Le communiqué tient en 4 paragraphes. Publié par Dassault Aviation le 22 septembre 2026, il annonce que l’avionneur « a testé en vol sur Rafale deux nouveaux algorithmes souverains d’Intelligence Artificielle ». Le premier algorithme d’IA souveraine sort de ses bureaux d’études ; le second a été développé avec Thales et son accélérateur d’IA cortAIx. La date des vols reste inconnue, les fonctions aussi. Les 2 briques sont jugées « éligibles aux prochaines évolutions du Rafale », une formule prudente : leur intégration reste à décider. Pour une équipe qui déploie des agents IA, le texte a un autre intérêt, plus concret. Il liste les contraintes qu’un constructeur d’avions de combat juge décisives avant de mettre un modèle en service.
Ce que le communiqué du 22 septembre dit et ce qu’il tait
Le cœur du communiqué de Dassault Aviation tient en 2 phrases.
Le développement de ces nouvelles fonctions s’inscrit dans une démarche globale visant à intégrer dans le cockpit une IA maîtrisée et supervisée au service de l’équipage humain. Elles ont atteint un niveau de maturité qui les rend éligibles aux prochaines évolutions du Rafale.
« Maîtrisée et supervisée » : les 2 adjectifs reprennent l’intitulé du partenariat stratégique conclu entre l’avionneur et Thales en novembre 2025 au salon Adopt AI de Paris. Son objet : le « développement d’une IA maîtrisée et supervisée pour l’aéronautique de défense ». Le constructeur de Saint-Cloud venait d’y signer un protocole d’accord avec l’Agence ministérielle pour l’intelligence artificielle de défense, rappelle Zone Militaire. Cette AMIAD a été créée le 1er mai 2024, 2 mois après l’annonce, en mars 2024, de la stratégie IA du ministère des Armées.
Le Journal de l’Aviation relève que l’annonce paraît « sans indiquer quelles étaient les fonctions concernées ». Le même journal rappelle le périmètre annoncé lors du rapprochement avec cortAIx, en novembre 2025. Il couvrait notamment l’observation, l’analyse de situation, la prise de décision et la planification, jusqu’à la maîtrise de l’action, pour des aéronefs habités ou non.
Ce que veut dire « IA souveraine » sur un avion de combat
Le communiqué du 22 septembre 2026 parle d’IA souveraine sans définir l’adjectif. Dans la défense, il désigne une chaîne maîtrisée de bout en bout : données d’entraînement, code, poids du modèle, exécution à bord sans cloud étranger. Un composant soumis à l’ITAR américain donne à Washington un droit de regard sur la revente d’un appareil, un risque direct pour un avion qui se vend largement à l’export. Le même argument nourrit le débat sur la souveraineté numérique européenne.
En 2018, la DGA avait confié à Dassault Aviation et Thales un plan d’études amont baptisé « Man-Machine-Teaming », d’une durée de 3 ans : la source probable des algorithmes testés, selon Zone Militaire. Côté civil, Mistral AI suit la même logique : il a bâti avec Nvidia une infrastructure souveraine présentée à VivaTech 2025 puis attiré l’investissement annoncé d’ASML dans Mistral.
Chez Saab et à la DARPA, des vols décrits dans le détail
Le contraste vient de Suède. D’après le communiqué de Saab du 11 juin 2025, l’agent d’IA Centaur, conçu par l’allemand Helsing, a volé 3 fois sur un Gripen E entre le 28 mai et le 3 juin 2025. En combat au-delà de la portée visuelle face à un vrai Gripen D, l’avion a confié le contrôle à l’agent, qui a exécuté les manœuvres puis signalé au pilote le moment de tirer. Un pilote de sécurité pouvait reprendre la main à tout moment. Helsing revendique moins de 6 mois entre la conception de l’agent et ses premiers vols ; la société est aussi l’industriel pressenti pour le cloud de combat allemand. Aux États-Unis, la DARPA a annoncé en avril 2024 les premiers combats rapprochés d’un F-16 piloté par des algorithmes, le X-62A VISTA, contre un F-16 piloté par un humain, menés depuis 2023.
Les 3 contraintes nommées par l’avionneur
Le communiqué en détaille 3 : disponibilité et qualité des données ; capitalisation et synergie des expertises métier ; frugalité des ressources embarquées. Il les présente comme des « problématiques propres à l’aéronautique militaire ». Chacune a son équivalent direct dans un projet d’IA en entreprise.
| Contrainte citée dans le communiqué | Sur le Rafale | Dans un projet d’agents IA |
|---|---|---|
| Disponibilité et qualité des données opérationnelles (réelles ou simulées) | Données de vol et données de simulation | Logs de production, corpus RAG, cas synthétiques |
| Capitalisation et synergie des expertises métier | Un algorithme maison, un second avec Thales/cortAIx | Équipe data et responsables métier sur un même jeu de test |
| Frugalité des ressources sur une plate-forme embarquée | Calculateurs de bord dimensionnés à chaque standard | Edge, GPU partagés, coût par token |
Les données passent en premier. Un algorithme embarqué se corrige mal en vol : ce qu’il a appris au sol décide de son comportement en mission. La mention « réelles ou simulées » a une raison simple : certaines situations de combat se produisent trop rarement pour remplir un jeu d’entraînement, alors on les fabrique. Un agent de support client affronte le même trou avec ses cas rares, ceux qui ne figurent dans aucun ticket archivé.
La capitalisation des expertises relève de l’organisation. Les algorithmes suivent 2 modèles de développement, l’un interne, l’autre partagé avec un partenaire qui arrive avec ses outils et ses méthodes. Le communiqué parle de « synergie », ce qui suppose que les équipes s’accordent d’abord sur la définition du résultat attendu.
Reste la frugalité. Sur un avion de combat, chaque calculateur supplémentaire se paie en masse et en énergie ; la puissance disponible est fixée pour chaque standard, des années avant l’arrivée du modèle. Une quatrième contrainte reste implicite : la qualification. Un logiciel embarqué sur un avion militaire doit se tester et se reproduire à l’identique avant de voler, ce qui pousse vers des architectures dont les ingénieurs savent expliquer chaque sortie. Dans l’aviation civile, cette exigence porte un nom, la norme DO-178C de certification des logiciels embarqués ; les programmes militaires s’en inspirent largement.
De NAMIB au standard F5, le calendrier de l’IA de combat française
Le 12 janvier 2026, Dassault Aviation mène la levée de 200 millions de dollars de la start-up Harmattan AI et scelle avec elle un partenariat sur l’autonomie contrôlée. Le 13 juillet 2026, les 2 industriels annoncent que NAMIB, charge utile de guerre électronique issue de cet accord, a localisé depuis un drone un radar « à plusieurs dizaines de kilomètres » au profit d’un Rafale F4. Les 2 algorithmes annoncés en septembre relèvent d’autres branches : les bureaux d’études de l’avionneur pour le premier, le partenariat ouvert avec Thales en novembre 2025 pour le second.
Le Système de combat aérien du futur (SCAF), que la France mène avec l’Allemagne et l’Espagne, perd ses piliers un à un. Le 8 juin 2026, Paris et Berlin ont renoncé à y développer ensemble le chasseur de nouvelle génération, selon Zone Militaire. Le 28 juillet 2026, Safran a annoncé l’arrêt du moteur franco-allemand. Le cloud de combat est lui-même en question depuis que l’Allemagne a lancé seule un appel d’offres de 580 millions d’euros réservé à ses industriels.
La page consacrée au standard F5 indique la direction. « À l’horizon de la prochaine décennie », des « algorithmes d’intelligence artificielle toujours plus puissants » doivent assister le pilote « dans la gestion de la bulle de combat collaboratif ». Ce standard, que la France conduit seule, sera aussi optimisé pour opérer avec l’UCAS, le drone de combat dont le ministère des Armées a confié le développement à Dassault Aviation en octobre 2024. La DGA a notifié à l’été 2026 les premiers contrats du F5 à Dassault Aviation, MBDA, Safran et Thales, pour une qualification « à l’horizon 2033 ». Son annonce du 10 septembre 2026 précise que les capacités de calcul du radar RBE2-XG seront renforcées « pour augmenter l’intégration de l’intelligence artificielle ». Un pilote qui dirige un drone en plus de son propre avion reçoit un flux d’informations qui dépasse sa capacité de tri ; l’IA souveraine du Rafale trouve là son usage le plus probable. Le constructeur promet au Rafale F5 des capacités « au-delà de 2060 ».
Transposer la grille du Rafale à vos agents IA
La leçon utile tient dans 2 mots du communiqué, « maîtrisée et supervisée ». Il en découle 5 contrôles à passer avant de mettre en production un agent ou un workflow automatisé, qu’il tourne sur n8n ou sur des agents IA branchés en MCP.
- Mesurez la couverture de vos données avant leur volume. Listez les cas métier que l’agent doit traiter et vérifiez la part présente dans vos logs ou dans le corpus RAG. Les trous se comblent avec des cas synthétiques, comme l’avionneur complète ses données réelles par la simulation.
- Réunissez l’équipe data et les responsables métier autour d’un livrable unique avant la première inférence : un jeu de test partagé, avec des réponses attendues validées des 2 côtés.
- Fixez un budget de frugalité dès la conception, avec une latence au 95e centile, un plafond de tokens par tâche, une taille maximale de context window et une empreinte mémoire si le modèle tourne en local. Mesurez-les à chaque itération. Quantifier les poids de 16 à 4 bits divise leur taille par 4 : un modèle de 7 milliards de paramètres passe d’environ 14 Go à 3,5 Go de mémoire. De son côté, la distillation d’un grand modèle vers un petit réduit le coût d’inférence.
- Gardez l’humain dans la boucle sur les décisions à fort enjeu. L’agent propose et un humain valide, avec une trace de chaque validation. Tout appel d’outil qui écrit passe par cette étape, du paiement à la mise à jour du CRM.
- Testez en conditions réelles après la simulation. Le vol d’essai a son équivalent logiciel avec le shadow mode, où l’agent tourne en parallèle du processus existant sur un périmètre borné. Comparez ses décisions à celles de l’équipe pendant 15 à 30 jours et fixez le critère de rollback avant d’élargir.
La date des vols et le standard qui embarquera les 2 algorithmes restent inconnus. Aucune échéance d’intégration n’a été publiée.
