GEOINT et ciblage algorithmique

Mots-clésGEOINTintelligence artificielleciblageGaza

Selon une enquête du média israélien +972 Magazine publiée en avril 2024 et reprise depuis par plusieurs analyses juridiques universitaires, l'armée israélienne aurait employé un système appelé Lavender pour établir, à partir du croisement de données géospatiales, de renseignement d'origine électromagnétique et de modèles de comportement, une liste d'environ 37 000 personnes suspectées d'appartenir à une organisation armée à Gaza. Un système complémentaire, Gospel, aurait automatisé l'identification d'infrastructures comme cibles de frappe, tandis qu'un troisième outil, surnommé « Where's Daddy ? », aurait permis de localiser les personnes ciblées à leur domicile familial au moment de la frappe. Une source militaire citée par l'enquête a indiqué ne consacrer qu'environ vingt secondes à la validation de chaque recommandation générée par le système avant de l'approuver, la décrivant comme un simple tampon plutôt qu'un examen réel.

Ces éléments, documentés par le travail journalistique initial et discutés depuis dans des analyses publiées en 2025 dans des revues de droit international humanitaire, restent partiellement contestés par des sources militaires israéliennes quant à leur ampleur exacte et au degré réel de supervision humaine exercée sur le système. Cette controverse ne porte toutefois pas sur l'existence des outils eux-mêmes, mais sur l'intensité effective du contrôle humain exercé à chaque étape, une question qui demeure au cœur du débat juridique et éthique suscité par ce cas.

Une discipline qui vit de la fusion, désormais accélérée par l'apprentissage automatique

Le renseignement d'origine géospatiale a toujours reposé sur la fusion de sources hétérogènes, imagerie satellitaire, cartographie, données de mouvement, pour produire une compréhension exploitable d'un espace physique et de ce qui s'y déroule. L'apport de l'apprentissage automatique à cette discipline consiste à automatiser une partie du travail de corrélation qu'un analyste humain effectuait auparavant manuellement, en croisant des volumes de données que la seule capacité cognitive humaine ne pouvait plus traiter à l'échelle et à la vitesse exigées par un conflit de haute intensité.

Ce gain de vitesse a une contrepartie mécanique directe : plus le système automatise d'étapes de la chaîne allant de la détection à la recommandation de frappe, plus le temps disponible pour qu'un être humain examine effectivement chaque recommandation individuelle se réduit, sauf à accepter de renoncer au gain de cadence que l'automatisation était censée produire. Le chiffre de vingt secondes rapporté dans l'enquête sur Lavender illustre cette contrainte arithmétique plutôt qu'une simple négligence isolée : à l'échelle de plusieurs dizaines de milliers de cibles générées, un examen humain substantiel de chaque dossier individuel devient matériellement incompatible avec le rythme opérationnel recherché.

Le déplacement de la vérification humaine, du jugement au contrôle formel

Ce déplacement transforme la nature même du rôle attribué à l'analyste humain dans la chaîne de ciblage : d'un examinateur capable de remettre en cause une recommandation sur la base de son propre jugement, il devient un point de passage formel dont la fonction se limite à valider administrativement une décision déjà arrêtée par le système. Une telle évolution ne supprime pas la présence humaine dans la boucle de décision, elle en vide la fonction de contrôle substantiel, ce qui pose un problème distinct de celui, plus visible, d'un système entièrement autonome sans aucune supervision.

Les analyses juridiques publiées en 2025 sur ce cas insistent précisément sur cette distinction : le droit international humanitaire suppose l'existence d'un jugement humain capable d'apprécier la proportionnalité et la distinction entre cibles civiles et militaires à chaque frappe, une exigence qui devient difficile à satisfaire lorsque le rôle humain se réduit à une ratification rapide d'une recommandation algorithmique fondée sur des critères d'évidence assouplis par rapport aux standards traditionnels de vérification du renseignement.

Une chaîne de responsabilité plus difficile à reconstituer après coup

La conséquence la plus significative de cette automatisation ne concerne pas seulement la qualité du ciblage au moment de la frappe, mais la possibilité, après coup, d'établir qui portait la responsabilité d'une erreur donnée. Lorsqu'une cible provient de la fusion automatisée de plusieurs sources de renseignement géospatial et électromagnétique, filtrée par un modèle dont les critères de pondération interne ne sont pas nécessairement documentés de façon exploitable, et validée en quelques secondes par un opérateur humain, la chaîne causale reliant une frappe erronée à une décision humaine identifiable devient beaucoup plus difficile à reconstituer que dans un processus de ciblage classique où chaque étape de vérification laissait une trace de jugement analytique explicite.

C'est cette difficulté de reconstitution, plutôt qu'une controverse sur la seule existence des systèmes, qui rend ce cas significatif pour comprendre la trajectoire du renseignement géospatial : l'automatisation ne se contente pas d'accélérer une discipline existante, elle modifie la structure même de la responsabilité qui accompagnait jusqu'ici la production et l'usage du renseignement, une transformation dont les cadres juridiques et institutionnels existants n'ont pas encore pleinement mesuré les implications.

Sources documentaires

Nasser AL SABRI

Journaliste indépendant

Analyste en géopolitique, anthropologie politique et relations internationales.

X Twitter geopolo.com

GEOINT : quand l'algorithme accélère le ciblage

Une discipline qui vit de la fusion, désormais accélérée par l'apprentissage automatique

Le déplacement de la vérification humaine, du jugement au contrôle formel

Une chaîne de responsabilité plus difficile à reconstituer après coup

Sources documentaires

IMINT

SIGINT

MASINT

OSINT

Cluster Proche-Orient

Cluster États-Unis