Par Murielle Delaporte – II. L’IA Conversationnelle, interface d’un combat en réseau
La donnée au cœur du combat M2MC/MDO : du silo au réseau
Nombre d’observateurs font état de l’utilisation de l’IA dans la planification des opérations militaires récentes menées par les Etats-Unis d’Absolute Resolve au Venezuela à Epic Fury en Iran. Une utilisation officiellement confirmée par le commandant de US CENTCOM, l’Amiral Cooper[1].
Plusieurs systèmes ont été utilisés, tels que Maven Smart Systems, dont l’impact est décrit comme un catalyseur du passage de chaînes d’engagement linéaires (« kill chains »), correspondant à la chaîne renseignement – décision – action dans la doctrine française, vers des architectures en réseau (« kill web »), proches de la notion de combat collaboratif. Ces évolutions permettent notamment d’accélérer la boucle opérationnelle, classiquement décrite par les six phases « trouver, localiser, suivre, cibler, traiter, évaluer » (« find, fix, track, target, engage, assess »).
Illustration © Sandboxx
Cette évolution s’inscrit plus largement dans la logique des opérations multi-milieux multi-champs (M2MC) et multi-domaines (MDO), qui visent à orchestrer de manière synchronisée des actions dans l’ensemble des milieux – terrestre, aérien, maritime, spatial et cyber – afin de produire des effets convergents au moment et à l’endroit décisifs.
Là où les opérations interarmées reposaient encore largement sur une coordination entre composantes distinctes, le M2MC/MDO tend à effacer ces frontières au profit d’une intégration fonctionnelle, dans laquelle capteurs, effecteurs et systèmes de commandement sont reliés en temps quasi réel.
Le général Toujouze, ancien commandant de la Force et des opérations terrestres et aujourd’hui directeur de l’Observatoire Terre de la Fondation de la Méditerranée pour les études stratégiques (FMES), résume ainsi cette révolution et cercle vertueux en cours :
« Cette structuration des opérations militaires autour de la donnée s’intègre comme multiplicateur d’efficacité dans le concept des opérations Multidomaines et multichamps (M2MC, ou Multi Domain Operations, MDO). Ce concept repose sur l’intégration des combats dans les domaines militaires classiques – terrestres, maritimes, aérospatiales – ou spéciaux, complétés par les champs nouveaux que sont l’Espace, le cyber et l’influence. La révolution de la donnée rend cela possible.
L’ancien « commandement et contrôle » des armées devient un système de commandement répondant à toutes les composantes du C5ISR, intégrant dans une même logique et instantanéité, les enjeux de commandement pur (élaboration, prise et transmission de la décision), de contrôle (garantir la bonne lecture de ce qui se passe sur le terrain, maîtriser les effets produits), de communication (lien à temps entre les acteurs et désormais, avant tout, flux continu de transmission de la donnée numérisée), de traitement (bases de données), de renseignement, surveillance et reconnaissance (organisation de l’ensemble des systèmes capables de capter l’information sur l’adversaire).
La combinaison de la captation massive de données, de l’organisation des flux pour les rapatrier, de la mise en place de centres de traitement massifs, servis par des algorithmes adossés à de l’IA devient l’atout principal de la guerre contemporaine. La question de la juste maîtrise autonome et/ou souveraine, et/ou suffisante de cette combinaison est au cœur des débats.»[2]
L’intelligence artificielle conversationnelle comme outil d’apprentissage tactique
Au-delà de ses apports en matière de traitement de l’information, l’intelligence artificielle conversationnelle ouvre des perspectives nouvelles dans le domaine de la préparation opérationnelle, en transformant les modalités mêmes de l’apprentissage tactique.
Traditionnellement, l’entraînement des états-majors et des unités repose sur des exercices planifiés, dont la complexité dépend fortement des moyens disponibles, du temps consacré à la préparation et de la capacité à simuler un environnement opérationnel crédible. Dans ce cadre, l’exploration des options de manœuvres (COA en langage OTAN pour « Course Of Action ») reste souvent contrainte, tant par le nombre limité de scénarios étudiés que par le temps nécessaire à leur élaboration.
L’introduction d’outils reposant sur des modèles de langage de grande taille permet de modifier sensiblement cette dynamique. En donnant la possibilité aux opérateurs d’interroger en langage naturel des bases de données opérationnelles, doctrinales ou logistiques, ces systèmes facilitent l’accès à l’information pertinente et permettent surtout de générer rapidement plusieurs options d’action à partir d’une situation donnée.
Dans un cadre d’entraînement, un chef de section ou un officier d’état-major pourrait ainsi, à partir d’un scénario tactique donné, tester en quelques minutes différentes manœuvres possibles, en explorer les implications logistiques, les effets potentiels dans d’autres milieux (cyber, électromagnétique, spatial) et les risques associés. Là où un exercice classique permettait d’approfondir un nombre limité d’options, l’IA conversationnelle ouvre la voie à une exploration beaucoup plus large du champ des possibles.
Les expérimentations récentes conduites au sein des forces armées américaines montrent par exemple qu’un « wargaming » assisté par IA permet non seulement d’accélérer le tempo de l’exercice, mais surtout d’élargir considérablement le nombre d’options explorées et leurs effets, tout en renforçant l’appropriation doctrinale par les planificateurs, ainsi que le décrit un article publié en janvier 2026 sous le titre « AI-Enabled Wargaming at the U.S. Army Command and General Staff College: Its Implications for PME and Operational Planning » :
« Des expériences militaires américaines récentes mettent en évidence ce potentiel. Les exercices « Decision Advantage Sprints » de l’armée de l’Air [américaine] ont utilisé l’IA pour simuler la collaboration homme-machine dans le cadre de jeux de guerre, réduisant ainsi le temps d’évaluation de plusieurs heures à quelques minutes. De même, l’initiative GenWar du Laboratoire de physique appliquée de Johns Hopkins (JH APL) utilise des modèles linguistiques à grande échelle (LLM) pour automatiser la génération et la relecture de scénarios, remédiant ainsi à la nature très exigeante en main-d’œuvre des exercices traditionnels. Au Collège de commandement et d’état-major de l’armée américaine (CGSC), où le corps enseignant a piloté l’intégration de l’IA dans la formation militaire, des innovations similaires ont abouti à un exercice de jeu de guerre en novembre 2025, au cours duquel l’IA a non seulement amplifié le débit, mais a également favorisé une application doctrinale plus approfondie chez les planificateurs novices. ( …)
L’armée de Terre [américaine] est confrontée à un impératif clair. Les jeux de guerre basés sur l’IA doivent devenir la méthode par défaut dans tous les exercices de planification du CGSC à partir de l’année universitaire 2026-2027. Cela fait écho à l’institutionnalisation du processus de prise de décision militaire il y a trois décennies. La formation militaire professionnelle doit enseigner à chaque officier de terrain trois compétences fondamentales :
- la conception et la gestion d’agents à récupération augmentée à l’aide de plateformes telles que Vantage [ndlr : la plateforme de l’US Army] ;
- l’ingénierie des requêtes [prompts] et du contexte pour intégrer les contraintes doctrinales ;
- la validation rapide et la dérogation aux résultats de l’IA, y compris la détection des hallucinations. »[3]
Cette capacité d’itération rapide présente un intérêt particulier dans le contexte des opérations multi-milieux multi-champs (M2MC), caractérisées par une complexité croissante et par la nécessité de coordonner des effets dans plusieurs domaines simultanément. Comme le souligne la littérature doctrinale, cette complexité n’est pas additive, mais multiplicative : chaque option envisagée peut avoir des répercussions dans plusieurs champs, rendant l’évaluation des conséquences particulièrement exigeante sur le plan cognitif. Dans ce contexte, l’IA conversationnelle peut agir comme un outil d’assistance à la compréhension, en permettant de visualiser plus rapidement les interactions entre domaines et d’identifier des effets de second ordre.
Au-delà de la génération d’options, ces outils peuvent également contribuer à enrichir les dispositifs de simulation en introduisant des formes d’adversaires plus réactifs et adaptatifs. En s’appuyant sur des modèles capables de générer des comportements plausibles, il devient envisageable de confronter les stagiaires à des réactions ennemies moins scriptées, plus proches de la réalité opérationnelle, et donc plus formatrices.
Le lieutenant-colonel Eric Wismar, aumônier militaire et fondateur du groupe de travail sur l’IA de la Garde nationale du Connecticut aux Etats-Unis, décrit ainsi l’impact de l’IA dans le domaine de la simulation et du wargaming :
« L’intégration de l’IA dans les jeux de guerre et les simulations de crise transforme la formation militaire professionnelle [Ndlr : PME pour « Professional Military Education »] en introduisant une adaptabilité en temps réel, des adversaires autonomes et des analyses prédictives. Les jeux de guerre traditionnels s’appuient sur des scénarios préétablis aux issues fixes, ce qui limite leur capacité à reproduire la complexité de la guerre moderne. L’IA, en revanche, ajuste dynamiquement les scénarios en fonction des décisions des participants et des réponses des adversaires, créant ainsi un environnement de formation évolutif et fondé sur les données.
Les plastrons [« Red Team »] autonomes pilotées par l’IA surpassent les modèles d’adversaires traditionnels dirigés par des instructeurs en utilisant l’apprentissage par renforcement et les réseaux neuronaux pour imiter la prise de décision des ennemis dans le monde réel. Ces systèmes basés sur l’IA analysent les renseignements en temps réel, ajustent les postures des forces et génèrent des dilemmes adaptatifs, ce qui oblige le personnel de l’armée de l’Air à développer une agilité stratégique. (…)
L’IA va transformer la formation au leadership en suivant les styles de prise de décision, les schémas de communication et les réactions au stress, fournissant ainsi un retour d’information instantané sur l’efficacité du commandement. (…)
Pour atténuer ces risques, la formation militaire professionnelle doit garantir une intégration équilibrée entre l’IA et l’humain tout en préservant les normes éthiques et la cybersécurité. Afin de maximiser les avantages de l’IA tout en atténuant ses inconvénients potentiels, la formation des cadres devrait se concentrer sur :
- Une collaboration équilibrée entre l’IA et l’humain : l’IA doit renforcer, et non remplacer, l’expertise humaine, en préservant l’intuition du leadership et la prise de décision éthique.
- Des mesures éthiques et de cybersécurité rigoureuses : les cadres d’IA doivent prévenir les biais d’automatisation, la désinformation et la sur-automatisation, afin de garantir une intégration fiable de l’IA.
- Une innovation continue et incrémentale de l’IA : les cursus de formation doivent adopter des écosystèmes d’IA capables d’évoluer au rythme des avancées technologiques et des menaces mondiales, afin d’éviter toute stagnation et d’assurer une formation militaire de point. »[4]
Enfin, l’un des apports les plus significatifs réside dans la possibilité d’instaurer une forme de dialogue continu entre l’opérateur et le système. Là où les outils traditionnels de simulation fournissent des résultats souvent figés, l’IA conversationnelle permet d’interroger, de préciser, de contester ou de reformuler une analyse. Cette interaction favorise une appropriation plus active des enseignements et contribue à développer des compétences clés, telles que la capacité à formuler une intention, à expliciter un raisonnement ou à challenger une recommandation.
Pour autant, cette évolution ne va pas sans poser de questions. En facilitant l’accès à des recommandations structurées, ces outils pourraient également induire un risque de dépendance cognitive ou de biais d’automatisation, en particulier chez des utilisateurs moins expérimentés. C’est pourquoi leur intégration dans les dispositifs d’entraînement suppose un encadrement doctrinal et pédagogique adapté, visant à en faire des auxiliaires du jugement plutôt que des substituts à la décision.
Cette analyse rejoint les conclusions récentes de travaux alliés – Initiative pour la sécurité transatlantique de l’Atlantic Council en partenariat avec l’OTAN (« Office of the Chief Scientist ») -, qui soulignent la nécessité d’intégrer l’intelligence artificielle au cœur des architectures de commandement et de contrôle, tout en développant les compétences humaines nécessaires à son emploi[5].
Ainsi envisagée, l’intelligence artificielle conversationnelle ne se limite pas à un outil d’optimisation des performances, mais devient de facto un instrument de formation du raisonnement tactique, susceptible de transformer en profondeur la manière dont les forces se préparent à décider et à agir dans des environnements toujours plus complexes et incertains.
Cette logique d’entraînement élargi s’inscrit d’ailleurs dans une évolution déjà perceptible au sein des exercices militaires récents, qu’ils soient conduits par les forces américaines, l’OTAN ou les armées françaises, où les dimensions de soutien, de maintenance et de gestion du risque opérationnel (GRO) sont désormais pleinement intégrées aux scénarios. Des exercices comme Orion ou Topaze côté français, mais aussi des dispositifs OTAN tels que Steadfast Defender, ou des exercices américains de type Project Convergence, ne se limitent plus à la seule manœuvre tactique : ils visent à éprouver la capacité des forces à durer dans un environnement contesté, en intégrant des contraintes de disponibilité des équipements, de flux logistiques, de réparation en milieu dégradé ou encore de vulnérabilité des chaînes de soutien.
Les armées françaises ont d’ailleurs commencé à tester cette intégration élargie lors d’exercices comme ORION 23, dont la phase 4 avait déja été explicitement conçue comme un « véritable défi logistique » confié à un groupement de soutien divisionnaire chargé d’assurer en continu le ravitaillement, le soutien santé et la maintenance de la division engagée[6]. Les itérations suivantes, à l’image d’ORION 26, exercice interarmées de haute intensité mobilisant l’ensemble de la défense[7], prolongent cette logique en mettant à l’épreuve la capacité des forces à durer et à se régénérer dans la profondeur.
En ce qui concerne l’armée de l’Air et de l’Espace, des exercices comme Topaze ont servi de banc d’essai à des « bases de régénération » associant forces et industriels pour tester, en situation dégradée, des dispositifs de maintien en condition opérationnelle au plus près des forces. Ces dispositifs traduisent ainsi une prise de conscience croissante du rôle central du soutien dans la performance opérationnelle au sein de l’ensemble de la base industrielle et technologique de défense[8].
Dans ce contexte, l’intelligence artificielle conversationnelle pourrait constituer un levier supplémentaire pour mieux appréhender et mitiger ce risque opérationnel, en permettant aux acteurs de l’entraînement d’explorer plus systématiquement les interactions entre décisions tactiques et contraintes de soutien, d’anticiper les effets de second ordre sur le maintien en condition opérationnelle et de tester, de manière itérative, des solutions de contournement ou d’adaptation.
A terme, l’enjeu est de renforcer, par l’entraînement assisté par IA, une forme de réflexe cognitif intégrant pleinement la dimension logistique et technique dans la prise de décision opérationnelle.
Côté américain, des campagnes d’expérimentation comme Project Convergence intègrent déjà des capacités de commandement et de contrôle de nouvelle génération, combinant IA, analyse de données et logistique prédictive pour éprouver la soutenabilité des opérations dans un environnement multi‑domaines contesté[9]. Dans un tel cadre, un assistant conversationnel pourrait devenir un outil de « wargaming » logistique, permettant de tester systématiquement l’impact des choix tactiques sur la durée de l’engagement et la robustesse du MCO.
L’objectif d’atteindre une image opérationnelle commune (COP pour « Common Operating Picture ») – c’est-à-dire une représentation partagée et en temps réel de la situation – intègre plus que jamais la maintenance prédictive et ce d’autant plus si les élongations sont importantes. Le colonel Tyler Olsen (US Army) explique ainsi le retour d’expérience en ce domaine de project Convergence Capstone 5 :
« Lors de la phase finale du projet Convergence (Capstone 5), les soldats et les commandants ont testé une nouvelle façon de combattre, dans laquelle les décisions ne reposaient pas sur des rapports décalés dans le temps, mais sur des données en temps réel transitant par une infrastructure numérique appelée « Next Generation Command and Control » (NGC2).
La dernière doctrine de l’armée explique clairement pourquoi cela est important. Le manuel de terrain 4-0, « Sustainment Operations », identifie la logistique prédictive comme un impératif doctrinal, essentiel au soutien de précision, à la maîtrise de la prise de décision et à la résilience dans des environnements contestés. Le manuel préconise de passer d’un ravitaillement réactif à un soutien anticipatif, où les commandants et les responsables du soutien utilisent des données intégrées et des outils de prévision pour maintenir le rythme et la portée opérationnelle. Dans le contexte des opérations de combat à grande échelle (LSCO), ce changement est décisif car les forces capables d’anticiper les besoins et d’agir plus rapidement que l’ennemi conserveront leur élan.
Le NGC2, initialement développé dans le cadre d’une initiative expérimentale sous l’égide de l’Army Futures and Concepts Command, entre désormais dans une phase de prototypage et d’acquisition en tant qu’architecture centrale destinée à concrétiser cette vision. Son objectif est d’intégrer les données, l’intelligence artificielle (IA) et des communications résilientes au sein d’un cadre unique d’aide à la décision. Pour les commandants logistiques, cela signifie passer d’un système de rapports fragmentés et retardés, basés sur les unités, à une image opérationnelle commune qui soit opportune, précise et exploitable. Il est important de noter que le rôle du NGC2 dans la logistique prédictive est encore en cours de développement. L’armée teste activement le système avec la 4e division d’infanterie (4ID), affinant ses capacités et ses concepts alors qu’elle se prépare pour le projet Convergence Capstone 6. »[10]
C’est précisément cette intégration progressive des contraintes de soutien dans le raisonnement tactique que les outils d’entraînement assistés par IA permettent aujourd’hui de systématiser. Elle accompagne un basculement majeur, d’un soutien réactif vers un soutien anticipatif, désormais au cœur de la performance opérationnelle.
De l’opération à l’entraînement : vers une continuité des systèmes
Transposés dans des environnements d’entraînement (simulateurs, systèmes LVC pour « Live, Virtual, Constructive »[11], « wargaming » assisté par IA), les scénarios utilisés permettent en effet de multiplier les itérations de planification et de décision, et donc d’entraîner beaucoup plus intensivement la « musculature cognitive » des chefs – y compris sous pression – dans l’esprit du commandement par intention[12].
Le schéma ci-dessous illustre cette évolution en représentant le déplacement de l’effort cognitif induit par l’intelligence artificielle. Là où, traditionnellement, l’essentiel du travail humain se concentrait sur la collecte et le traitement des données, l’IA permet désormais d’automatiser en grande partie ces tâches, pour recentrer l’attention des opérateurs sur les niveaux supérieurs de la hiérarchie cognitive : compréhension de la situation, formulation de l’intention et partage de cette compréhension. Dans un contexte opérationnel comme dans l’entraînement, cet allègement relatif de la charge liée aux données ouvre la voie à un renforcement du raisonnement tactique et de la prise de décision.
© Modern War Institute At Westpoint
Cette évolution éclaire directement les transformations observées dans les dispositifs d’entraînement. Dans cette perspective, l’IA conversationnelle n’est pas tant une révolution doctrinale qu’un puissant facilitateur de cette transformation : en fluidifiant la circulation de l’information et en accélérant la génération d’options, elle contribue à transformer des chaînes séquentielles en architectures en réseau, capables d’exploiter simultanément plusieurs opportunités dans différents domaines. Le combat devient ainsi non seulement « network-centric », mais pleinement « data-centric », la donnée constituant désormais le point d’articulation entre perception, décision et action.
Si les unités disposent d’une meilleure compréhension de la situation et d’options rapidement identifiées, elles peuvent agir plus efficacement dans l’esprit de l’intention du chef, même dans un environnement opérationnel distribué.
L’intelligence artificielle conversationnelle ne constitue pas une capacité isolée, mais la couche d’interface humaine d’un système en pleine convergence, reliant aide à la décision, systèmes autonomes et orchestration M2MC/MDO. En permettant aux opérateurs d’interagir en langage naturel avec des architectures complexes, elle rend exploitable à grande échelle un système de combat devenu intrinsèquement « data-centric ».
La même infrastructure peut ainsi être mobilisée en temps de paix pour la préparation opérationnelle – en injectant des flux de données simulés – puis basculer en mode « live » en opérations, ce qui contribue à aligner très étroitement entraînement et emploi réel. Cette continuité entre entraînement et emploi opérationnel constitue sans doute l’une des évolutions les plus structurantes de ces systèmes, en réduisant l’écart traditionnel entre préparation et action réelle, et en répondant aux exigences du « Fight Tonight » (« être prêts dès maintenant ») que le nouvel environnement international impose de façon croissante aux forces armées.
Elle implique en retour une transformation profonde de la formation des forces, appelée à intégrer de manière croissante une forme d’alphabétisation à l’ IA (« AI literacy »), mais aussi de disponibilité et de préparation opérationnelles en ce domaine (« AI Readiness »)[13]. Il ne s’agit plus seulement de former des spécialistes, mais d’acculturer l’ensemble des échelons de commandement et des opérateurs à l’interaction avec des systèmes d’aide à la décision fondés sur l’intelligence artificielle : compréhension des limites des modèles, capacité à interroger les données, à interpréter des recommandations et, le cas échéant, à les contester. Cette évolution est désormais explicitement prise en compte dans les orientations alliées, l’OTAN soulignant dans sa stratégie IA révisée la nécessité de développer les compétences humaines permettant une utilisation responsable et efficace de ces technologies, tandis que les forces américaines intègrent progressivement ces outils dans leurs dispositifs d’entraînement et d’expérimentation, afin de familiariser les décideurs à un environnement où la décision est de plus en plus co-construite avec la machine.
En agrégeant plus rapidement des informations, il est clair que l’IA peut contribuer à sauver nombre de vies en améliorant la précision des frappes ou grâce à un rappel automatique des règles d’engagement, mais cette montée en grade de l’IA au sein du processus de décision militaire relance un débat éthique sur le sujet dans le contexte des échanges récents entre le Pentagone et la société Anthropic.
Notes et references :
[1] Voir par exemple : https://defensescoop.com/2026/03/11/us-military-using-ai-against-iran-operation-epic-fury-adm-cooper/
[2] Général de corps d’armée (2S)Bertrand Toujouse, C2 et processus de décision, Revue Défense Nationale 2026/2 n° 887, Éditions Comité d’études de Défense Nationale, pages 29 à 34, mars 2026 (https://www.defnat.com/sommaires/sommaire.php?cidrevue=887)
[3] Timothy J. Williams, by Anthony A. Joyce, by Seth Lavenski, by Jody Colton, by Regina Ebell, by Tyree Meadows, AI-Enabled Wargaming at the U.S. Army Command and General Staff College: Its Implications for PME and Operational Planning, 16 janvier 2026, https://smallwarsjournal.com/2026/01/16/ai-enabled-wargaming-cgsc/
[4] Lt Col Eric A. Wismar, Future-Proofing PME: How AI is Redefining Adaptive Wargaming and Strategic Readiness. 20 juin 2025, https://www.airuniversity.af.edu/Wild-Blue-Yonder/Article-Display/Article/4221801/future-proofing-pme-how-ai-is-redefining-adaptive-wargaming-and-strategic-readi/
[5] Dominika Kunertova, How NATO can integrate AI to prevail in future algorithmic warfare, Atlantic Council, 30 mars 2026 (https://www.atlanticcouncil.org/in-depth-research-reports/report/how-nato-can-integrate-ai-to-prevail-in-future-algorithmic-warfare/)
[6] https://www.defense.gouv.fr/operations/actualites/orion-23-phase-4-loperation-denvergure
[7] https://www.defense.gouv.fr/operations/actualites/orion-26-grandes-evolutions-orion-2023
[8] https://operationnels.com/2026/02/13/de-topaze-a-orion-26-vers-une-preparation-operationnelle-integree/ ; https://ad2s-bordeaux.com/index.php/fr/actualites/archives-actualite/129-orionis-26-le-mco-aeronautique-a-lepreuve-de-la-haute-intensite ; https://ad2s-bordeaux.com/index.php/fr/actualites/archives-actualite/126-podcast-ad2s-haute-intensite-preparer-le-mco-de-combat-cote-industrie
[9] https://www.army.mil/article/261643/project_convergence_22_sustaining_the_future_fight
[10] Colonel Tyler D. Olsen, NGC2 at the Tactical Edge: Enabling Predictive Logistics for Decision Dominance, January 29, 2026, https://www.army.mil/article/290032/ngc2_at_the_tactical_edge_enabling_predictive_logistics_for_decision_dominance
[11] Sur ce sujet, voir par exemple :
Sur le sujet spécifique de l’entraînement LVC au sein de l’armée de l’Air et de l’Espace, voir l’un de nos reportages : Delaporte Murielle, VOLFA 2020 : « Préparer les corps et les cerveaux », 28 octobre 2020 (https://operationnels.com/2020/10/28/volfa-2020-preparer-les-corps-et-les-cerveaux/)
[12] https://www.jwc.nato.int/article/ai-reshaping-military-wargaming/
[13] Voir notamment aux Etats-Unis l’initiative du « Chief Digital and Artificial Intelligence Office » au sein du Pentagone : https://www.ai.mil/About/Resources/Pathway-to-AI-Readiness/Workforce-Training/
Illustrations :
1. Mise en réseau décisionnelle © Illustration générée par IA, d’après un concept de M. Delaporte
2. Capture d’écran issue d’une vidéo intitulée « The Military AI running America’s fight with Iran : Maven »
© Sandboxx, youtube, 27 mars 2026 (https://www.youtube.com/watch?v=7rR-PlHut2w)
3. James Mingus and Zak Daker, Ascend the Cognitive Hierarchy – Don’t Waste Time in the Data Layer. February 10th, 2026 >>> https://mwi.westpoint.edu/ascend-the-cognitive-hierarchy-dont-waste-time-in-the-data-layer/
