Modèle de fusion de données JDL : niveaux 0 à 5 expliqués pour les équipes logicielles de défense

Lorsque les équipes logicielles de défense parlent d'architecture de fusion de données, elles font presque invariablement référence au modèle JDL — qu'elles utilisent le nom ou non. Le modèle JDL (Joint Directors of Laboratories), développé à l'origine en 1985 et substantiellement révisé dans les années 1990 et à nouveau en 2004, fournit la décomposition canonique de la fusion de données en une hiérarchie de niveaux de traitement. Comprendre ce que chaque niveau exige en termes de logiciel est essentiel pour concevoir des systèmes de fusion qui fonctionnent en pratique dans les programmes DGA/EMA.

Origine et structure du modèle JDL

Le sous-groupe de fusion de données des Joint Directors of Laboratories a publié le modèle original en 1985 comme cadre de réflexion sur le problème de fusion dans les systèmes de renseignement de défense. Le modèle initial définissait quatre niveaux (0 à 3). La révision de 2004 par Blasch, Bosse et Lambert l'a étendu à six niveaux (0 à 5), ajoutant le Niveau 0 (évaluation des sous-objets) et le Niveau 5 (raffinement utilisateur).

Niveau 0 : Évaluation des données sous-objet

Le Niveau 0 traite du pré-traitement des données brutes des capteurs avant que tout traitement au niveau objet ne commence. Les entrées sont des mesures physiques brutes — retours radar, échantillons acoustiques, réseaux de détecteurs infrarouges, spectres RF numérisés. Les sorties sont des observations structurées décrivant des détections.

En termes logiciels, le Niveau 0 comprend des routines de traitement du signal et d'extraction de caractéristiques. Pour le radar, cela inclut la compression d'impulsions, le traitement Doppler, le seuillage de détection CFAR et l'extraction de paramètres de détection. Une sortie critique est la quantification des incertitudes — chaque détection doit porter son incertitude de mesure.

Niveau 1 : Raffinement des objets

Le Niveau 1 est le niveau de fusion de pistes — le plus exigeant mathématiquement. Son entrée est le flux de détections du Niveau 0. Sa sortie est un ensemble de pistes : estimations d'état représentant des objets physiques avec position, vitesse, cap et matrice de covariance associée.

Le problème central du Niveau 1 comporte deux composantes : l'association de données et l'estimation d'état. Les algorithmes d'association standard incluent le Nearest-Neighbor (NN), la Joint Probabilistic Data Association (JPDA) et le Multiple Hypothesis Tracking (MHT). L'estimation d'état repose sur le filtre de Kalman et ses extensions non linéaires (EKF, UKF).

Niveau 2 : Raffinement de la situation

Le Niveau 2 place les pistes individuelles dans leur contexte opérationnel. Son entrée est l'image de pistes du Niveau 1. Sa sortie est une image de situation : pistes avec identités attribuées, intentions classifiées et relations comprises.

Le Niveau 2 comprend l'identification de plateforme (corrélation des paramètres cinématiques avec une base de données de plateformes connues), l'analyse des relations (détection des relations tactiques entre pistes) et l'analyse de pattern of life (détection des écarts par rapport au comportement de référence des entités connues).

Niveau 3 : Raffinement de l'impact/de la menace

Le Niveau 3 projette la situation actuelle dans le temps pour évaluer les menaces. Son entrée est l'image de situation du Niveau 2. Sa sortie est des évaluations de menaces : prévisions des actions futures de l'ennemi et de leur impact potentiel sur les opérations amies.

Niveaux 4 et 5 : Raffinement du processus et de l'utilisateur

Le Niveau 4 (Raffinement du processus) surveille le processus de fusion lui-même et adapte la collecte pour améliorer la qualité de fusion. En logiciel, il est implémenté comme un module de gestion des capteurs. Le Niveau 5 (Raffinement utilisateur) reconnaît que les analystes humains interagissent avec le système de fusion et que leurs requêtes et leur attention peuvent améliorer ou dégrader la qualité de fusion.