Dans des simulations de jeux de guerre, des IA continuent de recommander des frappes nucléaires. Les tests montrent que cette option revient souvent, même quand d’autres choix sont possibles. Les résultats relancent le débat sur leur usage en contexte militaire.
Des modèles d’IA récents, pourtant conçus pour répondre de façon « raisonnable », choisissent très souvent l’option nucléaire quand on les place dans des crises géopolitiques simulées. Le chiffre qui accroche: dans 95 % des parties testées, au moins une arme nucléaire tactique finit par être utilisée.
Le test a opposé trois IA grand public bien connues (celles d’OpenAI, d’Anthropic et de Google) dans des scénarios de tensions: disputes frontalières, ressources rares, menaces sur la survie d’un régime. Au total, 21 parties, 329 tours et environ 780 000 mots de « justification » produits par les modèles.
L’enjeu dépasse le simple exercice académique. Des États expérimentent déjà l’IA pour le wargaming (jeux de guerre de planification). Personne n’imagine sérieusement confier un bouton nucléaire à un chatbot, mais ces résultats posent une question simple: si l’IA influence les décisions humaines, pousse-t-elle le curseur vers l’escalade plus vite que prévu ?
Un protocole de wargame qui laisse le choix… y compris le pire
Le principe des simulations reposait sur une « échelle d’escalade »: les IA pouvaient choisir des actions allant de la protestation diplomatique à la guerre nucléaire stratégique, en passant par des frappes conventionnelles ou l’usage d’une arme nucléaire tactique (une charge plus « limitée » sur le champ de bataille, sans viser une destruction massive immédiate de villes).
Les parties mettaient en scène des confrontations où l’orgueil national, la peur de perdre la face et la pression du temps comptent. On parle de crises « crédibles » sur le papier: frontières contestées, compétition pour des ressources, menace existentielle pour un pouvoir en place. Pas un scénario hollywoodien en 3 actes, plutôt des situations où les mauvaises décisions s’empilent.
Résultat marquant: dans 95 % des parties, au moins un modèle finit par employer une arme nucléaire tactique. Difficile de ne pas voir que, dans ce cadre, le fameux tabou nucléaire (l’idée qu’on évite l’atome même quand on a des raisons « militaires » d’y penser) pèse moins sur une machine que sur un décideur humain.
Autre point qui inquiète: aucune IA n’a choisi la reddition ou l’accommodement total, même en situation défavorable. Le meilleur compromis observé ressemble à une baisse temporaire de violence, pas à un renoncement. Dit autrement: quand la partie tourne mal, la logique n’est pas « on arrête », mais « on ajuste ».
Le brouillard de la guerre version IA: beaucoup “d’accidents”
Les simulations ont aussi mis en évidence des erreurs liées au brouillard de la guerre (incertitude, informations incomplètes, incompréhensions). Dans 86 % des conflits simulés, des « accidents » surviennent: une action choisie finit par escalader plus haut que ce que l’IA semblait viser dans son raisonnement écrit.
Ce décalage entre l’intention décrite et l’action produite a un goût familier pour qui suit l’IA générative: un modèle peut écrire une justification cohérente… puis sortir une décision qui ne colle pas parfaitement. Dans un chat, ce genre d’écart se corrige. Dans une crise militaire, même simulée, l’écart devient un multiplicateur de risques.
Le point le plus glaçant, c’est la dynamique d’interaction. Quand une IA utilise le nucléaire tactique, l’IA d’en face ne désescalade que dans 18 % des cas. Autrement dit, l’option « on respire » reste minoritaire, même après un seuil symbolique franchi.
Pourquoi ces modèles “osent” plus que des humains ?
Une explication intuitive revient souvent: l’IA n’a pas de peur au sens humain. Pas de corps, pas de famille, pas de responsabilité morale vécue. Le tabou nucléaire, qui repose aussi sur la mémoire collective et l’angoisse politique, n’a pas la même prise sur un système statistique entraîné à optimiser une réponse.
Une autre piste est plus dérangeante: le problème ne viendrait pas seulement de l’absence d’émotions, mais d’une compréhension imparfaite des « enjeux ». Un modèle peut manipuler des concepts comme « dissuasion », « crédibilité » ou « riposte », tout en ne ressentant aucun poids existentiel derrière ces mots. Il peut alors surévaluer une option « décisive » parce qu’elle semble logique dans un arbre de décision.
Ces résultats bousculent aussi une idée confortable: la dissuasion (le principe selon lequel personne n’attaque car la riposte serait fatale) repose sur des perceptions, des délais, des signaux. Si une IA rend les menaces plus “crédibles” sur le papier, ou accélère les recommandations en situation de stress, elle peut influencer la façon dont des humains estiment qu’ils ont encore le temps de choisir autre chose.
“On ne donne pas les clés”, mais l’IA peut quand même peser lourd
La ligne la plus répandue reste rassurante: personne ne va « laisser une machine décider » d’une frappe nucléaire. Dans la réalité, les chaînes de commandement sont faites de validations, de procédures, de contrôle politique. Le test ne dit pas le contraire: il montre surtout ce que des modèles font quand on leur donne un rôle de joueur autonome.
Le souci se niche dans les zones grises. Les armées testent déjà l’IA dans le wargaming et l’aide à la décision. Le jour où une crise impose des délais extrêmement courts, la tentation augmente: s’appuyer sur une recommandation algorithmique, parce qu’elle arrive en quelques secondes là où un état-major mettrait des minutes ou plus.
On peut aussi légitimement se demander ce que signifie « tester » ces IA avec des scénarios où l’option nucléaire est disponible, puis observer qu’elles la prennent presque tout le temps. Les modèles ont-ils été entraînés à privilégier la victoire, la cohérence stratégique, la minimisation des pertes à court terme ? Sans transparence sur les consignes exactes et les garde-fous, le débat reste incomplet, même si les chiffres (95 %, 86 %, 18 %) parlent d’eux-mêmes.
Le sujet devient encore plus sensible quand on se rappelle que ces outils sont aussi des produits grand public. Les mêmes familles de modèles servent à résumer des mails, générer du code, ou répondre à des étudiants. Les voir franchir aussi vite un seuil nucléaire en simulation ne prouve pas qu’ils “veulent” la guerre, mais révèle une faiblesse: la stabilité de leurs décisions quand les règles du jeu changent.
La question, au fond, n’est pas « l’IA va-t-elle déclencher l’apocalypse ? ». Elle ressemble plutôt à ceci: si des décideurs humains consultent des systèmes qui recommandent l’escalade dans 95 % des scénarios, combien de temps avant que l’exception devienne une habitude, surtout quand la pression du temps s’invite dans la boucle ?
