Le Pentagone révise sa doctrine : l'IA pourra bientôt choisir les cibles militaires

Le Pentagone révise sa doctrine : l'IA pourra bientôt choisir les cibles militaires

🔎 Un basculement doctrinal passé sous silence

Le 25 juin 2026, Bloomberg révélait que le Pentagone avait discrètement révisé en avril 2026 sa doctrine de ciblage militaire, le JP 3-60. Le changement est radical : l'IA ne sera plus un simple outil d'assistance, mais un système capable d'initier la sélection de cibles.

Pourquoi maintenant ? La révision intervient dans un contexte de course effrénée aux modèles d'IA les plus performants. Le classement agentic de juin 2025 plaçait déjà GPT-5.5 d'OpenAI à 98.2 points, Claude Opus 4.7 d'Anthropic à 94.3, et Gemini 3 Pro Deep Think de Google à 95.4. En un an, les capacités de raisonnement ont explosé.

Le Pentagone a décidé de ne pas attendre le débat public. La stratégie IA du département de la Défense de janvier 2026 appelait déjà à "intégrer pleinement l'IA dans la planification militaire". Six mois plus tard, la doctrine suit.

L'essentiel

• Le JP 3-60, doctrine de ciblage conjoint, a été révisée en avril 2026 pour autoriser l'IA à initier des actions de ciblage, l'humain n'étant plus que superviseur.
• Le passage de "human in the loop" à "human on the loop" représente un changement de paradigme sans précédent dans l'histoire militaire américaine.
• Anthropic et le Pentagone sont en conflit ouvert depuis mars 2026 sur les guardrails que les fournisseurs d'IA doivent imposer à leurs modèles déployés dans des contextes militaires.
• Le Congrès tente de reprendre le contrôle, mais le timeframe est jugé "compressé" par plusieurs législateurs.

Outils recommandés

Du JP 3-60 de 2018 à la version d'avril 2026 : ce qui change vraiment

La différence entre les deux versions est un glissement sémantique calculé. Dans le JP 3-60 de 2018, l'humain est l'initiateur. L'IA fournit des données, l'opérateur décide.

La révision d'avril 2026, dont la version Air Force AFDP 3-60 de mai 2026 reflète l'alignement, inverse la séquence. L'IA propose. L'IA identifie. L'IA initie. L'humain valide — ou non.

C'est ce que la publication de Straits Times cite directement du document : "Les avancées en IA amélioreront le processus de ciblage et permettront des engagements de précision à longue portée."

Le passage de "human in the loop" à "human on the loop" n'est pas un détail terminologique. C'est la différence entre un chauffeur qui conduit et un chauffeur qui surveille l'autopilote. Sauf qu'ici, l'autopilote désigne des cibles humaines.

Pour comprendre la portée de ce changement, il faut regarder la définition officielle du Congrès des LAWS (Lethal Autonomous Weapon Systems) : des systèmes qui "sélectionnent et engagent des cibles sans intervention humaine". Le Pentagone nie que la nouvelle doctrine entre dans cette catégorie. La nuance repose sur le mot "supervision".

Ce débat n'est pas abstrait. Il détermine qui, dans la chaîne de décision, porte la responsabilité juridique en cas d'erreur de ciblage. Et avec des modèles comme GPT-5.4 Pro (score 91.8 en agentic) ou Claude Opus 4.6 (84.7), la tentation de faire confiance à l'IA est structurelle.

Le rôle concret de l'IA dans le ciblage : ce que les modèles font réellement

L'IA ne "tire pas" sur des cibles. Pas encore. Mais elle fait tout le travail en amont, et c'est là que le basculement doctrinal prend son sens.

Le processus de ciblage militaire suit une séquence codifiée : find, fix, track, target, engage, assess (F2T2EA). Dans l'ancienne doctrine, chaque étape nécessitait une action humaine délibérée. L'IA fournissait des "aides à la décision".

Dans la nouvelle version, l'IA peut exécuter les phases "find", "fix", "track" et "target" de manière autonome, puis présenter un ensemble de cibles recommandées avec un niveau de confiance. L'opérateur humain intervient à "engage" et "assess".

Concrètement, un modèle comme Gemini 3.1 Pro (92 en général, 87.3 en agentic) peut croiser en temps réel des données satellite, des intercepts de communications, des flux de drones et des bases de données de signatures radar. En quelques secondes, il produit une liste priorisée de cibles avec des probabilités d'identification.

Le résumé d'AI Weekly souligne que SOCOM (Special Operations Command) est déjà en pointe sur ce type de déploiement. Les opérations spéciales, avec leur besoin de réactivité extrême, sont le terrain d'expérimentation naturel de cette doctrine.

La question que les développeurs doivent se poser : est-ce que la frontière entre fine-tuning, RAG et prompting change la nature de la recommandation ? Un modèle fine-tuné sur des données militaires classifiées n'est plus un outil générique. Il devient un système spécialisé dont les biais sont invisibles.

Anthropic contre le Pentagone : la bataille des guardrails

Le 28 mars 2026, Bloomberg révélait un conflit ouvert entre Anthropic et le département de la Défense. Le sujet : les guardrails obligatoires que les fournisseurs d'IA doivent imposer à leurs modèles déployés dans des contextes militaires.

Anthropic veut des limites techniques codées en dur dans les modèles. Le Pentagone considère que ces garde-fous réduisent l'utilité opérationnelle et crée un précédent dangereux : celui où un fournisseur privé dicte les conditions d'emploi d'un système acheté par l'État.

La Cloud Security Alliance a analysé ce conflit en le qualifiant de "gouvernance des vendeurs" — un concept nouveau où les entreprises tech deviennent des régulateurs de facto de l'usage militaire de l'IA.

C'est un problème structurel. Quand Claude Opus 4.7 (94.3 en agentic) est déployé dans un système de ciblage, Anthropic veut pouvoir techniquement empêcher certaines catégories de recommandations. Le DoD voit cela comme une ingérence inacceptable.

Le paradoxe est que Claude est précisément le modèle que certains au Pentagone préfèrent pour le ciblage, grâce à ses capacités de raisonnement nuancé. La question du choix de modèle n'est plus seulement technique. Elle est géopolitique.

Pendant ce temps, Google a signé un accord en avril 2026 pour autoriser Gemini dans le travail classifié, sans les mêmes frictions publiques qu'Anthropic. Le message aux fournisseurs est clair : ceux qui posent trop de conditions perdent les contrats.

Le timing : pourquoi avril 2026, pourquoi en secret

La révision a eu lieu en avril 2026. Elle n'a été rendue publique que par la fuite à Bloomberg le 25 juin. Deux mois de silence sur un changement doctrinal qui touche à l'éthique de la guerre.

Ce timing n'est pas anodin. Janvier 2026 : la stratégie IA du DoD pose le cadre politique. Mars 2026 : le conflit Anthropic-Pentagone éclate, révélant la pression sur les fournisseurs. Avril 2026 : la doctrine est révisée. Juin 2026 : l'info sort.

Le sénateur qui a contesté la réforme le 15 juin — dix jours avant la révélation de Bloomberg — parlait déjà d'un timeframe "compressé" et de "questions sérieuses". Le Congrès a été mis devant le fait accompli.

La dimension secrète est problématique. Les doctrines militaires américaines sont normalement des documents publics. Le JP 3-60 de 2018 était téléchargeable librement. La version d'avril 2026 n'a pas fait l'objet d'une annonce, d'une période de commentaire public, ni d'une audition au Congrès préalable.

Ce mode opératoire rappelle les débats sur les modèles auto-réplicants : quand la capacité technique devance le cadre légal, les acteurs publics et privés tendent à agir d'abord, à justifier ensuite.

Les implications pour les développeurs d'IA : vous n'êtes plus neutres

C'est la partie que la plupart des articles sur le sujet ignorent. La révision du JP 3-60 ne concerne pas que les généraux. Elle concerne directement les ingénieurs qui construisent ces systèmes.

Quand vous fine-tunez un modèle pour l'analyse de données ISR (Intelligence, Surveillance, Reconnaissance), vous participez à la chaîne de ciblage. Quand vous optimisez un pipeline RAG pour interroger des bases de données militaires classifiées, vous construisez un maillon du système. Quand vous réduisez la latence d'inférence pour qu'un modèle comme GPT-5.4 (87.6 en agentic) réponde en temps réel sur un théâtre d'opération, vous rendez le ciblage plus rapide.

La distinction entre "outil" et "arme" devient floue. Le document du Congrès sur les LAWS définit les armes autonomes létales comme celles qui "sélectionnent et engagent des cibles". Mais que dire d'un système qui sélectionne la cible et la présente à un humain qui appuie sur un bouton en 2 secondes ?

Les développeurs travaillant chez OpenAI, Google, Anthropic ou dans la défense doivent comprendre que le choix entre fine-tuning, RAG et prompting n'est plus un choix d'architecture. C'est un choix qui détermine le niveau d'autonomie du système de ciblage. Un modèle RAG avec retrieval sur des bases dynamiques sera plus "autonome" dans ses recommandations qu'un modèle prompté avec des instructions fixes.

Cette réalité est nouvelle. Il n'y a pas de cadre éthique industriel qui prépare les ingénieurs à cette responsabilité. Les guidelines de sécurité des modèles (RLHF, constitutional AI) n'ont pas été conçues pour des contextes létaux.

Le Congrès tente de rattraper le retard

La réaction législative a été rapide mais potentiellement insuffisante. Le 15 juin 2026, un sénateur questionnait publiquement le Pentagone sur la révision de la politique sur les armes autonomes, dénonçant un calendrier "compressé".

Puis, Air & Space Forces rapportait que le Congrès voulait étendre l'oversight aux systèmes IA utilisés dans la planification opérationnelle — pas seulement aux armes autonomes stricto sensu.

L'enjeu législatif est de taille. La définition des LAWS par le CRS du Congrès est claire : pas d'intervention humaine. Mais la nouvelle doctrine JP 3-60 maintient une supervision humaine formelle. Le Congrès doit décider si la supervision humaine "sur le loop" suffit à exclure un système du régime des LAWS.

C'est un débat juridique, pas technique. Et il se déroule après que la doctrine a déjà été modifiée.

Le risque est que le Congrès se retrouve à légiférer sur des systèmes déjà déployés. Les outils d'automatisation comme ceux comparés dans Make, Zapier, n8n montrent à quelle vitesse les pipelines IA peuvent être assemblés et mis en production. En contexte militaire, cette vitesse est amplifiée par les budgets et l'urgence opérationnelle.

Ce que la révision dit sur l'état réel de l'IA en 2026

Au-delà du sujet militaire, cette révision en dit long sur la maturité que le Pentagone attribue aux modèles d'IA actuels. En juin 2025, les benchmarks plaçaient déjà GPT-5.5 à 98.2, Claude Opus 4.7 à 94.3, Gemini 3 Pro Deep Think à 95.4 en agentic. Le Pentagone ne réviserait pas sa doctrine pour des systèmes qu'il juge incapables.

Le fait que la révision intervienne seulement un an après ces scores suggère que les modèles de 2026 — dont les scores publics ne sont pas encore disponibles — ont franchi un seuil de fiabilité jugé suffisant pour le ciblage. C'est une information en soi.

Le DoD ne publie pas ses propres évaluations. Mais la séquence est révélatrice : stratégie IA en janvier, conflit sur les guardrails en mars, révision doctrinale en avril, accord Google pour le classifié en avril, révélation en juin. Chaque étape suppose que la technologie est prête.

Pour les développeurs civils, le signal est clair : si le Pentagone fait confiance à ces modèles pour le ciblage, les capacités de raisonnement des LLM en 2026 sont bien au-delà de ce que les benchmarks publics suggèrent. Soit les scores sous-estiment les modèles, soit les évaluations militaires mesurent des dimensions que les benchmarks grand public ne captent pas.

❌ Erreurs courantes

Erreur 1 : Confondre ciblage et engagement

L'IA ne tire pas. Elle identifie, priorise et recommande. L'engagement reste formellement humain. Mais dans un contexte où l'IA initie la séquence et où la validation humaine prend quelques secondes, la distinction est plus théorique que pratique. La solution : comprendre la chaîne F2T2EA complète avant de juger.

Erreur 2 : Penser que les LAWS n'existent pas encore

Le document CRS du Congrès définit les LAWS comme des systèmes sans intervention humaine. La nouvelle doctrine maintient une supervision. Mais la frontière entre "supervision" et "absence d'intervention" est une question d'interprétation juridique, pas de technique.

Erreur 3 : Croire que le débat est purement américain

La révision du JP 3-60 va alimenter la course aux armements autonomes au niveau mondial. La Chine, la Russie et Israël développent des capacités similaires. Le silence du Pentagone sur sa propre doctrine encourage les autres acteurs à faire de même, sans aucun cadre international contraignant.

❓ Questions fréquentes

L'IA peut-elle déjà tuer sans intervention humaine ?

Non selon la doctrine officielle. La révision du JP 3-60 maintient une supervision humaine. Mais l'IA initie désormais le processus de ciblage, ce qui réduit l'intervention humaine à une validation formelle.

Quel modèle d'IA le Pentagone utilise-t-il pour le ciblage ?

Le DoD ne publie pas ses choix techniques. Mais Google a signé un accord pour le classifié en avril 2026 avec Gemini, et Anthropic est en conflit ouvert sur les guardrails de Claude. Le paysage des modèles disponibles suggère que plusieurs fournisseurs sont impliqués.

Le Congrès peut-il bloquer cette révision ?

Théoriquement oui, par le pouvoir de l'argent. Le Congrès contrôle le budget du Pentagone et peut conditionner les fonds à des restrictions sur l'usage de l'IA pour le ciblage. Mais les mécanismes de supervision sont lents face à des déploiements techniques rapides.

En quoi cela concerne-t-il les développeurs civils ?

Les architectures (RAG, fine-tuning, agents) déployées dans le civil sont les mêmes que celles adaptées pour le militaire. La différence entre ces approches détermine le niveau d'autonomie du système. Les développeurs qui construisent ces pipelines participent, souvent à leur insu, à l'écosystème technologique qui rend le ciblage autonome possible.

Anthropic refuse-t-il de travailler avec le Pentagone ?

Non. Anthropic conteste les conditions imposées par le Pentagone sur les guardrails, pas le principe de la collaboration. Le conflit porte sur la gouvernance : qui décide des limites éthiques d'un modèle déployé militairement, le fournisseur ou l'utilisateur final ?

✅ Conclusion

La révision secrète du JP 3-60 est le moment où l'IA de ciblage est passée de la théorie à la doctrine opérationnelle, sans débat public ni oversight préalable. Pour les développeurs, la question n'est plus de savoir si l'IA sera utilisée pour le ciblage — c'est fait — mais de comprendre à quel point chaque ligne de code contribue à cette chaîne de décision.