l’analyse du renseignement et le ciblage[13]. A l’origine, le programme répondait à un défi simple mais critique : l’explosion du volume d’images collectées par drones et satellites dépassait largement la capacité d’analyse humaine. Maven a ainsi été conçu pour analyser automatiquement ces flux, identifier véhicules, infrastructures ou comportements suspects et assister les analystes dans la désignation de cibles potentielles.

Le système est aujourd’hui géré par la National Geospatial-Intelligence Agency et accessible à l’ensemble des composantes du Pentagone, devenu « Department of War » (DoW). Au fil des années, il est passé du statut d’outil d’analyse d’imagerie à celui « plateforme plus large de renseignement militaire et de ciblage qui fusionne les données provenant de multiples capteurs afin d’identifier des objets, d’évaluer les menaces et de faciliter la prise de décisions opérationnelles »[14]. Concrètement, le déploiement de Maven Smart Systems est ainsi décrit par Alex Hollings :

« Le système intelligent Maven, déjà opérationnel aujourd’hui, est capable de traiter des flux de données de renseignement, de surveillance et de reconnaissance (ISR) en temps réel – notamment des vidéos, des images, des données radar et des signaux radio – puis d’utiliser la vision par ordinateur basée sur des réseaux neuronaux convolutifs pour détecter et classer les personnes, les véhicules, les équipements et bien plus encore, en géolocalisant chacun d’entre eux tout en distinguant les forces amies, les ennemis et les civils.

Il peut ensuite utiliser ces données pour proposer jusqu’à 1 000 cibles par heure aux utilisateurs, qui peuvent alors se tourner vers le système de recommandation de mission par IA de Maven afin d’identifier l’arme la plus appropriée pour engager chaque cible en fonction de divers facteurs, tels que le type de munitions le plus adapté à la mission, le temps de vol de la plateforme, les détails du chargement des armes et la localisation du personnel ami et des forces partenaires.

Maven a été conçu pour résoudre le problème du traitement rapide des données recueillies par les avions et les drones de renseignement, de surveillance et de reconnaissance (ISR). Une fois la cible identifiée, et l’arme ainsi que la plate-forme appropriées déterminées, Maven peut communiquer directement avec les troupes sur le terrain, voire directement avec les plates-formes et les systèmes d’armes eux-mêmes. En 2020, Maven a transmis pour la première fois des ordres de tir à un système d’artillerie M142 HIMARS de l’armée américaine lors d’essais à Fort Liberty.

En 2023, Maven avait démontré sa capacité à s’interfacer directement avec les systèmes de commandement de mission de l’armée, tels que l’Advanced Field Artillery Tactical Data System (AFATDS), pour générer des missions de tir au Qatar dans le cadre d’opérations de combat réelles, dans le cadre des opérations Spartan Shield et Inherent Resolve.

En juin 2025, Maven a acquis la capacité de s’interfacer directement avec le système de planification des missions aériennes (AMPS) de l’armée américaine, automatisant ainsi efficacement la transition des systèmes conventionnels de planification des missions aériennes vers le tableau opérationnel commun (COP) de Maven, et créant en quelque sorte un guichet unique pour une planification efficace des missions de vol à l’aide des renseignements les plus récents disponibles.

En janvier 2026, Maven était déployé dans tous les principaux commandements de combat américains, ainsi que dans les opérations des commandements alliés de l’OTAN. »[15]

L’intégration de modèles conversationnels dans cet environnement constitue en quelque sorte la troisième étape de l’intégration de l’IA dans le domaine de la défense, puisqu’après la phase de l’analyse (2017) et le démonstrateur technologique AIP  (2023), la phase de mise en œuvre opérationnelle s’effectue de façon progressive depuis 2024 : les analystes peuvent désormais interagir avec les données en langage naturel, demander une synthèse d’informations ou générer rapidement plusieurs scénarios tactiques.

 

Accélérer la boucle OODA : vers une supériorité décisionnelle

Si le programme Maven constitue aujourd’hui l’un des exemples les plus aboutis de cette transformation, il ne saurait cependant être considéré isolément, mais comme une des briques d’une évolution d’ensemble. Il s’inscrit ainsi dans un écosystème plus large de systèmes et d’architectures – souvent regroupés aux États-Unis sous la bannière « Joint All‑Domain Command and Control  » (JADC2)[16] – visant à intégrer l’intelligence artificielle dans l’ensemble de la conduite des opérations. Au sein de l’US Air Force, des programmes tels que Skyborg visent ainsi à intégrer des capacités d’autonomie décisionnelle directement au niveau des effecteurs et d’un drone d’accompagnement d’un aéronef piloté (« loyal wingman »)[17]. De leur côté, les architectures de type ABMS (« Advanced Battle Management System »)[18], qui constituent la contribution de l’US Air Force au programme JADC2, cherchent à connecter capteurs, plateformes et centres de commandement dans une logique de combat multi‑domaines, en s’appuyant sur des algorithmes d’IA et de « machine learning » pour fusionner les données et raccourcir drastiquement les délais de décision.

Ces outils permettent notamment d’analyser rapidement de grands volumes de données, issues d’images radar ou satellitaires, de capteurs ou de rapports de renseignement, afin d’identifier des activités ennemies suspectes, de synthétiser la situation tactique et de proposer plusieurs options tactiques. L’objectif n’est pas de remplacer la décision humaine, mais d’accélérer le processus de planification en réduisant drastiquement le temps entre détection, analyse et action. Cet objectif correspond très directement au principe de Commandement par intention, selon lequel si le commandement fixe l’objectif et l’intention, les unités subordonnées prennent les décisions tactiques au moment opportun, et ce, d’autant plus aujourd’hui dans un contexte de haute intensité, opérations multi-domaines et brouillage des communications, où il devient de plus en plus difficile de tout centraliser.

L’IA permet de facto de relier la technologie à un concept stratégique classique, ce type d’évolution ressemblant beaucoup à une version assistée par IA du cycle OODA. Pour rappel, la boucle OODA  – « Observe, Orient, Decide , Act  »-  a été conceptualisée par le colonel de l’US Air Force John Boyd et se résume à l’idée suivante : dans un conflit, l’avantage revient à celui qui parvient à parcourir ce cycle plus vite que l’adversaire. Or, si l’on regarde notamment la démonstration AIP étape par étape, on retrouve presque exactement cette logique :

  • Observer : le système détecte une activité anormale grâce à l’analyse automatisée de données capteurs. Cette fonction correspond aux capacités développées depuis plusieurs années dans le cadre du programme Project Maven, qui vise à automatiser l’analyse de l’imagerie et des flux de renseignement.
  • Orienter : une fois l’activité détectée, l’IA aide l’analyste à comprendre la situation. Le système propose par exemple une hypothèse sur la nature de l’unité ennemie en croisant différents indices. C’est la phase d’orientation du cycle OODA : transformer les données brutes en compréhension de la situation.
  • Décider : l’analyste demande ensuite au système de générer plusieurs options tactiques. L’IA propose différents moyens possibles (frappe aérienne, artillerie longue portée, action d’une unité terrestre, etc). La décision finale reste humaine, mais l’IA accélère la génération d’options.
  • Agir : enfin, le système peut assister la mise en œuvre de l’option retenue : génération d’itinéraires d’approche, allocation de moyens ou coordination avec d’autres capacités comme la guerre électronique.

L’IA ne remplace pas le cycle OODA, mais cherche à l’accélérer. En automatisant certaines tâches  – détection, fusion de données, génération d’options -, le système réduit le temps nécessaire à un humain pour passer d’une observation à une action, ce qui constitue un avantage tactique et une supériorité décisionnelle indiscutable.

 

Notes et références :

[1] Voir notamment sur ce sujet :

[2] https://www.nato.int/fr/about-us/official-texts-and-resources/official-texts/2024/07/10/summary-of-natos-revised-artificial-intelligence-ai-strategy

[3] https://blog.palantir.com/maven-smart-system-innovating-for-the-alliance-5ebc31709eea

[4] Voir notamment :

[5] Voir par exemple :

[6] « Le commandement par intention se traduit enfin par une méthode structurée et formalisée. Le chef définit l’effet majeur recherché et exprime clairement son intention (…). Il fixe les limites de l’action et confie au subordonné l’initiative des modalités », https://www.defense.gouv.fr/terre/chef-detat-major-larmee-terre/vision-strategique-du-chef-detat-major-larmee-terre/commandement-intention-0

[7] Voir notamment sur ce sujet : Le concept opérationnel French ACE, déclinaison française de l’Agile Combat Employment, decembre 2024 : https://www.defense.gouv.fr/cesa

[8] Général d’armée aérienne Jérôme Bellanger, Tsiporah Fried, Commandement, vitesse et supériorité aérospatiale à l’ère des conflits de haute intensité, Revue de la défense nationale n° 887, février 2026.

[9] Voici la citation originelle issue de :  https://mwi.westpoint.edu/beyond-the-hype-why-were-closer-to-ai-enabled-mission-command-than-you-think/

« Great increases in the complexity of decision-making and mission execution are one of inevitable implications of MDO. Effective coordination of actions across multiple domains, including in the complex cyber domain and the electromagnetic spectrum, is akin to playing chess on multiple stacked boards where each move on one board influences moves on all other boards. The complexity here is not additive, it is multiplicative.
And there will be less time available to sort out all these multiple options of complex moves. MDO emphasizes the importance of rapidly exploiting windows of superiority, which appear unpredictably and fleetingly. Exploiting such short-time windows of superiority will often require rapid and major – potentially dangerous -changes to the existing plans, coordinated across multiple domains. AI can help orchestrate and assess ramifications of such changes and produce the necessary detailed fragmentary order (FRAGORD)—in seconds, if needed. »

[10]  https://www.maginative.com/article/palantir-announces-artificial-intelligence-platform-for-enterprise-and-military-use ;

[11] https://www.wired.com/story/palantir-demos-show-how-the-military-can-use-ai-chatbots-to-generate-war-plans/

[12] Voir par exemple :

[13] https://www.war.gov/News/News-Stories/Article/Article/1356172/project-maven-industry-day-pursues-artificial-intelligence-for-dod-challenges

[14] https://www.military.com/feature/2026/03/22/pentagon-expands-palantirs-role-ai-contract.html

[15] Voici la citation originelle issue de :  https://www.sandboxx.us/news/maven/ :

« The Maven Smart System that’s already in service today is capable of ingesting real-time intelligence, surveillance, and reconnaissance (ISR) feeds – including video, imagery, radar, and radio signals – and then applying Convolutional neural network-based computer vision to detect and classify people, vehicles, equipment, and more, geotagging each as it differentiates between friendlies, enemies, and civilians.

It can then use this data to nominate up to 1,000 targets for strikes per hour to users who can then turn to Maven’s AI Asset Tasking Recommender to identify the right weapon to engage each target based on a variety of factors, like the most suitable ordnance for the task, platform flying time, weapons loading details, and the whereabouts of friendly personnel and partner forces.

Once a target has been identified and the appropriate weapon and platform have been determined, Maven can communicate directly with troops in the field or even directly with platforms and weapon systems themselves. In 2020, Maven transmitted fire orders to a U.S. Army M142 HIMARS artillery system in testing at Fort Liberty for the first time.

By 2023, Maven had demonstrated its ability to directly interface with Army Mission Command Systems, like the Advanced Field Artillery Tactical Data System (AFATDS), to generate fire missions in Qatar in real combat operations as a part of Operations Spartan Shield and Inherent Resolve.

In June 2025, Maven gained the ability to interface directly with the U.S. Army’s Aviation Mission Planning System (AMPS), effectively automating the transition from conventional aviation mission-planning systems into Maven’s common operating picture (COP), and creating something of a one-stop shop for effective flight mission planning with the most up-to-date intelligence available.

By January 2026, Maven was deployed across all major American combatant commands, as well as across NATO allied command operations.»

[16] https://www.nationalacademies.org/read/26525/chapter/2#2

[17] https://www.airmanmagazine.af.mil/Features/Display/Article/2604028/skyborg-rise-of-the-autonomous-wingmen/ ;https://www.airforce-technology.com/features/uncrewed-ambitions-of-the-loyal-wingman/

[18] https://www.aflcmc.af.mil/NEWS/Article-Display/Article/3792745/understanding-advanced-battle-management-system-abms-podcast/

 

Photo © https://www.nato.int/en/news-and-events/articles/news/2024/07/10/nato-releases-revised-ai-strategy