Le Pentagone prépare l'entraînement de l'IA sur des données classifiées, tandis que les nouveaux réacteurs modifient l'approche des déchets

Le Pentagone discute d'une nouvelle étape de l'application militaire de l'IA générative : les entreprises pourraient être autorisées à entraîner des versions spéciales de modèles sur des données secrètes dans des réseaux protégés. Sur ce fond, une autre ligne technologique — les nouveaux réacteurs nucléaires — passe aussi de la théorie à la pratique, mais aux côtés de la promesse d'une énergie bon marché et décarbonée surgissent de nouvelles questions sur la gestion des déchets.

Modèles secrets pour l'armée

Selon MIT Technology Review, le Département américain de la Défense souhaite créer des environnements protégés où les développeurs d'IA pourraient affiner 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'une personnalisation plus profonde pour des tâches militaires réelles — de l'analyse du renseignement au soutien de la planification opérationnelle. La logique est claire : si un modèle s'entraîne sur des matériaux non disponibles sur l'internet ouvert, il peut mieux comprendre le contexte, la terminologie et les scénarios avec lesquels travaille l'armée.

Cette approche est notablement différente de ce qui se passe actuellement. Les grands modèles sont déjà utilisés dans des réseaux fermés pour répondre à des questions et analyser des documents, mais les poids du modèle ne sont généralement pas entraînés sur un ensemble de données classifiées. Dans la nouvelle configuration, le Pentagone souhaite placer des copies de modèles dans des centres de données certifiés pour les secrets d'État, en conservant la propriété des données. Dans de rares cas, les employés de sociétés d'IA peuvent obtenir une autorisation si la personnalisation ou la vérification du système est impossible sans cela.

Où émergent les risques

Le risque principal est que les informations classifiées pourraient faire partie du modèle lui-même, plutôt que de simplement résider dans une base de données ou un index de recherche. Cela complique l'audit, le contrôle d'accès et la vérification des conclusions que le modèle peut tirer pour les utilisateurs ayant différents niveaux d'autorisation. Une question séparée concerne le contrôle des règles d'utilisation. Après les accords du Pentagone avec OpenAI et xAI, il est devenu clair que l'armée souhaite non un projet pilote expérimental, mais une infrastructure complète pour les tâches de combat et d'analyse.

"Nous ne permettrons à aucune entreprise de dicter les conditions de la façon dont nous prenons les décisions opérationnelles", a déclaré le

Pentagone.

Le différend autour d'Anthropic a montré que le conflit ne porte pas seulement sur la technologie, mais sur les limites du permissible. L'entreprise s'était publiquement opposée aux scénarios impliquant la surveillance de masse et les armes entièrement autonomes, tandis que le Pentagone insiste sur l'accès le plus large possible aux modèles à des fins militaires légitimes. Cela transforme les contrats de défense avec les laboratoires d'IA en une nouvelle forme de négociation : le gouvernement a besoin de modèles puissants sans restrictions, tandis que les développeurs tentent de ne pas perdre le contrôle sur la manière dont ils sont utilisés.

• Réponses plus précises sur les données militaires classifiées
• Exigences croissantes en matière d'isolement, de journalisation et d'audit des modèles
• Versions militaires distinctes de réseaux neuronaux pour les tâches militaires
• Augmentation des pressions politiques et éthiques sur les entreprises d'IA

Les réacteurs changent les règles

Parallèlement, MIT Technology Review attire l'attention sur un autre sujet d'infrastructure — une nouvelle génération de réacteurs nucléaires. La plupart des centrales nucléaires en exploitation sont toujours construites selon un modèle familier : une grande installation, refroidissement par eau, uranium faiblement enrichi et stockage centralisé du combustible usé. Les nouveaux projets promettent de s'éloigner de cette norme.

En développement se trouvent des petits réacteurs modulaires, des microréacteurs et des installations avec des caloporteurs alternatifs et des configurations de combustible qui devraient être construits plus rapidement, fonctionner de manière plus flexible et mieux s'intégrer aux systèmes énergétiques de l'ère des centres de données. Le problème est que parallèlement à la nouvelle architecture des réacteurs, le profil des déchets change également.

Les méthodes de base — bassins de refroidissement, stockage à sec en conteneurs, isolation supplémentaire — ne disparaissent pas, mais il n'existe pas de scénario universel pour toutes les nouvelles installations. Différents types de combustible et de refroidissement produisent différents matériaux avec des exigences différentes en matière d'emballage et de logistique. C'est particulièrement difficile avec les petits réacteurs : s'ils doivent être situés à de nombreux endroits, stocker les déchets sur chaque site sera peu pratique et coûteux.

Par conséquent, certaines entreprises envisagent déjà un modèle centralisé : renvoyer les microréacteurs et leurs matériaux usés vers un seul centre, comme une installation de fabrication ou un site de stockage spécialisé. Les experts pensent que l'industrie n'aura pas besoin de réécrire tout le système de gestion des déchets nucléaires à partir de zéro, mais devra l'affiner. Pour l'instant, de nombreuses conclusions reposent sur des modèles et des calculs, et une image plus claire n'émergera qu'après le lancement d'installations commerciales.

Ce que cela signifie

Les deux histoires parlent de la même chose : les technologies clés de 2026 ressemblent de moins en moins à des outils de consommation universels et de plus en plus à une infrastructure stratégique. L'IA se déplace vers des réseaux militaires classifiés, et le secteur de l'énergie cherche de nouveaux réacteurs pour répondre à la demande croissante de l'industrie et des centres de données d'IA.

Pour le marché, cela signifie une chose : les gagnants ne seront pas seulement les créateurs de modèles et de réacteurs, mais aussi ceux qui savent comment les intégrer de manière sûre dans les systèmes réels.