Après plus de quatre années de conflit, l’Ukraine constitue un ensemble de données permettant d’analyser l’évolution des opérations militaires. Il s’agit désormais de déterminer quels aspects de cette guerre représentent une rupture dans la nature du combat et quels éléments correspondent à une accélération de tendances préexistantes.
Les recherches actuelles, issues d’institutions académiques, de think tanks tels que l’Ifri, le CSIS ou l’Atlantic Council, ainsi que de témoignages recueillis à même le champ de bataille, remettent en cause l’idée d’une simple révolution technologique. Selon ces analyses, le facteur déterminant de la supériorité militaire ne réside pas dans l’intégration de l’intelligence artificielle (IA) au combat, mais dans la capacité de résilience, qui devient prépondérante par rapport à l’autonomie.
La résilience, condition première de la puissance algorithmique
Pour définir concrètement l’« IA militaire », plusieurs analyses récentes s’appuient sur un cadre conceptuel articulé autour de trois piliers : les données captées, les algorithmes entraînés à partir de celles-ci et la puissance de calcul indispensable à leur exécution en temps réel. Cette grille de lecture permet d’identifier un enjeu stratégique qui est fréquemment omis. Pour neutraliser un système reposant sur l’IA, un adversaire n’a pas nécessairement besoin de s’attaquer au modèle lui-même ; il lui suffit de parasiter les communications, de tromper la navigation par satellite, de saturer les capteurs, d’altérer les données d’entraînement ou de bloquer l’accès au cloud. C’est la stratégie adoptée par la Russie dès la mi-2023 : en perturbant systématiquement les liaisons de données ukrainiennes, ses unités de guerre électronique (GE) ont réussi à faire passer les cycles de ciblage de moins d’une minute à deux ou trois minutes dans les zones de combat les plus intenses.
D’autant plus qu’il existe un paradoxe souvent sous-estimé : plus une armée mise sur la numérisation pour accroître sa force de frappe, plus cette puissance est déterminante en cas de succès, mais plus ses conséquences sont désastreuses en cas de défaillance du réseau.
Une armée n’ayant pas intégré l’IA subira peu de conséquences si ses liaisons de données sont attaquées ; à l’inverse, une force dont le cycle de ciblage repose entièrement sur une IA en réseau risque une cécité stratégique totale face à une telle offensive. Investir dans la résilience n’est donc pas une simple précaution face à un risque marginal, mais une condition sine qua non pour que la puissance de combat issue de l’IA demeure opérationnelle en milieu contesté, plutôt que de rester une simple prouesse limitée aux environnements permissifs.
DELTA, laboratoire de la kill web
L’écosystème ukrainien structuré autour du système DELTA constitue l’illustration la plus probante de cette architecture opérationnelle. Loin de se limiter à une interface cartographique numérique, DELTA s’impose comme une plateforme d’intégration technologique exhaustive. Le système Vezha centralise les flux vidéo en temps réel, lesquels sont soumis à une analyse continue par le dispositif Avengers, permettant une détection automatisée des véhicules et équipements militaires.
Selon les données communiquées par le ministère ukrainien de la Défense, ce processus affiche un taux de détection de 70 % pour un temps de traitement d’environ 2,2 secondes par cible. Dès lors qu’un opérateur valide cette détection, l’information est immédiatement consolidée au sein d’un référentiel partagé. Ce flux de données unifié permet aux équipes de reconnaissance, aux analystes, aux commandants et aux unités de tir d’opérer sur une base informationnelle commune, éliminant ainsi les délais liés à la saisie manuelle de coordonnées ou à la consolidation des données tactiques.
Cette architecture se distingue de la chaîne de frappe classique de type « sensor-to-shooter » (détection-engagement), en vigueur dans la doctrine occidentale depuis les années 1990, par sa structure horizontale plutôt que hiérarchique. Dans le modèle américain traditionnel, l’information suit un circuit ascendant et descendant : un capteur transmet les données, un échelon de renseignement les valide, un état-major les hiérarchise et une cellule appuis feux (CAF) désigne un effecteur. Ce processus induit des délais et des risques de perte de contexte.
Lors d’un exercice au Joint Multinational Readiness Center (JMRC) en Allemagne, une unité ukrainienne de la taille d’un peloton, s’appuyant sur une « kill web » horizontale, a neutralisé une brigade blindée américaine pourtant supérieure en puissance de feu. Ce déséquilibre tient à la lenteur de la circulation de l’information au sein de la structure américaine. Cette situation souligne une différence organisationnelle : là où l’armée américaine évalue la capacité des drones selon la compétence individuelle du pilote, l’approche ukrainienne intègre les équipages de reconnaissance, d’analyse, de guerre électronique, de feux et de commandement au sein d’un système apprenant unique.
L’IA amplifie-t-elle la doctrine, ou s’y substitue-t-elle ?
Cette architecture pose une question théorique antérieure au conflit. Selon le cadre du « Modern System » établi par Stephen Biddle au début des années 2000, l’efficacité militaire dépend davantage de l’intégration de pratiques doctrinales que de la technologie seule. Ces pratiques incluent la dispersion, la dissimulation, la suppression, la manœuvre de petites unités, l’intégration interarmes et la défense en profondeur. Dans cette perspective, la technologie sert à amplifier ces méthodes sans pour autant les remplacer.
Une analyse récente a évalué cette proposition en examinant cinq hypothèses et en comparant la contre-offensive de Kharkiv de l’automne 2022 à celle de l’été 2023. Les résultats indiquent que l’efficacité des « kill chains » (chaînes de frappe) est variable : si elles ont réduit le cycle de ciblage de 7 à 10 minutes à moins d’une minute dans des conditions optimales, cet avantage est limité par le brouillage électronique, qui affecte les communications. De même, les outils algorithmiques ont amélioré la coordination sur le terrain sans toutefois permettre, à eux seuls, de percée opérationnelle. Lors de la contre-offensive de 2023, la capacité à identifier et à frapper des cibles rapidement ne s’est pas substituée aux besoins traditionnels de suppression, de franchissement et d’exploitation de la manœuvre face à des défenses structurées en profondeur.
La variable déterminante n’est ni la vitesse ni la précision, mais l’intégration doctrinale. À Kharkiv, la synchronisation des kill chains, de la reconnaissance par drone, de l’appui d’artillerie et de la manœuvre a renforcé l’efficacité technologique. En 2023, l’absence d’articulation entre ces outils numériques et les capacités de franchissement a limité leurs effets. L’adversaire n’a pas seulement neutralisé des technologies isolées, il a visé leurs dépendances systémiques : une moindre survie des drones a dégradé la fiabilité des données et, par extension, la précision des outils algorithmiques. Ce constat confirme la thèse de Biddle, tout en nécessitant une adaptation : la dimension informationnelle est désormais le support nécessaire à la dispersion, à la suppression et à la manœuvre.
Résilience contre autonomie : le déplacement du curseur
La proposition de Kosi Gramatikoff consiste à considérer la résilience, plutôt que l’autonomie, comme l’élément central de la guerre algorithmique. Dans cette logique, un système d’arme doté d’une IA n’est plus autonome dès qu’une perturbation de ses flux de données, de communication ou de calcul le paralyse. Il s’agit alors d’une automatisation dépendante du réseau. Sur un champ de bataille, l’autonomie pertinente se définit par la capacité d’un système à maintenir ses fonctions de perception, de décision et d’action malgré les tentatives de l’adversaire d’interrompre ces processus.
Les modèles russe et ukrainien représentent deux approches distinctes face aux mêmes contraintes. Le modèle russe privilégie l’autosuffisance technologique : il intègre les systèmes GLONASS1 et Rassvet (projet russe de constellation de satellites de communication) ainsi qu’une autonomie embarquée accrue afin de maintenir des capacités tactiques en cas d’interruption des liaisons. En contrepartie, cette architecture limite la rapidité des mises à jour logicielles et l’accès aux données nécessaires à l’entraînement des modèles.
À l’inverse, le modèle ukrainien repose sur une itération logicielle rapide et décentralisée, alimentée par un flux constant de données de combat, tout en demeurant dépendant d’infrastructures occidentales, notamment dans les domaines du cloud et des communications satellitaires. Aucun de ces deux modèles n’est considéré comme supérieur dans l’absolu ; ils correspondent à des stratégies différentes visant à équilibrer la résilience, entre l’indépendance matérielle et la vitesse d’apprentissage.
Apprendre plus vite que l’ennemi
Au-delà de la technologie elle-même, la rapidité avec laquelle les expériences de combat sont intégrées aux logiciels constitue un enjeu majeur. Alors que le développement militaire conventionnel repose sur un cycle linéaire et prolongé (conception, essais, acquisition, déploiement et évaluation), l’Ukraine a mis en place un processus plus réactif. Ce système fonctionne en boucle fermée : les données issues du terrain alimentent des modèles d’intelligence artificielle, lesquels sont déployés rapidement avant de générer de nouvelles informations.
Le partenariat conclu cet été entre le Royaume-Uni et l’Ukraine illustre ce modèle : Londres bénéficie désormais d’un accès aux laboratoires d’intelligence artificielle « Avengers ». Ceux-ci s’appuient sur environ cinq millions d’images de combat annotées, provenant en grande partie du système de conscience situationnelle DELTA, afin d’automatiser la détection de cibles à partir de plus de cent mille heures de flux vidéo de drones traitées chaque mois.
Cet accord souligne le lien entre l’exploitation des données issues de situations de combat et l’aptitude des institutions à les intégrer dans des modèles opérationnels optimisés. Cette dynamique constitue un avantage distinct, les États-Unis et la Chine ne disposant pas d’un historique équivalent de données issues d’un conflit de haute intensité contre un adversaire de même niveau. Bien que la Russie ait également accumulé un volume important de données, les analyses indiquent que sa capacité à les convertir en modèles opérationnels est moins réactive que celle de l’Ukraine. L’enjeu stratégique réside donc dans la vitesse d’itération et d’intégration de ces données en conditions réelles.
L’humain, dernier rempart et premier fusible
L’automatisation croissante ne remplace pas la décision humaine, dont les limites nécessitent une analyse. Le drone Saker Scout, conçu par l’entreprise ukrainienne Twist Robotics, constitue un exemple de ce fonctionnement. Avant le vol, l’opérateur définit les catégories de cibles, le seuil de confiance requis et une zone d’engagement appelée « kill box », au sein de laquelle tout élément identifié comme militaire est considéré comme une cible. Une fois sur place, le drone procède de manière autonome à la détection, à l’identification et à l’engagement si les conditions de confiance sont remplies. Ce système parvient à différencier un char d’un camion, mais n’est pas en mesure de distinguer un soldat ukrainien d’un soldat russe. La fiabilité du dispositif repose ainsi sur la vérification préalable par des opérateurs de l’absence de civils ou de forces alliées dans la zone définie.
Ce type d’organisation soulève des questions de responsabilité qui excèdent le seul cadre de l’Ukraine. Les experts en éthique de l’IA indiquent que les systèmes actuels rencontrent des difficultés à différencier un soldat d’un civil dans des environnements complexes, où le camouflage, les conditions d’éclairage ou les angles de vue peuvent entraîner des confusions.
Une chercheuse de Google DeepMind, Madeleine Clare Elish, utilise le terme de « zone de déformation morale » (« moral crumple zone ») pour décrire la situation où un opérateur humain, disposant d’un contrôle limité sur un système automatisé, assume la responsabilité d’un échec dont la décision structurante a été prise lors de la conception. Anthropic a adopté une position restrictive concernant l’usage militaire de ses modèles. L’entreprise estime que ses systèmes ne sont pas suffisamment fiables pour sélectionner et engager des cibles de manière autonome. Cette posture diffère des attentes du Pentagone, alors que les modèles de l’entreprise ont fait l’objet de tentatives de détournement à des fins militaires par des acteurs étatiques et non étatiques dans plusieurs pays, notamment la Chine, la Russie et l’Iran.
Quand le coût dicte la doctrine
L’aspect économique de la guerre algorithmique en Ukraine est un facteur déterminant du conflit. Selon un rapport de l’Ifri, une asymétrie de coûts a été observée dans la défense antiaérienne : un missile AIM-120 AMRAAM, utilisé avec une batterie NASAMS, coûte plus d’un million de dollars, tandis qu’un drone Shahed-136 représente un coût de production compris entre 20 000 et 50 000 dollars. Ce rapport de force, estimé à environ 26 pour 1, présentait un risque d’épuisement des stocks de missiles occidentaux face au coût réduit des moyens d’attaque utilisés.
L’Ukraine n’a pas cherché à répondre à la production de masse de missiles coûteux par une stratégie similaire, jugée économiquement non viable. Elle a privilégié la mise en place d’un système de défense à plusieurs niveaux, composé d’un réseau de détection acoustique peu onéreux, d’unités de tir mobiles et, à partir de 2025, de drones intercepteurs spécialisés. Ces derniers sont conçus pour être produits à un coût unitaire d’environ 1000 dollars, atteindre une vitesse supérieure à 200 kilomètres par heure et opérer jusqu’à sept kilomètres d’altitude.
Cette approche illustre une évolution stratégique liée au concept de « mass attritable » (que nous pouvons traduire par masse sacrifiable) : avec l’augmentation du nombre de systèmes autonomes, la limite opérationnelle ne repose plus sur la disponibilité de personnel formé, mais sur la capacité d’attention humaine. Dès lors que plusieurs plateformes sont supervisées par un seul opérateur, l’efficacité dépend davantage de la qualité de l’autonomie, des liaisons de communication et des capacités de calcul.
Deux récits, un même système
Les recherches menées en 2026 opposent deux perspectives sur la place de l’intelligence artificielle dans le domaine militaire. La première souligne le potentiel de l’IA à accroître la rapidité et l’autonomie des opérations, permettant une guerre conduite par des systèmes automatisés. La seconde insiste sur les vulnérabilités de ces technologies, en rappelant que leur efficacité repose sur des dépendances critiques (données, calcul, infrastructures de communication, capteurs, énergie et intervention humaine) dont l’altération peut neutraliser les systèmes.
L’analyse la plus pertinente ne privilégie aucun des deux récits, mais souligne qu’ils décrivent un même système à des stades différents : le fonctionnement optimal et la vulnérabilité en cas de défaillance. Une force intégrant la résilience comme principe de conception doit être évaluée sur cette seconde condition, car c’est celle qu’un adversaire cherchera à exploiter.
Pour l’OTAN, cela suppose d’orienter les critères d’évaluation des programmes d’armement vers des enjeux systémiques plutôt que vers les seules caractéristiques individuelles (vitesse, charge utile, coût). Il s’agit désormais de déterminer si une force peut opérer sans GPS, sans accès au cloud, sous brouillage électronique ou avec des capacités dégradées. Cette aptitude, plutôt que la performance isolée d’une intelligence artificielle, constitue le facteur déterminant pour transformer l’innovation technologique en avantage durable.
Photo de DELTA © Ukrainian Defense Minister
- Globalnaïa navigatsionnaïa spoutnikovaïa sistéma (système global de navigation satellitaire) ↩︎