Un ministère qui écrit noir sur blanc qu’il vaut mieux déployer une IA imparfaitement alignée que d’attendre de la maîtriser : voilà ce que vient d’assumer la marine américaine. Sa nouvelle stratégie, baptisée « AI-first », place des modèles de langage à bord des navires de guerre et renverse au passage la hiérarchie des risques que le secteur défendait depuis trois ans.
Une doctrine qui inverse la charge du risque
Le raisonnement tient en une phrase, reprise de la stratégie IA plus large du Département de la Défense : les dangers d’une adoption trop lente l’emportent sur ceux d’un alignement imparfait. Traduit hors du jargon militaire, cela signifie qu’un modèle qui se trompe parfois est jugé préférable à un modèle absent du champ de bataille.
Ce n’est pas une nuance de communication. Pendant que les laboratoires civils multiplient les garde-fous, les évaluations et les délais avant mise en service, la Navy inscrit la vitesse comme métrique cardinale. Elle lui donne même un nom : le « Mean Time to Effect » (temps moyen jusqu’à l’effet), soit le délai entre la capture d’une donnée et la décision militaire concrète qu’elle déclenche. Plus ce délai fond, mieux c’est. Dans un conflit long fait de cycles d’apprentissage successifs, la force qui s’adapte le plus vite domine, pose le document.
Toute la mécanique s’organise autour de ce compteur. Un « AI War Council » (conseil de guerre IA) doit hiérarchiser les usages et, surtout, pré-approuver en temps de paix les changements de règles qui, d’ordinaire, prendraient des semaines : partage de données, niveau de classification, conditions de déploiement. L’idée est de raisonner comme si le pays était déjà en guerre, pour trancher toujours dans le sens de la rapidité.
Des modèles faillibles là où l’erreur est mortelle
Le tournant technique, c’est l’embarquement. La stratégie prévoit de faire tourner des grands modèles de langage et de l’IA agentique directement sur les navires et au sein des unités expéditionnaires du corps des Marines. Ces systèmes doivent continuer à fonctionner quand les communications sont brouillées ou coupées, en autonomie locale, sans lien permanent avec un centre de calcul. Et les militaires eux-mêmes sont censés développer leurs propres applications par-dessus.
On mesure l’écart avec le monde civil. Dans une entreprise, une hallucination de modèle produit un e-mail bancal ou une ligne de code à reprendre. À bord, la même erreur s’inscrit dans une chaîne où l’objet final peut être une frappe. Normaliser un modèle de langage faillible dans ce contexte, c’est déplacer la tolérance à l’erreur vers un environnement où elle ne se corrige pas d’un « Ctrl+Z ».
Cette bascule n’a rien de théorique. Un programme de la marine aurait ramené une tâche de planification sous-marine de 160 heures à dix minutes. Plus frappant encore : lors des opérations contre l’Iran, l’armée américaine aurait utilisé Claude, le modèle d’Anthropic, pour de l’analyse de cibles et de la préparation de frappes. L’usage n’est plus un pilote de laboratoire, c’est un réflexe opérationnel.
Presque tout doit être en place fin 2026
La trajectoire est datée, et c’est ce qui la rend lisible. La plupart des mesures doivent être en place dès le premier trimestre de l’exercice fiscal 2027, qui s’achève en décembre 2026 : dans six mois à peine, l’infrastructure, les circuits de validation raccourcis et les premiers déploiements embarqués sont censés exister. À l’horizon de l’exercice 2029, la Navy vise le doublement de ses effectifs d’ingénieurs data et d’ingénieurs en apprentissage automatique.
La dynamique d’usage suit la même pente. GenAI.mil, la plateforme d’IA générative interne au ministère de la Défense, revendiquait 1,5 million d’utilisateurs quotidiens en juin 2026, contre 80 000 à son lancement en décembre 2025. Un facteur dix-huit en six mois. Cette plateforme tourne d’ailleurs sur Gemini, le modèle de Google, et s’ouvre à ChatGPT d’OpenAI comme à Grok de xAI : toute l’industrie de l’IA s’installe désormais dans les rangs. Une adoption de cette vélocité ne se met pas en pause : elle installe des habitudes, des dépendances et une pression à généraliser avant même que les protocoles d’évaluation ne suivent.
Le pari est donc clair, et il est daté. Si le calendrier tient, l’armée américaine disposera fin 2026 d’un socle où l’IA générative sera un outil de terrain banalisé, du bureau au poste de commandement. Le risque assumé est que la vitesse de déploiement dépasse durablement la vitesse de contrôle.
Le premier accident grave rouvrira l’arbitrage
Ces modèles se tromperont, personne n’en doute, pas même le document. Ce qui reste ouvert, c’est le moment : quand une erreur d’un système embarqué produira-t-elle une conséquence irréversible clairement attribuable à la machine, et comment la doctrine « la lenteur est le plus grand risque » encaissera-t-elle ce choc ? Un tel incident serait le premier test grandeur nature de l’arbitrage entre vitesse et alignement.
La stratégie de la Navy vaut moins comme modèle à suivre que comme avertissement. Elle montre ce qui arrive quand le curseur glisse entièrement du côté de la vitesse : l’adoption explose, la gouvernance court derrière, et la faillibilité ne se traite plus avant le déploiement mais après le premier accident. Le point de rupture ne sera pas technique, il sera politique. Le jour où le coût d’une erreur imputée à un modèle embarqué deviendra public, la doctrine du « toujours plus vite » sera renégociée. Restera à mesurer combien d’autres armées l’auront déjà adoptée d’ici là.
