IA embarquée pour la défense

L'Edge AI exécute l'inférence de machine learning directement sur des dispositifs tactiques — drones, capteurs, véhicules, terminaux portatifs — plutôt qu'en envoyant des données aux serveurs cloud, permettant des décisions autonomes en cas de connectivité contestée ou refusée.

L'Edge AI offre une latence en millisecondes, fonctionne en conditions DDIL (denied/disrupted/intermittent/limited), réduit les besoins en bande passante, maintient la sécurité opérationnelle en gardant les données locales et continue à fonctionner en cas de perte des liaisons satellites ou réseau.

Les plateformes courantes incluent NVIDIA Jetson Orin/AGX, Google Coral TPU, Intel Movidius, AMD Versal et des cartes durcies MIL-STD personnalisées. Le choix dépend de la charge d'inférence, du budget d'énergie, des contraintes environnementales et des limites SWaP (Size, Weight, and Power).

L'apprentissage fédéré entraîne un modèle d'IA partagé sur de nombreux dispositifs edge sans centraliser les données brutes — les dispositifs n'envoient que les mises à jour du modèle. Cela préserve la sécurité opérationnelle et permet une amélioration continue à partir de données collectées sur le terrain.

Les tâches de détection d'objets militaires utilisent couramment des variantes YOLO (YOLOv8, YOLOv9) pour leur débit en temps réel sur matériel de bord, RT-DETR pour une meilleure précision sur les cibles difficiles, et BYTETrack ou StrongSORT pour le suivi multi-objets sur les trames vidéo. Les modèles sont généralement affinés sur des ensembles de données spécifiques au domaine — classes de véhicules militaires, motifs de camouflage, imagerie EO/IR — et optimisés pour le matériel cible via la quantification INT8.

La quantification INT8 convertit les poids et activations d'un modèle de virgule flottante (FP32 ou FP16) en entiers 8 bits, réduisant la taille du modèle d'un facteur 4 et augmentant le débit d'inférence de 2 à 4 fois sur du matériel avec des accélérateurs INT8 dédiés (NVIDIA Jetson, Hailo). Le compromis est une légère réduction de précision à valider. Pour les déploiements de bord tactiques où les contraintes SWaP et de latence sont strictes, INT8 est généralement obligatoire.

La boucle capteur-tireur (F2T2EA : Trouver, Fixer, Suivre, Cibler, Engager, Évaluer) est le processus de bout en bout de la détection d'une cible à la délivrance d'un effet. L'IA comprime cette boucle : détection automatique de cibles (Trouver/Fixer), fusion de pistes multi-capteurs (Suivre), recommandations de ciblage assistées par IA (Cibler). Un humain dans la boucle reste obligatoire à l'étape Engager selon le droit international humanitaire.

Dans les environnements où le GPS est brouillé, les systèmes Edge AI maintiennent la conscience de position en utilisant la navigation inertielle (IMU), l'odométrie visuelle, la navigation référencée au terrain et la fusion de capteurs. Dans les environnements sans communications, l'inférence s'exécute entièrement sur l'appareil — sans appels API externes. Les systèmes IA tactiques sont déployés avec tous les modèles nécessaires préchargés, conçus pour fonctionner de manière autonome pendant toute la durée d'une mission.

Les données synthétiques — images rendues en 3D, sorties de capteurs simulées et scénarios générés de manière procédurale — sont utilisées pour entraîner des modèles d'IA de défense lorsque les données opérationnelles réelles sont classifiées, rares ou dangereuses à collecter. Les moteurs de simulation génèrent des ensembles d'entraînement photoréalistes de véhicules militaires, de personnels et de terrains sous des conditions variables d'éclairage, de météo et de camouflage.

Corvus Intelligence conçoit, optimise et déploie des pipelines d'inférence d'apprentissage automatique pour les forces alignées OTAN opérant à la périphérie tactique. Les services comprennent : sélection et ajustement fin de modèles sur des ensembles de données militaires, optimisation spécifique au matériel (INT8, TensorRT, ONNX), intégration dans les plugins ATAK et les systèmes C2, déploiement robuste sur les plateformes Jetson, Hailo et x86, et ingénierie de pipeline Edge AI pour UAV et plateformes terrestres.

L'IA embarquée dans la défense consiste à exécuter l'inférence d'apprentissage automatique directement sur du matériel durci à la périphérie tactique — sur des drones, des véhicules terrestres, des dispositifs portatifs ou des serveurs déployés en avant-poste — plutôt que d'envoyer les données capteurs vers un cloud ou un QG pour traitement. Cela s'impose lorsque les liaisons de communication sont brouillées, dégradées ou intermittentes, et lorsque la latence des allers-retours vers le cloud rendrait le résultat de l'IA tactiquement sans intérêt.

Dans les environnements de déni GPS, les systèmes d'IA embarquée utilisent la navigation inertielle (IMU), l'odométrie visuelle, la navigation référencée au terrain et la fusion de capteurs pour maintenir la conscience de position sans signaux satellitaires. Dans les environnements de déni de communications, l'inférence s'exécute entièrement sur l'appareil — sans appels API externes, sans téléchargement de modèles. Les systèmes d'IA tactiques embarqués sont déployés avec tous les modèles nécessaires préchargés, conçus pour fonctionner de manière autonome pendant toute la durée d'une mission sans connectivité réseau.

Corvus Intelligence conçoit, optimise et déploie des pipelines d'inférence d'apprentissage automatique pour les forces alignées OTAN opérant à la périphérie tactique. Les services comprennent : sélection et ajustement fin de modèles sur des jeux de données militaires, optimisation spécifique au matériel (quantification INT8, TensorRT, export ONNX), intégration dans les plugins ATAK et les systèmes C2, déploiement durci sur les plateformes embarquées Jetson, Hailo et x86, et ingénierie de pipeline d'IA embarquée pour UAV, véhicules terrestres et installations en avant-poste.