#6. Avril 2026. Chroniques de la Recherche - Intelligence Artificielle — Par Christophe Deschamps

La prochaine Chronique de la Recherche #7 portera sur : Guerre cognitive, désinformation et influence

La convergence croissante entre l'intelligence artificielle (IA) et l'intelligence concurrentielle (IC) marque une transformation majeure dans la manière dont les organisations collectent, analysent et interprètent les informations stratégiques. Alors que les marchés mondiaux deviennent de plus en plus dynamiques et axés sur les données, il est essentiel, tant pour les chercheurs que pour les praticiens, de comprendre comment l'IA améliore les processus d'IC.
Cette étude propose une revue systématique de la littérature (RSL) selon la méthodologie PRISMA afin de synthétiser et d'évaluer de manière critique les recherches existantes sur l'intégration de l'IA dans l'IC.
S'appuyant sur des articles évalués par des pairs publiés entre 2000 et 2025, cette revue identifie quatre grands axes thématiques : L'acquisition et l'exploration de données assistées par l'IA, l'analyse prédictive et l'apprentissage automatique dans les prévisions de marché, le traitement du langage naturel dans l'analyse des sentiments et de la concurrence, ainsi que les défis éthiques, organisationnels et interprétatifs liés à l'intelligence guidée par l'IA.

Les résultats montrent que, si l'IA améliore la précision, la rapidité et la profondeur de l'analyse du renseignement, la littérature reste fragmentée entre les disciplines, avec une validation empirique et une cohérence théorique limitées. Il convient de noter que peu d'études traitent de l'interface homme-IA, de la gouvernance des données et de l'applicabilité contextuelle dans les économies émergentes. Cet article présente un cadre conceptuel intégratif qui relie les capacités de l'IA au cycle du renseignement concurrentiel, en mettant en évidence des pistes de recherche futures, notamment la gouvernance éthique de l'IA, les modèles d'intelligence explicables et les applications dans les petites et moyennes entreprises (PME). Cette synthèse souligne que l'IA ne remplace pas l'intelligence humaine, mais qu'elle la renforce, transformant le renseignement concurrentiel en une fonction plus anticipative, adaptative et stratégique.

Type : Article de journal
Vol. 15 No. 2 (2026): The Indonesian Journal of Computer Science
Date : 26/03/2026

Lien vers la source

L’article analyse comment l’essor de l’intelligence artificielle déstabilise l’écosystème informationnel et accroît les risques d’escalade nucléaire. En facilitant la production massive de contenus trompeurs et en saturant les décideurs de signaux contradictoires, l’IA fragilise la capacité d’interprétation dans les crises. Cette vulnérabilité peut amplifier les erreurs de perception, accélérer les réactions et perturber les mécanismes de dissuasion, rendant plus probable une escalade involontaire dans des contextes géopolitiques tendus.

Auteur(s) : Herbert Lin
Type : Article de revue Date : 2026-03-04
Publication : Bulletin of the Atomic Scientists Volume : 82, n° 2

Lien vers la source

L'intelligence artificielle transforme l'analyse du renseignement en permettant le traitement rapide de jeux de données massifs, en augmentant les capacités des analystes humains tout en soulevant des questions cruciales sur la fiabilité, la gouvernance et la supervision éthique.

Auteur(s) : Prof Frederic Lemieux
Type : Rapport Date : 2026-03

Le rapport analyse la manière dont les technologies émergentes bouleversent le paysage du terrorisme contemporain en modifiant à la fois les capacités des groupes violents et la nature des menaces auxquelles les États doivent répondre. L’essor de l’intelligence artificielle, des systèmes autonomes, de la robotique avancée, des drones, de la biotechnologie et des outils de cyberattaque crée un environnement où les acteurs terroristes peuvent accéder plus facilement à des moyens autrefois réservés aux puissances étatiques. Ces technologies renforcent la portée, la précision et la furtivité des opérations, tout en facilitant la diffusion de propagande, la manipulation de l’information et la coordination clandestine.

Auteur(s) : Mitat Çeli̇kpala
Type : Rapport TMMM

Lien vers la source

L'analyse du renseignement joue un rôle central dans le processus décisionnel au sein des sphères gouvernementale, militaire, entrepreneuriale et sociétale, car elle permet aux décideurs d'interpréter de vastes quantités de données brutes, de les transformer en informations exploitables et de réduire l'incertitude dans des contextes où l'ambiguïté et les informations incomplètes sont souvent de mise. Fondamentalement, l'analyse du renseignement est le processus systématique consistant à collecter, évaluer et synthétiser des informations provenant de multiples sources — allant des données ouvertes et du renseignement humain au renseignement d'origine électromagnétique et aux données cybernétiques — pour aboutir à des évaluations cohérentes qui étayent un jugement éclairé.
À une époque caractérisée par la surabondance d'informations, les progrès technologiques rapides et des défis mondiaux de plus en plus complexes, la capacité à extraire du sens des données n'est pas seulement un exercice technique, mais une nécessité stratégique. Les décideurs sont confrontés à des contextes marqués par des risques, des menaces et des opportunités qui évoluent de manière dynamique, et sans les orientations structurées fournies par l'analyse du renseignement, les choix risquent d'être fondés sur l'intuition, des connaissances incomplètes ou des informations erronées.

Auteur(s) : P. Selvakumar; B. Venugopal; B. V. Ranjini; Subramanian Udayakumar; S. T. Naidu; Pamarthi Satyanarayana
Type : Chapitre de livre Date : 2026
Publication : Navigating Public Security in the Age of Post-Truth: Challenges and Implications Pages : 85-112

Lien vers la source

Cet article recadre le potentiel de l'IA générative dans l'analyse qualitative, passant d'une focalisation sur l'efficacité et l'automatisation vers les opportunités d'approfondissement de l'analyse et de renforcement des engagements fondamentaux de la recherche qualitative. Nous introduisons le concept d'« analyse avec IA dans la boucle » (AI-in-the-loop analysis) pour décrire l'incorporation intentionnelle de capacités computationnelles dans des processus analytiques qui restent ancrés dans la construction de sens humaine, l'interprétation et le jugement réflexif. Partant des engagements fondamentaux de la recherche qualitative — tels que l'attention soutenue aux données fines en relation avec leur contexte plus large et l'engagement intentionnel des positionnalités pour soutenir l'observation et l'interprétation — nous examinons comment les propriétés des grands modèles de langage (LLM) peuvent être mobilisées pour prolonger ces pratiques.
Nous nous concentrons sur les affordances offertes par le pré-entraînement à grande échelle de l'IA, ses représentations sémantiques riches, ses mécanismes d'attention, ses capacités de contexte long et le prompting interactif, et décrivons comment un engagement réfléchi avec ces capacités peut aider les chercheurs à maintenir une attention étroite aux détails des données à travers de multiples itérations. Plutôt que de remplacer le travail interprétatif humain, l'IA générative peut être utilisée pour augmenter la capacité des chercheurs à observer, questionner et synthétiser à travers de vastes et complexes ensembles de données qualitatives. Utilisée de manière critique et transparente, l'analyse avec IA dans la boucle offre la possibilité d'élargir le répertoire méthodologique des chercheurs qualitatifs.

Auteur(s) : Alyssa Friend Wise; Melissa Gresalfi; Jesse Spencer-Smith
Type : Article de revue Date : 2026-01-19
Publication : International Journal of Qualitative Methods Volume : 25

Lien vers la source