Les crises économiques, sanitaires, sociales, les conflits armés, les pandémies, les catastrophes naturelles mettent souvent en lumière le manque de préparation et d’anticipation des communautés humaines qui doivent faire face à des chocs aussi violents qu’imprévus.
La recherche de plus de résilience (plus de capacités à absorber des perturbations) pour les systèmes et les sociétés impactées devient prioritaire une fois passé le pic de la crise. Si la technologie dans son ensemble peut apporter des réponses sectorisées et contribuer au développement de la résilience, la robotique et l’intelligence artificielle (IA) fournissent des solutions clé en main qui éloignent l’homme du risque par la détection précoce des menaces. Leur déploiement permet de sauver des vies.
Des exemples pour lesquels la robotique et l’IA auraient sauvé des vies
En se replaçant au début des années 2000, l’analyse rétrospective nous fournit de nombreux exemples de catastrophes pour lesquelles l’usage de la robotique de 2020 (mini drones terrestres et aériens) et les techniques d’apprentissage automatique actuelles, auraient permis de sauver de nombreuses vies.
Le premier exemple rétrospectif est celui des attentats du 11 septembre 2001 qui ont fait 2977 morts sur le sol américain avec le détournement de quatre avions de ligne par des terroristes armés de couteaux. On sait aujourd’hui qu’un système embarqué de reprise de contrôle de trajectoire après alerte sur l’altitude et sur les modifications anormales du plan de vol, aurait été potentiellement très utile.
Ce système construit autour d’un superviseur embarquant des composantes d’apprentissage automatique détectant une situation critique de niveau maximal aurait permis le blocage de toutes les fonctionnalités de pilotage à partir de la cabine et la reprise de contrôle totale de l’avion depuis un poste de commandement extérieur.
Autre option envisageable aujourd’hui : un système embarqué aurait engagé, de manière autonome, un atterrissage forcé sur l’aéroport le plus proche en désactivant les commandes de vol du poste de pilotage.
Le second exemple rétrospectif concerne l’engagement des forces françaises les 18 et 19 août 2008, lors de l’embuscade d’Uzbin (Afghanistan) qui a coûté la vie à 10 soldats français et fait plus de 20 blessés. Un groupe composé de 140 insurgés talibans lourdement armés avait pris position sur les crêtes escarpées surplombant un col que la patrouille française devait traverser. À son passage, les insurgés ont ouvert le feu sur les soldats français avec des lance-roquettes RPG-7 et des fusils de sniper.
Particulièrement violents, les combats rapprochés ont duré plusieurs heures et ont surpris les forces de la coalition. Douze ans plus tard, le bilan humain de cette embuscade reste gravé dans la mémoire de l’armée française comme un évènement particulièrement douloureux. Aurait-il pu être évité à l’époque en déployant un drone de surveillance couvrant préalablement le parcours de la patrouille ? Cette question doit être replacée dans le contexte des opérations en 2008 et des technologies disponibles à cette époque. Aujourd’hui, on imagine qu’une patrouille identique aurait lancé quatre mini drones de type quadcopter dotés de caméras thermiques avant le passage du col et aurait rapidement détecté la présence des 140 insurgés postés en position de combat sur les crêtes.
Ces mini drones « grand public » de marques américaines ou chinoises sont équipés de caméras large spectre à très haute performance. Ils coûtent aujourd’hui moins de 3000 dollars et sont capables d’effectuer des vols longue durée stabilisés à plus de 2000 mètres d’altitude avec des fonctions avancées de tracking autonome d’objets en mouvement ou de retour automatique au lieu de lancement.
Durant les vingt dernières années, il est facile de trouver de nombreux cas de catastrophes industrielles, d’accidents, d’effondrements de ponts, d’incendies de bâtiments qui auraient pu être précocement détectés par des systèmes « intelligents » disponibles en 2020, capables d’envoyer des alertes après une analyse data-centrée des évènements avant-coureurs du sinistre. Cette constatation s’applique de la même façon en 2020 pour les évènements qui surviendront dans les vingt prochaines années. Projetons-nous en 2040 et observerons ce que les technologies « 2040 » auraient apporté en matière de détection précoce des catastrophes survenues entre 2020 et 2030.
L’IA pour créer de la résilience et réduire les risques
La recherche de résilience passe, entre autres, par la réduction des délais de déploiement des technologies émergentes qui éloignent l’homme du risque. La robotique et l’apprentissage automatique peuvent relever le défi complexe d’apport de résilience en fournissant des systèmes autonomes de surveillance, d’analyse et de détection des évènements porteurs de risque.
Ainsi, dans le domaine de la cybersécurité, les solutions de supervision SIEM (Security Information and Event Management) UEBA (User and Entity Behavior Analytics) ont montré leur efficacité dans la détection de menaces avancées que les antivirus classiques sont incapables de détecter.
Ces solutions collectent l’ensemble des données et micro-évènements circulant sur le système d’information. Une phase initiale d’apprentissage automatique du fonctionnement statistiquement « normal » du système s’effectue grâce aux données d’apprentissage. Une fois le modèle de normalité appris (entrainé), la solution de SIEM UEBA est en mesure de croiser des dizaines de millions d’évènements, d’extraire des séquences caractéristiques de menaces probables et de produire des alertes de sécurité. Cette approche permet de détecter des attaques inédites souvent furtives et de gagner un temps précieux dans la réponse à apporter. L’UEBA est un vecteur de résilience en cybersécurité.
En généralisant l’approche UEBA à l’ensemble des infrastructures (transports, énergie, industries, télécommunication, défense) et à l’ensemble des secteurs d’activités civils et militaires, on met en place un quadrillage analytique qui apporte de l’information en contexte d’information incomplète. La généralisation UEBA est rendue possible aujourd’hui par l’afflux d’objets connectés, de capteurs performants produisant des données en temps réel, de capacités de calculs décentralisés et de capacités de transmissions radiofréquences. Les alertes produites apportent de l’information sur l’intégrité de l’infrastructure et réduisent la part l’aléatoire en créant de la résilience.
La pandémie de Covid-19 révèle avant tout notre manque de résilience
En pleine crise pandémique Covid-19, on ne compte plus les articles évoquant le « monde d’après », ce qu’il sera et ce qu’il ne sera pas. Ces articles mentionnent rarement le rôle de la technologie dans la résolution d’une crise.
Durement touchée, l’Europe fait face à un choc violent qu’elle n’a pas su anticiper. Si certains pays s’en sortent mieux que d’autres au sein de l’Union européenne, leurs gestions de crise respectives devront être questionnées à l’heure du retour d’expérience et comparées en attendant les futurs chocs sanitaires, environnementaux ou géopolitiques.
Les pays de la zone Asie, la Chine en tête, ont déployé très vite beaucoup de technologies et de mesures coercitives pour lutter contre le coronavirus. Des décisions rapides et radicales ont permis de freiner puis de casser les mécanismes de propagation. La Chine a mis seulement 14 jours pour dresser la carte génétique complète du virus en utilisant des techniques de data sciences et de Machine Learning.
En Corée du Sud et en Chine, des robots (drones aériens et terrestres) ont été déployés dans les zones urbaines pour contrôler le respect du confinement, pour l’approvisionnement des habitants, la distribution des traitements, la détection de la fièvre, du port du masque et de la distanciation sociale. Les adaptations de robots mules aux fonctionnalités de crise ont été réalisées en cycles d’innovation très courts. Les réglementations locales n’ont jamais freiné les technologies à déployer. Les chaînes de commandement ont fonctionné en mode haute fréquence.
Les pénuries observées en France sur les masques prouvent notre trop forte dépendance d’approvisionnement à la Chine. Là encore, l’IA et la robotique peuvent apporter de la résilience en déployant des unités de production mobiles robotisées activables en moins de 24 heures en cas de crise. Cette agilité industrielle est un marqueur fort de l’industrie 4.0 (Smart Manufacturing) qui devrait modifier profondément la façon de produire vite et bien. Des machines mobiles automatiques à très haut rendement de production de masques existent en Russie et en Chine.
Stocker préventivement (et avant traitement) les rouleaux de matière première à proximité des machines permet de réduire les délais d’activation de la ligne de production de masques et d’adapter les flux d’approvisionnement au plus près de la demande. Des solutions d’IA s’appuyant sur l’apprentissage par renforcement commencent à être utilisées en Chine pour optimiser la phase de déploiement de petites unités de production distribuées en fonction des besoins et de l’urgence.
Au-delà de la résilience, Nassim Nicolas Taleb a défini le concept plus puissant d’antifragilité d’un système qui se renforce sous l’effet de petits chocs.
Dans les 20 prochaines années, la robotique et l’IA seront les premiers vecteurs d’antifragilité pour nos sociétés impactées par des évènements aléatoires et violents.
Thierry Berthier, Maitre de conférences en mathématiques, cybersécurité et cyberdéfense, chaire de cyberdéfense Saint-Cyr, Université de Limoges
Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.
Photo de couverture Clay Banks on Unsplash
