Ce que la stratégie technologique de Trump signifie pour l’armée, la dissuasion envers la Chine et l’avenir de l’IA
La nouvelle stratégie technologique de la Maison Blanche accélère le développement des technologies émergentes pour l’armée, donne aux innovateurs de la défense plus de latitude pour expérimenter et élargira le marché fédéral pour les jeunes startups des technologies de défense. Mais cela met également l’accent sur une approche particulière du développement de l’IA, une approche qui favorise une poignée d’entreprises technologiques américaines bien connectées au détriment d’autres approches innovantes. Cela pourrait profiter à la Chine et empêcher l’armée américaine d’obtenir les outils dont les commandants ont réellement besoin.
Voici une répartition des gagnants et des perdants.
Gagnants : essaims, IA déployée, technologie militaire plus rapide
La stratégie met l’accent sur de nouvelles approches de guerre axées sur la technologie, en particulier sur l’utilisation de drones et même d’essaims de drones aux côtés de moyens habités et existants. Plus précisément, il appelle à « des combinaisons optimales de plates-formes à moindre coût (et parfois de moindre technologie ou attritables) qui peuvent être déployées en plus grand nombre et compléter un nombre plus limité de plates-formes sophistiquées ».
Au cours de la dernière décennie, les efforts déployés pour déployer des avions autonomes aux côtés d’avions de combat ou de navires, par exemple, ont été au mieux inégaux – même lorsque le Pentagone a changé ses arguments sur la nécessité d’un grand nombre de drones à faible coût – limités par les politiques d’achat internes des programmes et les engagements antérieurs en matière d’investissements dans d’autres programmes. Le programme Replicator fournit un exemple frappant, salué comme un pionnier essentiel mais ne recevant qu’un milliard de dollars de financement.
La nouvelle stratégie définit des « domaines prioritaires » spécifiques pour les nouvelles recherches et dépenses militaires : sous-marine, spatiale, IA et autonomie. Ces priorités sont les plus pertinentes pour la « dissuasion dans la région Indo-Pacifique », comme pour empêcher la Chine de déclencher un conflit majeur. Dans ces domaines prioritaires, il cite « les systèmes multi-agents et l’intelligence en essaim » ainsi que diverses utilisations de l’autonomie, de la robotique au commandement et au contrôle, comme « critiques ».
La stratégie vise également directement les politiques et les pratiques qui ralentissent les achats militaires de nouvelles technologies. S’appuyant sur d’autres décrets, il pousse les acheteurs du Pentagone à contourner les acquisitions traditionnelles en faveur d’un « mélange » de types de contrats, tels que les contrats basés sur la performance et d’autres autorisations de transaction, ou OTA. Cela donne également le ton aux achats militaires vers « des approches non traditionnelles plus rapides qui peuvent impliquer des risques plus élevés mais offrent un potentiel de récompense élevé », ce que les commandants, les jeunes dirigeants des technologies de défense et même les législateurs réclament depuis longtemps.
Peut-être plus important encore, il faut également prendre des mesures pour développer réellement le marché des jeunes acteurs des technologies de défense au-delà du seul secteur militaire. Il vise les règles sur les ventes militaires étrangères et les contrôles à l’exportation qui entravent la vente d’une grande partie des technologies de défense aux alliés. Cela sera particulièrement important pour les nouvelles entreprises de défense qui tentent d’obtenir des investissements de démarrage pour survivre. Et il appelle d’autres agences fédérales à construire des « voies simplifiées » pour que les petites entreprises puissent au moins mettre le pied dans la porte, même via des partenariats qui n’offrent pas beaucoup plus aux jeunes entreprises qu’un accès à l’infrastructure fédérale, tels que les « accords de recherche et de développement coopératifs (CRADA) et les accords de commercialisation de la technologie (ACT) ».
Perdants : poids ouverts, petite IA
Si la stratégie défend des acteurs de la défense plus petits et plus innovants, elle pèse également dans le débat sur ce à quoi devrait ressembler l’avenir de l’IA et se range du côté des grandes entreprises technologiques qui privilégient un avenir spécifique, énergivore et profondément impopulaire de l’IA au détriment des stratégies émergentes privilégiées de plus en plus par les chercheurs. La Chine bénéficiera de cette surveillance, a écrit mardi Michael Schiffer, associé chez Scalare Advisors et ancien secrétaire adjoint à la Défense pour l’Asie de l’Est, pour Just Security.
Dans sa section sur les technologies critiques à prendre en charge, la stratégie répertorie les « modèles de base, y compris les grands systèmes linguistiques, multimodaux et mondiaux ». La section comprend également des domaines technologiques de niche tels que les interfaces cerveau-ordinateur, mais omet les modèles entièrement ouverts et le développement de logiciels open source.
Voici pourquoi c’est important :
Les modèles de base, tels que les grands modèles de langage actuels d’entreprises comme OpenAI et Anthropic, ne représentent qu’une méthode potentielle pour créer des outils d’IA, une méthode qui repose fortement sur le transfert d’autant de données à travers autant d’infrastructures informatiques que possible pour obtenir quelque chose qui ressemble à du « raisonnement », mais qui n’est en réalité qu’un simple calcul de probabilité.
Le co-fondateur d’Anthropic, Dario Amodei, a contribué à transformer ce concept d’un effort de recherche en un effort massif visant à acquérir des ressources informatiques et des données le plus rapidement possible. Amodei l’a expliqué simplement lors d’une discussion en 2023 avec Dwarkesh Patel. « Il s’avère que l’échelle brute – plus de calcul et plus de données – génère des capacités bien plus puissamment que des inventions algorithmiques complexes ou des changements architecturaux élaborés à la main. »
Une petite poignée de laboratoires d’IA de pointe, et leurs grands soutiens informatiques dans le cloud, sont littéralement dans une course à la survie de l’entreprise parce qu’il n’y a qu’une quantité limitée de puissance, qu’un nombre limité de puces pour continuer à poursuivre leur « échelle brute ». Si, comme le dit Amodei, le simple fait d’avoir plus de « plus de calcul » et de « plus de données » signifie avoir les modèles les plus performants, alors celui qui dispose du plus grand nombre de ces ressources peut évincer n’importe quel concurrent.
Il n’est pas étonnant que la course à l’IA soit devenue une concentration de richesse et de pouvoir, dans une poignée de laboratoires bénéficiant de grands soutiens dans le domaine du cloud computing. Il n’est pas étonnant non plus que la perception du public à l’égard de l’IA ait chuté : seuls 18 % des Américains pensent qu’elle constituera une force positive pour les États-Unis, selon un nouveau sondage. Mais l’approche du modèle de base a ses fans : les grands fournisseurs de cloud américains qui ont investi des milliards dans des laboratoires de modèles de base.
La manière même dont la stratégie définit le problème repose sur l’idée que l’IA a un avenir et que gagner la course à l’IA ou parvenir à la domination signifie favoriser une poignée de joueurs. Mais c’est également un thème qui se retrouve dans de nombreuses politiques et décrets de la Maison Blanche concernant l’IA.
Pendant ce temps, des approches alternatives pour développer l’IA émergent. Plutôt que de se précipiter pour construire davantage de centres de données et trouver davantage de données pour résoudre le problème de l’IA, ils utilisent des paramètres déjà existants et disponibles gratuitement, appelés modèles de pondération ouverts, par opposition aux pondérations fermées qui sont protégées par la propriété intellectuelle. Et ils les utilisent en conjonction avec des architectures alternatives qui rendent l’utilisation de ces modèles plus économe en énergie. Bon nombre de ces approches alternatives de création d’IA fonctionnent presque aussi bien que celles proposées par Anthropic et OpenAI, et ont le potentiel de le faire à des coûts énergétiques bien inférieurs.
Pourquoi c’est important pour l’armée
La quantité limitée de puissance de calcul, de données et de bonne volonté en matière d’IA pourrait devenir un problème stratégique pour l’armée américaine. Si l’opinion publique sape le soutien du Congrès et le soutien financier à la recherche et au développement dans ce domaine, craignent les responsables, le pays pourrait perdre son avantage en matière d’IA au profit de la Chine, qui a ouvertement déclaré son intention d’aller de l’avant.
Parallèlement, les modèles d’IA frontalière créent également des problèmes tactiques et opérationnels pour les armées qui les utilisent. Les troupes et les unités militaires sur le terrain ne peuvent pas compter sur la connectivité dont ont besoin les outils basés sur de grands modèles. Et dans un nouveau rapport du Carnegie Endowment for International Peace, Jake Steckler écrit : « L’architecture informatique de l’Ukraine, composée d’un accès au cloud occidental, de centres de données nationaux et de nœuds de calcul déployés à l’avant, est déjà mise à rude épreuve car elle intègre davantage d’IA dans le ciblage et la coordination. »
Les modèles à poids ouvert n’apparaissent pas dans la nouvelle stratégie, même si elle répertorie des concepts de niche et tirés par les cheveux comme les interfaces cerveau-ordinateur comme étant « critiques ». Il s’agit là d’un énorme oubli et d’un cadeau potentiel pour la Chine, affirme Schiffer.
« Les progrès de la Chine dans le domaine de l’IA ouverte ont révélé les limites d’une stratégie américaine trop fondée sur l’idée de leur refuser l’accès à la technologie américaine et aux marchés américains », a-t-il déclaré.
