Meta ouvre Llama aux acteurs de la sécurité nationale américaine

L’intelligence artificielle ne se déploie plus seulement dans les messageries, les moteurs de recherche ou les logiciels de bureau. Elle gagne aussi les infrastructures et les missions de l’État. Le 4 novembre 2024, Meta a franchi un cap en annonçant que son modèle de langage Llama pouvait désormais être utilisé par les agences gouvernementales américaines et leurs sous-traitants dans le cadre d’applications liées à la sécurité nationale.

Cette décision illustre une évolution majeure du secteur. Les grands groupes technologiques cherchent à fournir des outils capables de traiter de grands volumes de documents, d’assister des équipes techniques ou d’analyser des données, y compris dans des environnements sensibles. Mais elle fait aussi apparaître une tension difficile à résoudre : comment promouvoir un modèle largement accessible, tout en limitant ses usages les plus dangereux ?

Meta ouvre Llama aux agences et sous-traitants américains

Llama est une famille de modèles de langage génératif développée par Meta. Ces systèmes sont capables de produire, résumer, classer ou transformer du texte, mais aussi de contribuer à des tâches telles que l’assistance au code ou l’analyse documentaire. Meta présente Llama comme un modèle « open source ». Dans les faits, ses poids sont mis à disposition sous une licence propre à Meta, assortie de conditions d’utilisation : il ne s’agit donc pas d’un service entièrement libre de toute contrainte.

L’annonce du 4 novembre concerne les agences du gouvernement des États-Unis ainsi que les entreprises qui travaillent pour elles. Meta indique collaborer notamment avec Amazon, Microsoft et Lockheed Martin pour rendre Llama exploitable dans ce contexte. L’objectif est de permettre l’intégration du modèle dans des infrastructures et des logiciels utilisés pour des missions de sécurité nationale.

Le périmètre évoqué dépasse le simple déploiement d’un assistant conversationnel. Les usages cités concernent notamment l’amélioration de la logistique, le suivi de financements liés au terrorisme et le renforcement des capacités de cybersécurité. Dans ces situations, l’IA peut servir à repérer des tendances dans une masse de données, à synthétiser de longues informations ou à automatiser une première étape de traitement.

L’enjeu est aussi industriel. Les administrations ne déploient pas nécessairement un modèle tel quel. Elles s’appuient souvent sur des intégrateurs, des fournisseurs de cloud et des entreprises spécialisées qui adaptent l’outil aux contraintes de leurs systèmes, de leurs données et de leurs procédures de sécurité.

Une politique d’usage qui semble contradictoire, mais prévoit une exception

L’annonce de Meta soulève immédiatement une question : comment autoriser Llama pour des missions de sécurité nationale alors que la politique d’usage de Llama 3 interdit certains usages militaires ?

Le document de Meta pose en principe des restrictions nettes. Il interdit l’utilisation du modèle dans les domaines militaires, pour la guerre ou l’espionnage. Ces limites visent à empêcher que le modèle soit directement employé dans des opérations susceptibles de causer des dommages ou de soutenir des activités de renseignement offensif.

Toutefois, la même politique prévoit une exception pour le gouvernement américain et ses contractants lorsqu’ils utilisent Llama dans le cadre de la sécurité nationale américaine, sous réserve du respect des lois et réglementations applicables. C’est cette exception sur laquelle repose l’ouverture annoncée par Meta.

La frontière reste délicate à tracer. La cybersécurité peut par exemple servir à protéger des systèmes civils, administratifs ou militaires. La logistique peut concerner l’organisation de ressources dans de très nombreux contextes. Quant au suivi des financements terroristes, il relève à la fois des enjeux de renseignement, de lutte contre le crime et de sécurité internationale. Un même outil peut donc être présenté comme défensif tout en s’inscrivant dans l’écosystème plus large de la défense.

Des usages concrets, de la maintenance aéronautique au code informatique

Les exemples cités par Meta montrent que l’IA générative peut être intégrée à des tâches très différentes. Oracle travaille ainsi à la construction de documents de maintenance synthétiques destinés à faciliter le travail de techniciens de l’aviation. L’intérêt d’un tel système est de rendre une documentation volumineuse plus exploitable : un technicien peut avoir besoin d’identifier rapidement une procédure, de comparer des informations ou de retrouver les éléments pertinents d’un dossier technique.

Le qualificatif « synthétique » ne signifie pas que les documents doivent être considérés comme exacts par nature. Un modèle génératif peut produire une réponse plausible mais erronée, omettre une condition importante ou mal interpréter un contexte. Dans un domaine aussi critique que l’aviation, l’IA peut donc assister la recherche et la préparation d’informations, mais la vérification humaine et les procédures établies restent essentielles.

De son côté, Lockheed Martin utilise Llama pour générer du code et analyser des données importantes. La génération de code est devenue l’un des usages les plus répandus des modèles de langage. Elle peut aider à écrire des fonctions simples, expliquer un programme existant, proposer une correction ou accélérer la rédaction de tests. Mais elle comporte aussi des risques : un code généré automatiquement peut contenir des erreurs, des failles de sécurité ou des dépendances mal comprises.

L’analyse de données pose une question similaire. L’IA peut faire remonter des correspondances ou résumer des ensembles d’informations trop vastes pour être lus intégralement par une équipe. Elle ne remplace pas pour autant l’évaluation du contexte, la qualification des sources ni la responsabilité d’une décision humaine.

Pourquoi les modèles largement diffusés sont au cœur de la rivalité internationale

La décision de Meta intervient dans un contexte de compétition accrue entre les États-Unis et la Chine dans l’intelligence artificielle. Cette compétition concerne à la fois les modèles, les données, les puces informatiques, les centres de données et la capacité à faire adopter des outils par les entreprises comme par les administrations.

Un travail de recherche évoqué à cette période a montré que des chercheurs chinois avaient utilisé une version précédente de Llama pour développer un système d’IA destiné à l’armée chinoise. Meta a minimisé la portée de cet épisode, en soulignant qu’il reposait sur une version ancienne du modèle et qu’il ne remettait pas en cause les investissements considérables de la Chine dans l’IA.

Cet épisode met néanmoins en lumière une caractéristique centrale des modèles dont les poids sont largement accessibles. Lorsqu’un modèle peut être téléchargé, adapté et exécuté dans son propre environnement informatique, son créateur dispose de moins de leviers techniques pour suivre les usages ultérieurs. À l’inverse, un modèle proposé uniquement par un service distant permet généralement à son fournisseur de mieux contrôler les accès, même si ce contrôle n’est jamais parfait.

Meta défend une ligne claire : il serait, selon l’entreprise, dans l’intérêt des États-Unis et du monde démocratique que les modèles ouverts américains restent plus performants que ceux développés en Chine. Cette position associe l’ouverture technologique à un argument de souveraineté : diffuser des outils américains permettrait de favoriser un écosystème de développeurs, d’entreprises et d’institutions fondé sur des technologies occidentales.

Le secteur technologique se rapproche des contrats de défense

Meta n’est pas seul à voir ses technologies, ou celles de ses partenaires, entrer dans les administrations et les environnements liés à la défense. Le secteur connaît une multiplication des contrats de cloud, de traitement des données et de cybersécurité avec des organismes publics.

Le Commandement des États-Unis pour l’Afrique, connu sous le nom d’Africom, achète par exemple des services cloud à Microsoft, ce qui lui permet d’accéder à des outils d’OpenAI. De son côté, Google DeepMind dispose également d’un contrat de cloud computing avec le gouvernement israélien. Ces exemples ne recouvrent pas nécessairement les mêmes cas d’usage ni les mêmes responsabilités, mais ils témoignent d’une tendance : les grands fournisseurs d’infrastructure et d’IA deviennent des partenaires importants pour les institutions publiques.

Cette évolution soulève plusieurs enjeux. Le premier est la protection des données : une administration doit savoir quelles données peuvent être confiées à un modèle, où elles sont traitées et qui peut y accéder. Le deuxième est la fiabilité : plus la décision assistée par IA touche à un sujet sensible, plus il importe de pouvoir retracer les informations utilisées et de faire vérifier les résultats. Le troisième est démocratique : le public et les élus doivent pouvoir comprendre les règles qui encadrent ces partenariats, sans pour autant exposer des informations de sécurité légitimes.

L’AI Act européen rappelle que la régulation avance par étapes

Cette annonce américaine intervient aussi alors que le cadre réglementaire se renforce en Europe. L’AI Act, le règlement européen sur l’intelligence artificielle, est entré en vigueur le 1er août 2024. Son application s’échelonne dans le temps et organise des obligations graduées selon le niveau de risque des systèmes.

Pour une entreprise mondiale comme Meta, les exigences réglementaires ne peuvent pas être séparées de la stratégie produit. Les obligations de transparence, de gestion des risques et de documentation pèsent sur la manière dont les acteurs conçoivent, diffusent et encadrent leurs modèles. Les opérations de sécurité nationale américaines ne se confondent pas avec le marché européen, mais le débat européen nourrit une question universelle : quels garde-fous imposer lorsque des systèmes d’IA sont intégrés à des domaines critiques ?

La réponse ne se limite pas à une interdiction générale ou à une autorisation générale. Elle passe par des règles d’usage précises, des contrôles d’accès, la journalisation des actions, la formation des utilisateurs et des procédures de recours en cas d’erreur. Elle suppose aussi de définir clairement ce qu’une organisation entend par « sécurité nationale », une notion suffisamment large pour recouvrir des activités très différentes.

Ce qu’il faut surveiller après l’ouverture de Llama

La décision de Meta devra être évaluée à l’aune de sa mise en œuvre concrète. Il faudra d’abord observer quels usages seront effectivement déployés par les agences américaines et leurs sous-traitants : assistance documentaire, analyse de données, cybersécurité, logistique ou génération de code ne présentent pas le même niveau de risque.

Il sera également essentiel de suivre l’application de la politique d’usage de Llama. Une exception réservée aux autorités américaines peut clarifier le cadre contractuel pour les partenaires de Meta, mais elle renforce aussi les interrogations sur la cohérence entre les restrictions annoncées et les utilisations autorisées. La capacité à documenter les contrôles, à limiter les dérives et à attribuer les responsabilités sera déterminante.

Enfin, la rivalité entre modèles américains et chinois ne se résume pas à une course à la performance. Elle porte sur le modèle de diffusion de l’IA : outils hébergés et contrôlés par un fournisseur, ou modèles plus librement adaptables par des organisations tierces. En choisissant d’ouvrir Llama aux acteurs de la sécurité nationale américaine, Meta place cette question technique, commerciale et géopolitique au centre de sa stratégie.