Sfetcu, Nicolae (2024) L’utilisation et l’application de l’intelligence artificielle dans le renseignement, MultiMedia Publishing, DOI: 10.13140/RG.2.2.36636.91525, https://www.telework.ro/fr/lutilisation-et-lapplication-de-lintelligence-artificielle-dans-le-renseignement/

Abstract

Artificial intelligence (AI) has become a transformative force in many fields, and its application in intelligence agencies is no exception. By improving data analysis, predictive modeling, and decision-making, AI enables these agencies to more effectively address complex security challenges. Key potential and actual uses of AI in intelligence agencies include automation of administrative and organizational processes, cybersecurity processes, and information analysis through AI-enhanced augmented intelligence.

Keywords : artificial intelligence, intelligence agencies, ethics, modeling, threats, analytics, prediction, counterintelligence, cybersecurity

Résumé

L’intelligence artificielle (IA) est devenue une force transformatrice dans de nombreux domaines, et son application dans les agences de renseignement ne fait pas exception. En améliorant l’analyse des données, la modélisation prédictive et la prise de décision, l’IA permet à ces agences de relever plus efficacement les défis complexes en matière de sécurité. Les principales utilisations potentielles et réelles de l’IA dans les agences de renseignement comprennent l’automatisation des processus administratifs et organisationnels, les processus de cybersécurité et l’analyse de l’information grâce à l’intelligence augmentée améliorée par l’IA.

Mots-clés : intelligence artificielle, renseignement, éthique, modélisation, menaces, analytique, prédiction, contre-espionnage, cybersécurité

L’utilisation et l’application de l’intelligence artificielle dans le renseignement

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Chercheur – Académie Roumaine – Comité Roumain pour l »Histoire et la Philosophie des Sciences et des Techniques (CRIFST), Division Histoire des Sciences (DIS), ORCID: https://orcid.org/0000-0002-0162-9973

Introduction

L’intelligence artificielle (IA) est devenue une force transformatrice dans de nombreux domaines, et son application dans les agences de renseignement ne fait pas exception. En améliorant l’analyse des données, la modélisation prédictive et la prise de décision, l’IA permet à ces agences de relever plus efficacement les défis complexes en matière de sécurité. Cependant, l’intégration de l’IA entraîne également des considérations éthiques, opérationnelles et techniques qui doivent être prises en compte pour maximiser ses avantages tout en minimisant les risques.

Les principales utilisations potentielles et réelles de l’IA dans les agences de renseignement comprennent l’automatisation des processus administratifs et organisationnels, les processus de cybersécurité et l’analyse de l’information grâce à « l’intelligence augmentée améliorée par l’IA » (Babuta, Oswald, et Janjeva 2023). Selon Weinbaum et Shanahan,

« Les futurs métiers du renseignement dépendront de l’accès aux données, de l’élaboration de la bonne architecture d’entreprise autour des données, du développement de capacités basées sur l’IA pour accélérer considérablement la compréhension contextuelle des données grâce à l’association homme-machine et machine-machine, et d’une expertise analytique croissante capable de nager et de naviguer dans d’énormes lacs de données. (Weinbaum et Shanahan 2018)

Voici quelques utilisations courantes de l’IA par les agences de renseignement :

Améliorer l’analyse des données et la reconnaissance des formes

L’une des applications les plus importantes de l’IA dans les agences de renseignement est sa capacité à traiter et à analyser de vastes quantités de données à des vitesses sans précédent. Les opérations de renseignement modernes s’appuient sur des informations provenant de sources diverses, notamment des images de surveillance, des médias sociaux, des communications et des images satellite. Les algorithmes d’IA excellent dans l’identification de modèles et de corrélations au sein de ces données, permettant aux agences de découvrir des menaces cachées ou des anomalies que les analystes humains pourraient négliger.

Par exemple, les modèles d’apprentissage automatique peuvent être formés pour détecter des transactions financières inhabituelles qui peuvent indiquer un blanchiment d’argent ou un financement d’activités illicites. De même, les outils de reconnaissance d’images basés sur l’IA peuvent analyser les images de drones ou les images satellites pour identifier les installations militaires, les caches d’armes ou d’autres cibles stratégiques. Ces capacités permettent non seulement de gagner du temps, mais aussi d’améliorer la précision des évaluations de renseignement.

Les systèmes d’IA peuvent collecter, nettoyer et traiter automatiquement de grandes quantités de données structurées et non structurées (« big data ») provenant de diverses sources, notamment des informations open source, des médias sociaux et des documents classifiés. Cette fonctionnalité permet aux analystes d’accéder rapidement et efficacement à un plus large éventail d’informations. Les algorithmes d’IA peuvent analyser de grandes quantités de données pour identifier des modèles et des tendances qui peuvent ne pas être apparents aux analystes humains. Cela peut aider à détecter des menaces potentielles ou des activités suspectes.

Web scraping : l’IA peut automatiser la collecte de données provenant de diverses sources sur Internet, notamment les médias sociaux, les articles de presse et les bases de données publiques.

Analyse de texte : le traitement du langage naturel (NLP) basé sur l’intelligence artificielle peut extraire des informations précieuses à partir de grandes quantités de données textuelles non structurées, permettant aux analystes d’identifier rapidement les tendances, les sentiments et les informations clés.

Les algorithmes d’IA peuvent être utilisés pour traiter et analyser de grandes quantités de données, notamment des informations open source, des images satellite et du contenu des réseaux sociaux.

Les techniques d’apprentissage automatique peuvent identifier des modèles, des anomalies et des menaces potentielles provenant de sources de données non structurées, permettant ainsi de détecter des comportements inhabituels ou des menaces potentielles. Ceci est particulièrement utile pour identifier les tendances émergentes et les menaces non conventionnelles.

Modélisation prédictive et évaluation des menaces

Les capacités prédictives de l’IA sont particulièrement précieuses dans le travail de renseignement. L’analyse prédictive utilise des données historiques pour prévoir les événements ou comportements futurs, ce qui peut être crucial pour prévenir les menaces de sécurité. Par exemple, les systèmes d’IA peuvent analyser les schémas passés d’activité terroriste pour prédire la probabilité de futures attaques dans des régions spécifiques. Cela permet aux agences de renseignement d’allouer les ressources plus efficacement et de prioriser les zones à haut risque.

En outre, les outils de traitement du langage naturel (TLN) peuvent surveiller et analyser le discours en ligne, identifier les tendances potentielles de radicalisation ou les signes avant-coureurs de campagnes de désinformation coordonnées. En anticipant les menaces émergentes, les modèles prédictifs basés sur l’IA aident les agences à maintenir une position proactive dans leurs opérations.

Simulations et modélisation : L’IA peut être utilisée pour créer des modèles et des simulations prédictifs afin de mieux comprendre les situations géopolitiques complexes, les conflits potentiels ou l’impact des changements politiques.

Analytique prédictive : Les modèles d’apprentissage automatique peuvent prévoir les menaces potentielles pour la sécurité et les développements géopolitiques sur la base de données historiques, d’événements actuels et de divers indicateurs. L’analytique prédictive aide les agences de renseignement à se préparer de manière proactive aux menaces potentielles.

L’IA peut contribuer à l’analytique prédictive en évaluant les données historiques pour prévoir les menaces et les tendances potentielles en matière de sécurité.
Les modèles d’apprentissage automatique peuvent aider à identifier les menaces et vulnérabilités émergentes.
Les modèles d’apprentissage automatique peuvent prédire des événements ou des tendances futurs sur la base de données historiques, aidant ainsi les agences de renseignement à anticiper les risques de sécurité potentiels.

Identification des menaces : L’IA peut analyser de vastes ensembles de données pour identifier des individus ou des entités d’intérêt et suivre leurs activités et associations au fil du temps.

Évaluation des menaces : Les systèmes d’IA peuvent aider à évaluer la crédibilité et la gravité des menaces et à prédire les activités terroristes potentielles en analysant diverses sources de données, y compris les communications en ligne.

L’IA peut aider à évaluer la crédibilité et la gravité des menaces en analysant un large éventail de sources de données et en identifiant des indicateurs communs de menaces potentielles.
Les algorithmes d’IA peuvent identifier des modèles et des anomalies dans les données, ce qui facilite la détection des menaces ou des tendances potentielles qui pourraient être négligées par les analystes humains.

Analyse augmentée : L’analyse augmentée par l’IA a été définie de diverses manières ; mais d’une manière générale, il s’agit de l’utilisation de l’IA pour « …améliorer l’intelligence humaine plutôt que de fonctionner indépendamment ou de la remplacer purement et simplement. Il est conçu pour y parvenir en améliorant la prise de décision humaine et, par extension, les actions prises en réponse à de meilleures décisions » (IEEE 2019). L’analyse de l’intelligence augmentée a été rendue possible grâce aux nouveaux développements de la technologie de l’IA, en particulier le développement de l’apprentissage automatique et de l’apprentissage profond ; lutte contre le terrorisme ; surveillance des droits de l’homme et utilisations humanitaires ; et la collecte d’informations de surveillance (Blanchard et Taddeo 2023).

Fusion de données : L’IA peut intégrer des données provenant de sources multiples, notamment le renseignement humain (HUMINT), le renseignement électromagnétique (SIGINT) et le renseignement open source (OSINT), pour fournir une image complète d’une situation.

Automatisation des tâches de routine

Les agences de renseignement sont souvent confrontées au défi de gérer des tâches répétitives et laborieuses, telles que le tri des communications interceptées ou la surveillance des flux de surveillance. L’automatisation basée sur l’IA réduit cette charge en gérant efficacement ces tâches, ce qui permet aux analystes humains de se concentrer sur la prise de décision à un niveau supérieur.

Par exemple, les chatbots IA peuvent être déployés pour filtrer et catégoriser de grandes quantités de communications interceptées en fonction de mots-clés ou du contexte. De même, les algorithmes d’analyse vidéo peuvent signaler une activité suspecte en temps réel, garantissant que les opérateurs humains ne sont alertés que lorsque cela est nécessaire. Ces gains d’efficacité améliorent non seulement la productivité, mais réduisent également le risque d’erreur humaine dans les situations critiques.

Traitement du langage naturel (NLP) : La technologie NLP permet aux agences de traiter et de comprendre automatiquement de grands volumes de données textuelles, notamment des rapports écrits, des publications sur les réseaux sociaux, des e-mails et bien plus encore. L’analyse des sentiments peut aider à évaluer l’opinion publique et les sentiments autour de divers sujets d’intérêt.

La NLP permet aux agences de traiter et de comprendre de grandes quantités de données textuelles, y compris les communications multilingues et cryptées.
L’analyse des sentiments peut aider à comprendre l’opinion publique et à identifier les risques, et peut être utilisée pour évaluer l’opinion du public sur les plateformes de médias sociaux et les organes d’information, en fournissant des informations sur l’opinion publique, les troubles potentiels ou le soutien du public à des questions ou à des acteurs particuliers.
Analyse comportementale : En surveillant le comportement des utilisateurs et du système, l’analyse des données peut identifier les activités suspectes, contribuant ainsi à prévenir les menaces internes.

Reconnaissance d’images, de visages et de vidéos : Des algorithmes avancés de vision par ordinateur permettent l’analyse d’images et de vidéos pour identifier des objets, des lieux et des individus. Ceci est crucial pour suivre et identifier les cibles d’intérêt. L’IA peut être utilisée pour analyser des images et des vidéos provenant de caméras de surveillance, de drones ou d’autres sources afin d’identifier des objets, des personnes ou des anomalies d’intérêt. Les technologies de reconnaissance faciale et de détection d’objets sont particulièrement pertinentes pour les efforts de sécurité et de lutte contre le terrorisme.

La vision par ordinateur basée sur l’IA peut analyser des images et des vidéos pour identifier des objets, des personnes et des emplacements, ce qui est précieux pour le suivi et la surveillance.
Les outils d’analyse d’images basés sur l’IA peuvent identifier des objets, des lieux et même des personnes sur des photos et des vidéos.
La technologie de reconnaissance faciale permet d’identifier les menaces potentielles ou les personnes d’intérêt.
Les services de renseignement utilisent des systèmes basés sur l’intelligence artificielle pour surveiller et suivre les activités des individus et des groupes d’intérêt.

Analyse vocale et audio :

L’IA peut transcrire et analyser la langue parlée, ce qui la rend utile pour surveiller les communications et les conversations dans différentes langues.
La technologie de reconnaissance vocale peut transcrire et analyser des enregistrements audios, aidant ainsi les agences de renseignement à surveiller et suivre les conversations et à identifier des locuteurs ou des dialectes spécifiques.

Analyse géospatiale : L’IA peut traiter des données géospatiales, telles que des images satellite et des données GPS, pour surveiller le mouvement des forces militaires, le développement des infrastructures et d’autres aspects géographiques d’intérêt.

Surveillance des médias sociaux :

L’IA peut passer au crible de grandes quantités de données sur les réseaux sociaux pour identifier les menaces émergentes, suivre les activités d’individus ou de groupes et surveiller les sentiments.

Contre-espionnage et cybersécurité

L’IA joue également un rôle essentiel dans les efforts de contre-espionnage et de cybersécurité. Avec la sophistication croissante des cybermenaces, les agences de renseignement s’appuient de plus en plus sur l’IA pour se défendre contre les attaques et protéger les informations sensibles. Les algorithmes d’IA peuvent détecter les anomalies dans le trafic réseau, identifier les signatures de logiciels malveillants et répondre aux intrusions informatiques en temps réel.

De plus, les adversaires utilisent souvent l’IA pour mener des opérations cybernétiques avancées, telles que la génération de deepfakes ou des campagnes de phishing automatisées. Les agences de renseignement doivent exploiter l’IA pour contrer ces menaces en développant des outils qui vérifient l’authenticité du contenu numérique et détectent les activités malveillantes avant qu’elles ne s’aggravent.

La cybersécurité est devenue un élément essentiel de notre monde numérique moderne. Avec l’intégration croissante de la technologie dans tous les aspects de nos vies, la sécurité de notre infrastructure numérique est d’une importance primordiale. L’IA est utilisée pour détecter et répondre aux cybermenaces, notamment en surveillant le trafic réseau à la recherche d’activités suspectes, en identifiant les vulnérabilités et en prédisant les cyberattaques potentielles. Il peut également être utilisé dans le cadre de cyber opérations offensives.

Les agences de renseignement utilisent l’IA pour améliorer la cybersécurité en détectant et en atténuant les cybermenaces.
Les systèmes de détection d’intrusion basés sur l’IA peuvent identifier les activités et vulnérabilités inhabituelles du réseau.
Le cyber espionnage est une menace omniprésente et évolutive qui pose des défis importants à la sécurité nationale, aux intérêts des entreprises et à la vie privée des individus.
Les menaces persistantes avancées (APT) sont une classe de cybermenaces qui posent un défi important aux organisations et aux nations du monde entier. Les APT sont connues pour leurs tactiques, techniques et procédures avancées, ainsi que pour leur capacité à s’infiltrer et à opérer de manière persistante sur les systèmes cibles pendant de longues périodes.

L’IA peut aider à identifier les personnes ayant des liens avec des groupes extrémistes ou à détecter la diffusion en ligne de contenus extrémistes.

Vulnérabilités de l’IoT

A mesure que l’Internet des objets (IoT) se développe, les vulnérabilités de ces appareils augmentent également, créant ainsi des opportunités pour les attaquants de compromettre les réseaux. L’hétérogénéité des appareils IoT se présente sous différentes formes et tailles, avec différents systèmes d’exploitation, micrologiciels et protocoles de communication. Cette diversité crée un paysage de sécurité complexe, rendant difficile la mise en œuvre de mesures de sécurité uniformes sur tous les appareils.

L’Internet des objets (IoT) comprend des appareils dotés de capteurs, d’une capacité de traitement, de logiciels et d’autres technologies qui se connectent et échangent des données avec d’autres appareils et systèmes via Internet ou d’autres réseaux de communication (Shafiq et al. 2022). Il existe plusieurs problèmes de confidentialité et de sécurité en raison de la croissance des technologies et des produits IoT, qui nécessitent des approches spécifiques de la part des gouvernements pour développer des normes, des lignes directrices et des cadres réglementaires internationaux et locaux (NYC 2021). En ce sens, l’Internet des objets militaire (IoMT) est une classe d’Internet des objets destinée aux opérations de combat et de guerre. Un réseau complexe d’entités interconnectées qui communiquent continuellement entre elles pour se coordonner, apprendre et interagir avec l’environnement physique afin d’effectuer un large éventail d’activités de manière plus efficace et plus informée (Cameron 2018). Les futures batailles militaires seront dominées par l’intelligence artificielle et la cyberguerre (Kott, Alberts, et Wang 2015). Dans l’IoMT, il est possible d’incorporer des objets inanimés et inoffensifs, tels que des plantes et des roches, dans le système en les équipant de capteurs qui les transformeront en points de collecte d’informations (Saxena 2017). Dans l’IoMT, il est possible d’incorporer des objets inanimés et inoffensifs, tels que des plantes et des roches, dans le système en les équipant de capteurs qui les transformeront en points de collecte d’informations (Mattern et Flörkemeier 2010). Dans l’IoMT, la communication entre les entités impliquées (Gudeman 2017), et la collaboration mutuelle entre les agents humains et les entités électroniques du réseau (Lawless et al. 2019), sont essentielles.

Défis éthiques et opérationnels

Malgré ses avantages, l’utilisation de l’IA dans les agences de renseignement soulève plusieurs défis éthiques et opérationnels. L’une des principales préoccupations est le potentiel de biais dans les algorithmes d’IA, qui peut conduire à des résultats discriminatoires ou à des faux positifs. Par exemple, un algorithme formé sur des ensembles de données biaisés pourrait cibler de manière disproportionnée des groupes ethniques ou sociaux spécifiques, sapant la confiance du public dans les opérations de renseignement.

Un autre défi est l’utilisation abusive potentielle de l’IA pour la surveillance de masse ou d’autres activités qui portent atteinte aux libertés civiles. Les agences de renseignement doivent trouver un équilibre entre l’exploitation de l’IA à des fins de sécurité et le respect du droit à la vie privée des individus. Des mécanismes de surveillance transparents et le respect des directives éthiques sont essentiels pour garantir que l’IA est utilisée de manière responsable.

Perspectives

À mesure que les technologies d’IA continuent d’évoluer, leurs applications dans les agences de renseignement sont susceptibles de se développer davantage. Des domaines émergents tels que l’informatique quantique, l’IA de pointe et l’IA explicable promettent d’améliorer la vitesse, l’évolutivité et l’interprétabilité des opérations de renseignement. En outre, une collaboration internationale sur les normes et les meilleures pratiques en matière d’IA pourrait contribuer à atténuer les risques d’utilisation abusive tout en favorisant l’innovation.

L’IA devrait être particulièrement utile dans le domaine du renseignement, en raison des vastes ensembles de données disponibles pour l’analyse (Congressional Research Service 2020). Le projet Maven intègre des algorithmes de vision par ordinateur et d’IA dans des cellules de collecte de renseignements pour identifier les activités hostiles (Corrigan 2017). La Central Intelligence Agency (CIA) compte env. 140 projets en développement utilisant l’IA (Tucker 2017). L’IARPA travaille sur des projets visant à développer des algorithmes pour reconnaître et traduire le discours multilingue dans des environnements bruyants, géolocaliser des images sans les métadonnées associées, fusionner des images 2D pour créer des modèles 3D et construire des outils pour déduire la fonction d’un bâtiment sur la base du modèle d’analyse de vie (IARPA 2023), et dans le domaine de la logistique militaire pour la maintenance prédictive des avions (Weisgerber 2017).

Pour lutter contre les technologies de deep fake, la DARPA a lancé le projet Media Forensics (MediFor), qui vise à « détecter automatiquement les manipulations, fournir des informations détaillées sur la manière dont ces manipulations ont été effectuées et raisonner sur l’intégrité globale des médias visuels pour faciliter les décisions concernant l’utilisation de toute image ou vidéo douteuse » (Corvey 2017), et SemaFor, qui tente de développer des algorithmes qui détecteront, attribueront et caractériseront automatiquement différents types de deep fakes (Congressional Research Service 2020).

L’IA peut également être utilisée pour créer des « modèles de vie numériques », dans lesquels « l’empreinte digitale » numérique d’un individu est combinée et corrélée avec l’historique d’achats, les rapports de solvabilité, les CV professionnels et les abonnements pour créer un profil comportemental complet (Watts 2021).

Le DoD a développé un concept de commandement et de contrôle conjoints dans tous les domaines (JADC2) (Hoehn 2020) pour créer une source unique d’informations, également connue sous le nom de « tableau opérationnel commun », pour les décideurs (Clark 2017). Le renseignement a développé des projets connexes, tels que le projet militaire Convergence et le Advanced Battle Management System de l’armée de l’air (Koester 2020), et le programme Mosaic Warfare de la DARPA, cherchant à utiliser l’IA (DARPA 2017).

Le DOD teste d’autres capacités d’IA pour permettre un comportement coopératif ou un essaim (action « en essaim » simultanée de nombreuses petites unités d’attaque) (Russon 2015).

Conclusion

L’IA a révolutionné les capacités des agences de renseignement, leur permettant de relever les défis de sécurité modernes avec plus d’efficacité et de précision. Cependant, son intégration doit s’accompagner d’une prise en compte attentive des facteurs éthiques, juridiques et opérationnels. En exploitant l’IA de manière responsable, les agences de renseignement peuvent améliorer leur capacité à protéger la sécurité nationale tout en préservant les valeurs démocratiques et les droits de l’homme.

Bibliographie

Babuta, Alexander, Marion Oswald, et Ardi Janjeva. 2023. « Artificial Intelligence and UK National Security: Policy Considerations ». 2 novembre 2023. https://rusi.orghttps://rusi.org.
Blanchard, Alexander, et Mariarosaria Taddeo. 2023. « The Ethics of Artificial Intelligence for Intelligence Analysis: A Review of the Key Challenges with Recommendations ». Digital Society 2 (1): 12. https://doi.org/10.1007/s44206-023-00036-4.
Cameron, Lori. 2018. « Internet of Things Meets the Military and Battlefield: Connecting Gear and Biometric Wearables for an IoMT and IoBT ». IEEE Computer Society. 1 mars 2018. https://www.computer.org/publications/tech-news/research/internet-of-military-battlefield-things-iomt-iobt/.
Clark, Colin. 2017. « “Rolling The Marble:” BG Saltzman On Air Force’s Multi-Domain C2 System ». Breaking Defense (blog). 8 août 2017. https://breakingdefense.sites.breakingmedia.com/2017/08/rolling-the-marble-bg-saltzman-on-air-forces-multi-domain-c2-system/.
Congressional Research Service. 2020. « Artificial Intelligence and National Security (R45178) ». 2020. https://crsreports.congress.gov/product/details?prodcode=R45178.
Corrigan, Jack. 2017. « Indian Strategic Studies: Three-Star General Wants AI in Every New Weapon System ». 2017. https://www.strategicstudyindia.com/2017/11/three-star-general-wants-ai-in-every.html.
Corvey, William. 2017. « Media Forensics ». 2017. https://www.darpa.mil/program/media-forensics.
DARPA. 2017. « Strategic Technology Office Outlines Vision for “Mosaic Warfare” ». 2017. https://www.darpa.mil/news-events/2017-08-04.
Gudeman, Kim. 2017. « Next-Generation Internet of Battle Things (IoBT) Aims to Help Keep Troops and Civilians Safe ». 2017. https://ece.illinois.edu/newsroom/news/3875.
Hoehn. 2020. « Defense Capabilities : Joint All Domain Command and Control / John R. Hoehn, Nishawn S. Smagh. – Vanderbilt University ». 2020. https://catalog.library.vanderbilt.edu/discovery/fulldisplay/alma991043717816903276/01VAN_INST:vanui.
IARPA. 2023. « Research Programs ». 2023. https://www.iarpa.gov/index.php/research-programs.
IEEE. 2019. « What Is Augmented Intelligence? – IEEE Digital Reality ». 2019. https://digitalreality.ieee.org/publications/what-is-augmented-intelligence.
Koester, Jay. 2020. « JADC2 ‘Experiment 2’ Provides Looking Glass into Future Experimentation ». Www.Army.Mil. 2020. https://www.army.mil/article/234900/jadc2_experiment_2_provides_looking_glass_into_future_experimentation.
Kott, Alexander, David S. Alberts, et Cliff Wang. 2015. « Will Cybersecurity Dictate the Outcome of Future Wars? » Computer 48 (12): 98‑101. https://doi.org/10.1109/MC.2015.359.
Lawless, William, Ranjeev Mittu, Donald Sofge, Ira SS Moskowitz, et Stephen Russell. 2019. « Connect the Dots on State-Sponsored Cyber Incidents – Compromise of the Czech Foreign Minister’s Computer ». Council on Foreign Relations. 2019. https://www.cfr.org/index.php/cyber-operations/compromise-czech-foreign-ministers-computer.
Mattern, Friedemann, et Christian Flörkemeier. 2010. « Vom Internet der Computer zum Internet der Dinge ». Informatik-Spektrum 33 (2): 107‑21. https://doi.org/10.1007/s00287-010-0417-7.
NYC. 2021. « NYC Office of Technology and Innovation – OTI ». 2021. https://www.nyc.gov/content/oti/pages/.
Russon, Mary-Ann. 2015. « Google Robot Army and Military Drone Swarms: UAVs May Replace People in the Theatre of War ». International Business Times UK. 16 avril 2015. https://www.ibtimes.co.uk/google-robot-army-military-drone-swarms-uavs-may-replace-people-theatre-war-1496615.
Saxena, Shalini. 2017. « Researchers Create Electronic Rose Complete with Wires and Supercapacitors ». Ars Technica. 1 mars 2017. https://arstechnica.com/science/2017/03/researchers-grow-electronic-rose-complete-with-wires-and-supercapacitors/.
Shafiq, Muhammad, Zhaoquan Gu, Omar Cheikhrouhou, Wajdi Alhakami, et Habib Hamam. 2022. « The Rise of “Internet of Things”: Review and Open Research Issues Related to Detection and Prevention of IoT-Based Security Attacks ». Wireless Communications and Mobile Computing 2022 (août):e8669348. https://doi.org/10.1155/2022/8669348.
Tucker, Patrick. 2017. « What the CIA’s Tech Director Wants from AI ». Defense One. 6 septembre 2017. https://www.defenseone.com/technology/2017/09/cia-technology-director-artificial-intelligence/140801/.
Watts, Clint. 2021. « Artificial Intelligence Is Transforming Social Media. Can American Democracy Survive? » Washington Post, 28 octobre 2021. https://www.washingtonpost.com/news/democracy-post/wp/2018/09/05/artificial-intelligence-is-transforming-social-media-can-american-democracy-survive/.
Weinbaum, Cortney, et John N.T. Shanahan. 2018. « Intelligence in a Data-Driven Age ». National Defense University Press. 2018. https://ndupress.ndu.edu/Media/News/News-Article-View/Article/1566262/intelligence-in-a-data-driven-age/https%3A%2F%2Fndupress.ndu.edu%2FMedia%2FNews%2FNews-Article-View%2FArticle%2F1566262%2Fintelligence-in-a-data-driven-age%2F.
Weisgerber, Marcus. 2017. « Defense Firms to Air Force: Want Your Planes’ Data? Pay Up ». Defense One. 19 septembre 2017. https://www.defenseone.com/technology/2017/09/military-planes-predictive-maintenance-technology/141133/.

Un article en libre accès distribué sous les termes de la Creative Commons Attribution License CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), qui permet une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l’œuvre originale est correctement citée.