Publié le 16 janvier 2026 à 09h08. Alors que les pays d’Asie du Sud-Est investissent massivement dans les technologies de surveillance maritime, le véritable défi réside désormais dans la capacité à traiter rapidement les données collectées et à les transformer en actions concrètes. L’intégration de l’intelligence artificielle (IA) est essentielle, mais nécessite une coordination institutionnelle et une gouvernance des données robustes.
- Le développement de la connaissance du domaine maritime (MDA) en Asie du Sud-Est progresse en termes de capteurs et de couverture.
- L’IA appliquée au MDA pourrait générer des gains opérationnels rapides dans des domaines clés tels que la lutte contre la pêche illégale, les opérations de recherche et de sauvetage, et la protection des infrastructures sous-marines.
- Combler le fossé entre la collecte de données et la prise de décision exige un travail continu sur l’alignement institutionnel, la gouvernance des données et les procédures opérationnelles.
Il y a vingt ans, les centres d’opérations maritimes (OPCEN) se contentaient de signaux AIS intermittents, de rapports de patrouille souvent tardifs et d’informations fragmentaires provenant de partenaires. La surveillance maritime s’arrêtait là où le signal radar s’affaiblissait, laissant de vastes zones mal surveillées. Aujourd’hui, ces mêmes centres sont confrontés à un déluge d’informations, grâce aux promesses des plateformes de connaissance du domaine maritime (MDA) basées sur l’IA, qui permettent une connaissance plus rapide et plus prédictive de l’environnement maritime.
La fusion des données radar et AIS, des images satellites et des analyses sophistiquées permettent aux opérateurs de concentrer leur attention sur les éléments les plus importants, plutôt que de passer au crible des milliers de contacts. Des outils d’aide à la décision peuvent signaler des tendances suspectes, comme des comportements anormaux, des incohérences dans l’identification des navires ou des déviations par rapport aux routes établies. Cet avantage réduit le temps nécessaire pour valider les informations et permet des réponses opérationnelles plus rapides dans les eaux territoriales et les mers adjacentes. Dans les régions où les écosystèmes MDA sont bien développés, l’intégration de l’IA a considérablement amélioré l’efficacité de la surveillance maritime.
En Asie du Sud-Est, cependant, l’analyse basée sur l’IA n’est pas encore pleinement intégrée aux opérations maritimes courantes. Les États de la région investissent judicieusement dans l’infrastructure de base du MDA – capteurs, plateformes et couverture élargie – mais la capacité à agir repose de plus en plus sur la rapidité de la prise de décision : la capacité à valider, coordonner et mettre en œuvre des réponses avant que les opportunités ne se referment. Si l’intégration de l’analyse est retardée, la région risque de réduire les lacunes en matière de couverture tout en creusant un fossé en matière d’analyse.
L’Asie du Sud-Est doit donc suivre une approche parallèle : poursuivre le développement de l’infrastructure tout en mettant en place la gouvernance des données, l’interopérabilité et les procédures opérationnelles nécessaires pour exploiter pleinement l’aide à la décision basée sur l’IA.
La capacité MDA peut être envisagée comme une chaîne de fonctions interconnectées. Elle commence par la couverture et la collecte de données, établissant une connaissance de base grâce à des capteurs, des plateformes et des réseaux de communication. Elle passe ensuite par la fusion et l’interopérabilité, déterminant si les données peuvent être corrélées avec un degré de confiance suffisant pour justifier une action. La troisième fonction concerne la rapidité du cycle de décision – la capacité des OPCEN maritimes à transformer les signaux en réponses opérationnelles rapides. La fonction finale est le maintien des capacités et des compétences, garantissant que les analyses restent fiables grâce à des flux de données actualisés, à une technologie à la pointe et à une expertise conservée. Les améliorations en matière de collecte de données sont souvent les plus faciles à réaliser, tandis que les autres fonctions dépendent fortement de l’alignement institutionnel et d’une pratique rigoureuse en matière de gestion des données.
Les efforts de modernisation régionaux reflètent cet accent sur la collecte de données. L’Indonésie développe un système national de sécurité maritime pour relier les centres de commandement et intégrer des données provenant de multiples capteurs. La Malaisie étend sa couverture radar dans le cadre de son système de surveillance maritime (SWASLA), notamment en Malaisie orientale et le long de la côte est de la péninsule malaisienne. La marine philippine devrait recevoir des systèmes radar côtiers grâce à l’aide à la sécurité du Japon. Le Vietnam continue de renforcer la collecte de données à bord des navires grâce à des systèmes obligatoires de surveillance des navires.
Cependant, la performance du MDA est de plus en plus déterminée par ce qui se passe au-delà de la simple collecte de données. Les contraintes sont souvent institutionnelles plutôt que technologiques : des mandats fragmentés entravent la coordination, une numérisation inégale mine la confiance dans les données et des préoccupations liées à la souveraineté freinent le partage d’informations. L’analyse basée sur l’IA peut aider en priorisant l’attention et en accélérant la corrélation, générant ainsi des pistes que les opérateurs peuvent valider dans le cadre des structures de commandement existantes.
Trois domaines opérationnels illustrent l’importance de cet équilibre : la pêche illégale, non déclarée et non réglementée (INN), les opérations de recherche et de sauvetage (SAR) et la protection des infrastructures sous-marines critiques (CUI).
Où l’IA peut générer des gains opérationnels à court terme
Pêche illégale, non déclarée et non réglementée
La pêche INN reste l’un des défis maritimes les plus persistants en Asie du Sud-Est. Les OPCEN doivent filtrer un trafic dense pour identifier un petit nombre de comportements suspects, souvent avec des signaux incomplets, une dissimulation délibérée ou des schémas qui ne deviennent suspects qu’avec le temps. Le MDA basé sur l’IA peut faciliter cette tâche en transformant des flux de données volumineux et fragmentés en signaux prioritaires, tels que la détection d’anomalies en surface, de schémas de rendez-vous suspects ou de comportements compatibles avec un transbordement illégal. Cette approche est déjà visible dans les plateformes d’analyse maritime qui combinent le suivi des navires avec une modélisation du comportement basée sur l’IA à grande échelle, comme Atlantes, développé par l’Allen Institute for AI, qui analyse le comportement des navires en temps quasi réel à l’aide de données GPS. La valeur opérationnelle pour l’Asie du Sud-Est ne réside pas dans le fait que l’IA « résout » la pêche INN, mais dans le fait qu’elle améliore la génération de pistes et réduit le délai entre la détection et l’affectation des ressources.
Recherche et sauvetage
Les opérations de SAR restent essentielles dans l’environnement maritime dense et complexe d’Asie du Sud-Est. Ici, la priorité est une détection rapide et une réduction de la zone de recherche dans des délais très courts. La détection assistée par l’IA peut aider à signaler les petits objets ou les signaux faibles qui sont difficiles à détecter de manière cohérente par des méthodes manuelles, en particulier la nuit ou dans des conditions encombrées. Des plateformes commerciales telles que SEA.AI démontrent comment la détection thermique et optique avec vision par ordinateur peut signaler la présence de petites embarcations ou de personnes à la mer qui pourraient ne pas être visibles au radar ou à l’AIS. Le projet Minerve de la Garde côtière américaine utilise de la même manière des drones équipés de vision par ordinateur et d’apprentissage automatique pour détecter des cibles de surface dans de vastes zones maritimes.
Infrastructure sous-marine critique
La protection des CUI – câbles sous-marins, pipelines et installations énergétiques offshore – est devenue une préoccupation stratégique, car ces actifs sont à la fois essentiels et difficiles à surveiller en permanence. Les risques se manifestent souvent d’abord par des signaux faibles : des comportements ambigus et difficiles à interpréter dans le cadre des seuils de réponse existants. La surveillance basée sur l’IA ajoute de la valeur grâce à la corrélation et à l’alerte précoce, en particulier lorsque les modèles de surface et les indicateurs sous-marins sont fusionnés en indices prioritaires pour l’enquête. En Europe, où la protection des infrastructures sous-marines est devenue une priorité politique, cela se traduit par des programmes visant à améliorer la surveillance et l’alerte précoce, comme le projet financé par l’UE VIGIMARE.
L’efficacité du MDA basé sur l’IA dépend d’arrangements qui vont au-delà des seuls OPCEN. L’accès et le partage des données entre les différentes parties prenantes sont essentiels, tout comme les réglementations et les procédures qui permettent ces échanges. Les agences auront également besoin de procédures définies pour les enquêtes et les escalades, précisant qui agit et comment la coordination est gérée entre les juridictions. Sans ces dispositions, les améliorations en matière de détection pourraient ne pas se traduire par des résultats concrets.
En matière de gouvernance de l’IA, l’Asie du Sud-Est ne part pas de zéro. Au niveau régional, le Guide de l’ASEAN sur la gouvernance et l’éthique de l’IA, ainsi que ses orientations élargies sur l’IA générative, fournissent un cadre commun sur les risques, la gouvernance et la responsabilité qui peut être adapté aux contextes de commandement maritime et interinstitutionnels. Des initiatives nationales telles que la feuille de route nationale sur l’intelligence artificielle de la Malaisie et la stratégie nationale pour l’intelligence artificielle de l’Indonésie considèrent également le développement de l’IA comme un défi de gouvernance plutôt que comme un simple défi technique.
La question centrale est de savoir si l’Asie du Sud-Est peut intégrer l’analyse basée sur l’IA dans les opérations maritimes courantes tout en continuant d’investir dans les capteurs et les plateformes. Les capacités MDA sont de plus en plus définies non pas par la quantité de données collectées, mais par la rapidité avec laquelle les informations peuvent être fusionnées, l’attention hiérarchisée et les signaux traduits en actions et en réponses rapides. Combler cet écart nécessitera une attention soutenue à l’alignement institutionnel, à la gouvernance des données et aux procédures opérationnelles – des domaines dans lesquels la technologie seule ne suffit pas, mais peut agir comme un catalyseur si elle est bien intégrée.
Éric Ang est doctorant au RSIS, technologue marin agréé (CMarTech) et chercheur auprès du Conseil de Yokosuka sur les études Asie-Pacifique. Chong De Xian est chercheur associé au programme de sécurité maritime de la S. Rajaratnam School of International Studies (RSIS).