Le Pentagone veut entraîner l'IA sur des données classifiées, les nouveaux réacteurs bousculent la gestion des déchets

Le Pentagone discute d'une nouvelle étape dans l'usage militaire de l'IA générative : les entreprises pourraient être autorisées à entraîner des versions spécifiques de leurs modèles sur des données classifiées, au sein d'environnements sécurisés. Dans le même temps, une autre filière technologique, celle des nouveaux réacteurs nucléaires, passe elle aussi de la théorie à la pratique. Mais avec la promesse d'une énergie bon marché et décarbonée arrivent de nouvelles questions sur la gestion des déchets.

Des modèles classifiés pour l'armée

Selon MIT Technology Review, le département de la Défense des États-Unis veut créer des environnements sécurisés où les développeurs d'IA pourront affiner (fine-tuning) des versions militaires de leurs modèles sur des données classifiées. Il ne s'agit pas simplement d'accéder à un modèle au sein d'un réseau classifié, mais d'un ajustement plus profond aux missions militaires réelles, de l'analyse du renseignement à l'aide à la planification des opérations. La logique est claire : un modèle entraîné sur des documents absents de l'internet public peut mieux saisir le contexte, la terminologie et les scénarios avec lesquels travaillent les militaires.

Ce dispositif tranche nettement avec la situation actuelle. Les grands modèles servent déjà dans des environnements fermés pour répondre à des questions et analyser des documents, mais leurs poids ne sont généralement pas entraînés sur le corpus classifié. Dans la nouvelle configuration, le Pentagone veut héberger des copies des modèles dans des data centers certifiés pour le secret défense, tout en conservant la propriété des données. Dans de rares cas, des employés des entreprises d'IA pourraient obtenir une habilitation, si l'ajustement ou la vérification du système est impossible sans elle.

Où se situent les risques

Le principal risque : l'information classifiée peut devenir partie intégrante du modèle lui-même, au lieu de rester à côté, dans une base de données ou un index de recherche. Cela complique l'audit, le cloisonnement des accès et le contrôle des conclusions que le modèle est capable de fournir à un utilisateur selon son niveau d'habilitation.

Autre question : qui contrôle les règles d'utilisation. Après les accords du Pentagone avec OpenAI et xAI, il est apparu clairement que l'armée ne veut pas d'un pilote expérimental, mais d'une véritable infrastructure dédiée aux missions de combat et d'analyse.

«

Nous ne laisserons aucune entreprise dicter les conditions dans lesquelles nous prenons nos décisions opérationnelles », a déclaré le Pentagone.

Le différend avec Anthropic a montré que le conflit ne porte pas seulement sur la technologie, mais aussi sur les limites de l'acceptable. L'entreprise s'est publiquement opposée aux scénarios de surveillance de masse et d'armes entièrement autonomes, tandis que le Pentagone exige l'accès le plus large possible aux modèles à des fins militaires légales. Les contrats de défense avec les laboratoires d'IA deviennent ainsi une nouvelle forme de négociation : l'État veut des modèles puissants sans restrictions superflues, et les développeurs tentent de ne pas perdre le contrôle sur la manière dont ils sont utilisés.

• Des réponses plus précises sur des données militaires fermées
• Des exigences accrues en matière d'isolation, de journalisation et d'audit des modèles
• Des versions militaires distinctes des réseaux neuronaux, adaptées aux besoins de l'armée
• Une pression politique et éthique accrue sur les entreprises d'IA

Les réacteurs changent les règles

En parallèle, MIT Technology Review s'intéresse à un autre sujet d'infrastructure : la nouvelle génération de réacteurs nucléaires. La plupart des centrales en service reposent encore sur un modèle familier : une grande installation, un refroidissement à l'eau, de l'uranium faiblement enrichi et un stockage centralisé du combustible usé.

Les nouveaux projets promettent de rompre avec ce standard. Sont en développement des petits réacteurs modulaires (SMR), des microréacteurs et des installations utilisant d'autres caloporteurs et configurations de combustible. Ils doivent se construire plus vite, fonctionner avec plus de souplesse et mieux s'intégrer au réseau électrique de l'ère des data centers.

Le problème : avec la nouvelle architecture des réacteurs, le profil des déchets change aussi. Les méthodes de base (piscines d'entreposage, stockage à sec en conteneurs, isolement ultérieur) ne disparaissent pas, mais il n'existe pas de scénario universel pour toutes les nouvelles installations. Différents types de combustible et de refroidissement produisent des matériaux différents, avec des exigences propres en matière de conditionnement et de logistique.

La situation est particulièrement délicate pour les petits réacteurs : s'ils sont déployés sur de nombreux sites, stocker les déchets sur chacun d'eux sera peu pratique et coûteux. Certaines entreprises envisagent donc déjà un modèle centralisé : renvoyer les microréacteurs et leurs matériaux usés vers un site unique, par exemple le site de fabrication ou un centre de stockage spécialisé.

Selon les experts, la filière n'aura pas à réécrire de zéro tout le système de gestion des déchets nucléaires, mais elle devra l'adapter. Pour l'instant, de nombreuses conclusions reposent sur des modèles et des calculs ; la situation réelle ne deviendra plus claire qu'après la mise en service d'installations commerciales.

Ce que cela signifie

Les deux affaires racontent la même chose : les technologies clés de 2026 ressemblent de moins en moins à des outils grand public universels, et de plus en plus à des infrastructures stratégiques. L'IA s'installe dans des environnements militaires classifiés, tandis que l'énergie cherche de nouveaux réacteurs pour répondre à la demande croissante de l'industrie et des data centers d'IA.

Pour le marché, une conclusion s'impose : les gagnants ne seront pas seulement les concepteurs de modèles et de réacteurs, mais aussi ceux qui sauront les intégrer en toute sécurité dans des systèmes réels.