En 2025, l’agence annonçait plus de 20 000 utilisateurs actifs de Maven dans plus de 35 outils des armées et commandements. Lors d’un exercice, un élément de ciblage est passé d’un cycle mesuré en heures à quelques minutes ; la NGA affirme aussi avoir réduit jusqu’à 80 % certains délais de travail. Ces résultats sont opérationnels, mais ils proviennent de l’agence elle-même et ne mesurent ni le taux d’erreur ni la performance en combat réel.
Le défi de la NGA n’est donc plus de trouver une image rare. Il consiste à sélectionner, géolocaliser et interpréter des millions de détections issues de capteurs classifiés, de satellites commerciaux et de données ouvertes. Une machine peut reconnaître une forme ; elle ne sait pas nécessairement si un véhicule est actif, leurre, civil, déplacé ou placé là pour tromper le modèle.
Le rapport de force géospatial
- Direction : la générale Michele Bredenkamp dirige la NGA depuis le 5 novembre 2025, après avoir notamment commandé une unité de ciblage du Joint Special Operations Command.
- Échelle : plus de 15 000 professionnels étaient répartis en 2025 sur plus de 200 sites, dont plus de 20 pays.
- Accélérateur : Maven applique vision par ordinateur et apprentissage automatique aux images et vidéos pour détecter, caractériser et géolocaliser des objets.
- Incertitude : les performances publiques viennent surtout d’exercices et de déclarations institutionnelles ; les erreurs, conditions de test et engagements réels restent classifiés.
Voir plus souvent et reconnaître plus vite ne garantit pas de comprendre mieux. Quand le délai de ciblage tombe à quelques minutes, la qualité du doute devient une capacité militaire.
Analyse GeopoloMaven transforme l’image en signal de ciblage
Le projet Maven naît en avril 2017 au département de la Défense pour appliquer la vision par ordinateur au déluge d’images captées par les systèmes militaires. La NGA reprend le contrôle opérationnel de sa composante géospatiale en décembre 2022, puis Maven devient un programme officiel en novembre 2023. L’outil détecte, identifie et caractérise des objets dans des images ou des vidéos avant d’acheminer ses résultats vers différents logiciels de commandement. Cette chaîne accélère le tri ; elle ne constitue pas, dans les informations publiques, une autorité autonome capable d’approuver une frappe. La détection d’une silhouette probable reste distincte de l’identification positive d’une cible, de l’évaluation de sa fonction et de la décision juridique ou militaire de l’engager.
Les chiffres communiqués en 2025 donnent pourtant la mesure du changement d’échelle : plus de 20 000 utilisateurs actifs, plus de 35 outils employés par les armées et les commandements, et une population d’utilisateurs multipliée par quatre depuis mars 2024. La NGA affirme que certains flux de ciblage ont été raccourcis jusqu’à 80 %. Lors d’un exercice, une cellule serait passée de plusieurs heures à quelques minutes. Cette vitesse permet de traiter davantage de zones et de suivre plus fréquemment un objet mobile. Elle réduit aussi le temps disponible pour rechercher un contre-exemple, vérifier une ambiguïté ou comprendre pourquoi le modèle a proposé une détection. L’agence ne publie ni taux général de faux positifs, ni protocole permettant de transposer les résultats d’exercice à un adversaire qui camoufle, déplace ou reproduit volontairement ses équipements.
Le privé a brisé le monopole de l’imagerie
La puissance de la NGA ne repose plus seulement sur les satellites classifiés. Elle combine les moyens nationaux américains avec des images commerciales, des données ouvertes, des cartes, des relevés de terrain et les informations fournies par des alliés. Le développement de constellations privées augmente la fréquence de revisite d’une zone et rend possible une surveillance presque continue de certains théâtres. Ces données non classifiées ont aussi un avantage diplomatique : elles peuvent être partagées plus facilement avec des partenaires, montrées au public ou utilisées pour étayer une alerte sans dévoiler les performances d’un capteur secret. En 2023, la fonction chargée des opérations commerciales est devenue directement rattachée à la direction de l’agence, signe que le marché n’est plus un simple complément ponctuel.
Cette ouverture crée cependant une dépendance nouvelle. La NGA doit arbitrer entre résolution, fréquence, coût, licences d’usage, disponibilité du nuage informatique et fiabilité des fournisseurs. Une entreprise peut être rachetée, changer ses conditions contractuelles ou subir une perturbation de sa chaîne industrielle. Les modèles entraînés sur ses données peuvent reproduire des biais invisibles à l’utilisateur final. Surtout, les mêmes constellations rendent parfois le champ de bataille observable par des gouvernements, des journalistes, des entreprises et l’adversaire. La supériorité américaine ne vient donc plus du seul accès à l’image, mais de la vitesse de fusion, de la qualité des archives, de la précision géodésique et de la faculté de distinguer un changement significatif d’un bruit sans intérêt militaire.
Voir davantage ne signifie pas comprendre
Le volume de données pourrait tripler dans les cinq à dix années suivantes, selon une projection présentée par la NGA en 2025. L’automatisation devient alors indispensable, mais elle ne résout pas le problème de l’intention. Un hangar nouveau peut abriter un missile, une activité civile ou un leurre. Un véhicule peut être actif, abandonné ou déplacé précisément pour attirer l’attention. Nuages, ombres, saisons, angles de prise de vue et compression modifient l’apparence d’un même objet. Les adversaires peuvent multiplier les maquettes, enterrer les infrastructures ou exploiter les habitudes d’un modèle. L’analyste doit donc comparer plusieurs dates, croiser l’image avec d’autres disciplines du renseignement et rechercher les indices qui invalident l’hypothèse dominante. L’IA excelle à signaler ce qui ressemble à un objet appris ; elle demeure moins sûre lorsqu’il faut expliquer ce que cet objet signifie dans une manœuvre politique ou militaire.
Michele Bredenkamp rapproche la donnée des opérations
La générale Michele Bredenkamp dirige la NGA depuis le 5 novembre 2025. Son parcours éclaire le cap attendu : ancienne conseillère militaire auprès de la directrice du renseignement national, elle a commandé l’US Army Intelligence and Security Command ainsi qu’une unité de ciblage du Joint Special Operations Command. Cette expérience peut rapprocher les ingénieurs, les analystes géospatiaux et les besoins des commandements. Elle correspond à la stratégie officielle de l’agence, qui place au premier plan la préparation opérationnelle, l’alerte, le ciblage, l’intelligence artificielle et l’intégration plus rapide des innovations. Le bénéfice recherché est clair : réduire la distance entre une donnée collectée et une décision exploitable sans attendre qu’une architecture technique lourde soit entièrement reconstruite.
Ce rapprochement impose à la NGA une responsabilité plus exigeante. Plus un résultat algorithmique entre vite dans une chaîne opérationnelle, plus son origine, son niveau de confiance et ses transformations doivent rester traçables. Un opérateur doit pouvoir contester une proposition, connaître les limites du jeu d’entraînement et interrompre le flux lorsque les conditions diffèrent du test. La dérive d’un modèle, la dégradation d’un capteur ou une campagne de leurres peuvent produire des erreurs cohérentes à grande échelle. La question institutionnelle n’est donc pas de choisir entre humain et machine, mais d’organiser une contradiction réelle : séparer détection, validation et décision ; conserver les corrections ; mesurer les désaccords ; et soumettre les performances à des équipes capables de chercher activement l’échec plutôt que de confirmer une démonstration réussie.
De la photographie secrète au flux algorithmique
Comment auditer une cible produite par l’IA ?
Ce que les chiffres établissent
Les données publiques de la NGA décrivent un déploiement massif, pas une précision démontrée. En 2025, l’agence revendiquait plus de 20 000 utilisateurs actifs de Maven dans plus de 35 outils, des réductions de délai allant jusqu’à 80 % et une cellule d’exercice passée d’heures à minutes. Elle comptait aussi plus de 15 000 professionnels sur plus de 200 sites, dans plus de vingt pays. Ces ordres de grandeur établissent que l’IA géospatiale a quitté le laboratoire. Ils ne permettent pas de calculer combien de détections sont exactes, combien sont rejetées par les analystes ni comment les résultats varient selon le capteur, le terrain et le comportement adverse.
Ce que les démonstrations publiques ne disent pas
La NGA ne publie pas de taux transversal de précision, de rappel ou de faux positif pour Maven, et une telle moyenne aurait d’ailleurs peu de sens sans connaître les objets et les conditions observés. Un exercice contrôlé ne reproduit ni le brouillage, ni les leurres, ni l’urgence, ni l’incomplétude d’un engagement réel. Les chiffres de rapidité cités par l’agence sont donc utiles pour mesurer un gain de processus, mais insuffisants pour prouver une meilleure décision. Une évaluation sérieuse devrait comparer chaque modèle à une référence indépendante, documenter les corrections humaines et vérifier que l’accélération ne déplace pas simplement le risque vers l’étape suivante.
Trois tests géopolitiques en 2026
Trois situations illustrent les questions que devrait résoudre la NGA, sans présumer ici d’opérations classifiées. Autour de Taïwan, l’enjeu serait de distinguer un exercice, un mouvement logistique et la préparation effective d’une attaque dans un espace saturé de signaux. Face à l’Iran, une image de dommage ne suffit pas à déterminer la fonction restante d’un site enterré ou dispersé. En Ukraine, la diffusion d’images commerciales, l’usage de leurres et l’adaptation rapide des unités montrent combien une signature visuelle peut devenir périssable. Dans chaque cas, le test n’est pas seulement de trouver un objet, mais de relier des changements successifs à une intention et d’indiquer le niveau de confiance avant qu’une hypothèse ne durcisse en cible.
L’incertitude centrale pour la NGA concerne moins la puissance brute des algorithmes que leur gouvernance sous pression. Dépendance à un fournisseur, dérive du modèle, données empoisonnées, classification empêchant l’examen externe et automatisation de la confiance peuvent s’additionner. Les indicateurs à suivre sont les évaluations de l’inspection générale, les résultats d’équipes de test adversarial, le taux de corrections et de désaccords humains, ainsi que la capacité à suspendre un modèle rapidement. Tant que ces mesures restent secrètes, l’analyse publique doit séparer les performances revendiquées de la robustesse réellement vérifiée.
Les quatre tensions du GEOINT automatisé
| Dimension | Gain recherché | Risque stratégique |
|---|---|---|
| Vitesse | Maven trie des flux d’images et raccourcit certains cycles de ciblage. | Le temps gagné peut réduire la contradiction et transformer une probabilité en certitude opérationnelle. |
| Volume | Les capteurs publics, militaires et commerciaux couvrent plus souvent davantage de zones. | L’abondance multiplie aussi les alertes, les corrélations trompeuses et la charge de validation. |
| Privé | Les données non classifiées se partagent plus facilement avec les alliés. | Licences, fournisseurs, nuage et chaînes industrielles deviennent des dépendances de souveraineté. |
| Responsabilité | L’IA assiste la détection tandis que l’humain conserve officiellement la décision. | Une chaîne trop opaque peut diluer l’auteur de l’erreur entre capteur, modèle, analyste et commandement. |
La NGA peut accélérer le ciblage sans accélérer mécaniquement l’erreur si Maven demeure un outil de tri, si les analystes valident les identifications et si le commandement distingue clairement détection, intention et autorisation d’engagement. Les résultats annoncés depuis 2024 montrent un gain de vitesse et d’échelle, non une disparition de l’incertitude.
Plus la chaîne devient rapide, plus elle exige de la traçabilité, des tests adversariaux et une autorité humaine capable de l’arrêter. La supériorité géospatiale américaine dépendra moins du nombre brut de détections que de la qualité avec laquelle la NGA expliquera, contestera et corrigera celles qui peuvent produire une décision irréversible.
La CIA sous Trump
John Ratcliffe promet une agence plus offensive. Jusqu’où la CIA peut-elle servir les priorités présidentielles sans dégrader l’indépendance de son analyse ?
Lire l'analyseLa NSA après l’expiration de la section 702
Le cadre légal a expiré, mais les autorisations existantes prolongent les écoutes. Une zone grise au cœur du renseignement américain.
Lire l'analyseLa DIA face au piège de la vitesse
La guerre contre l’Iran a montré comment une estimation militaire provisoire peut devenir un enjeu politique avant d’être consolidée.
Lire l'analyseLe NRO et la révolution des satellites
Les constellations proliférantes promettent une observation plus fréquente. Elles compliquent aussi la protection des capacités orbitales américaines.
Lire l'analyseLe FBI face aux opérations étrangères
Espionnage technologique, influence et menaces transnationales déplacent la frontière entre enquête judiciaire et sécurité nationale.
Lire l'analyseComprendre la puissance chinoise
Technologie, armée, économie et contrôle politique : les instruments que Pékin combine dans sa rivalité avec Washington.
ComparerLes États-Unis et leur appareil de puissance
Institutions, alliances et capacités militaires expliquent les choix américains au-delà des changements de présidence.
ComparerLa Russie entre guerre et adaptation
Services, industrie militaire et action clandestine soutiennent une stratégie confrontée à l’usure de la guerre en Ukraine.
ComparerL’Iran sous pression stratégique
Programme nucléaire, réseaux régionaux et vulnérabilités intérieures redessinent le rapport de force de Téhéran.
Comparer
Analyste en géopolitique, anthropologie politique et relations internationales.