Les Digital Twins sont faciles à démontrer. Pourquoi sont-ils si difficiles à intégrer dans les systèmes de mission ?

Article publié à l'origine dans National Defense Magazine, novembre 2026, pages 24–25. Contenu republié avec permission.

Par Trishna Lovley, Directrice et Responsable du Jumeau Numérique chez Booz Allen et Parker Wright, Directrice principale chez Unity Technologies.

Sur le terrain aujourd'hui, il y a des soldats et des opérateurs qui prennent des décisions qui ont déjà été prises des millions de fois auparavant. Bien que ces individus ne le réalisent peut-être pas, d'innombrables possibilités ont déjà été jouées, échouées, adaptées et améliorées — y compris les scénarios de mission les plus fous et les moins probables qui ne se réaliseront jamais.

En raison des avancées dans la technologie des jumeaux numériques, l'armée est en train de modifier profondément la définition de la « préparation ». Au lieu de déclarer qu'un soldat, un système, un processus ou un actif est prêt au combat après une série linéaire de tests dans le monde réel, de plus en plus de programmes de défense prouvent la préparation dans une boucle virtuelle, continue et infinie.

Les Digital Twins les plus efficaces sont comme des polices d'assurance, conçus pour réduire les risques de certaines des missions les plus critiques, faisant progresser les normes du Pentagone en matière d'ingénierie numérique et d'essais et d'évaluation (T&E). Mais malgré une valeur et une dynamique claires dans les programmes militaires, l'adoption de Digital Twins complets au niveau du système n'est pas encore généralisée. Si la technologie sous-jacente existe, pourquoi est-ce ?

Virtualisation Le premier de nombreux problèmes difficiles

Des répliques visuellement impressionnantes et très réalistes du monde réel sont évidemment un ingrédient clé pour les Digital Twins. Mais nous savons que ce n'est pas le goulot d'étranglement dans la modélisation, la simulation et l'entraînement militaires ; les programmes virtualisent déjà tout, des bases militaires aux pièces et éléments de plateformes de défense spécifiques. Le plus grand défi aujourd'hui est de construire des Digital Twins qui deviennent une infrastructure de mission précieuse.

Plongeons dans un vrai exemple. Dans le Midwest, il existe une installation d'entraînement militaire clé où les soldats ont mené des exercices de système depuis longtemps, et les entreprises de défense ont historiquement validé de nouveaux dispositifs. Récemment, nos équipes de Booz Allen et Unity ont virtualisé cet environnement, de sorte que les tests système peuvent désormais se dérouler rapidement et de manière répétable, avant d'engager des ressources physiques.

Dans cet environnement, les soldats et les partenaires industriels jouent des scénarios tels que :

• Comment les conditions météorologiques impactent la visualisation, de la pluie au brouillard en passant par la neige
• L'impact opérationnel du brouillage et de la météo sur les fréquences radio et les capteurs
• Commande et contrôle réalistes pour identifier les adversaires, les amis et les parties neutres

De l'analyse des fréquences radio et du Light Detection and Ranging (LiDAR) à la reconstruction visuelle, nous avons surmonté plusieurs défis techniques pour rendre la simulation 3D puis intégrer les modèles de mission pertinents. En cours de route, nous avons identifié quatre défis que chaque programme doit résoudre pour constituer une infrastructure de mission centrale de jumeau numérique, et voici comment nous abordons chacun d'eux.

1. Un vaste modèle de fondation avec des données synthétiques.

Il y a une limite à la quantité de données que l'on peut capturer dans le monde réel en un laps de temps donné pour informer un jumeau numérique riche et robuste. En pratique, la meilleure façon pour les opérateurs de mission de s'entraîner rapidement face à des possibilités sur un million est d'ingérer des données multimodales du monde physique et d'utiliser celles-ci pour générer des données synthétiques de haute qualité. Les données synthétiques permettent aux développeurs de combler les lacunes. En s'entraînant avec des données réelles et synthétiques, le développement de modèles virtuels peut se faire à une échelle massive, permettant au modèle de mélanger et de randomiser des variables pour refléter la nature non scénarisée de la réalité.

2. Simulation de l'environnement et du matériel exacts.

Nous savons que les Digital Twins ne peuvent pas correspondre à la réalité, un pour un. Mais lorsque le monde virtuel s'écarte trop de la mission cible, un jumeau numérique peut biaiser systématiquement les résultats. Par exemple, si les modèles sont trop simplifiés, si les adversaires sont prévisibles, si les contrôleurs et les écrans ne correspondent pas au matériel physique réel, l'écart simulation-réel peut introduire de fausses hypothèses.

Donc, lors de la construction d'environnements synthétiques, nous prenons en compte les biais. En fin de compte, les opérateurs n'ont pas besoin d'un jumeau numérique pour renforcer les croyances existantes ou les biais inhérents des concepteurs — ils en ont besoin spécifiquement pour les remettre en question.

3. Un flux continu et bidirectionnel de données en direct.

Les Digital Twins maintiennent la valeur pour la mission si les enseignements du terrain peuvent continuellement alimenter le système et affiner le modèle de base et la simulation au fil du temps. Le défi est de maintenir cette boucle de données en cours d'exécution, afin que les données en direct circulent vers le jumeau et que les apprentissages reviennent sans latence.

Maintenir cette boucle nécessite un pipeline de données conçu pour une synchronisation continue plutôt que pour des mises à jour périodiques. Nous voyons cela en pratique avec les Digital Twins de Booz Allen pour les événements en direct, où des décisions doivent être prises en fonction de la dynamique minute par minute. Ce pipeline de données analyse des entrées telles que la densité de la foule, les flux vidéo et les données des capteurs pour repérer des schémas et signaler des problèmes au fur et à mesure qu'ils apparaissent. Pour synchroniser entièrement les environnements physiques et numériques, nous le concevons de manière à ce que des informations quasi-temps réel puissent circuler dans un cycle virtuel continu.

4. Intégration profonde tout au long du cycle de vie de la mission.

Un jumeau numérique doit présenter une image opérationnelle commune pour les décideurs. Il doit fournir le bon contexte, à la vitesse de la mission, sans créer de risques ou de surprises tout au long d'un cycle de mission très complexe. C'est plus difficile que ça en a l'air, car le jumeau doit se connecter aux personnes, aux processus et aux systèmes qui l'entourent, et pas seulement modéliser l'actif lui-même.

Considérez un ingénieur civil utilisant un jumeau numérique pour prendre des décisions de maintenance : il doit s'assurer que le jumeau fonctionne en tandem avec d'autres systèmes connexes ; les processus du personnel, les flux de travail et les transferts ; et les dépendances en aval qui peuvent impacter d'autres ensembles de missions. Cela nécessite une intégration étroite entre des systèmes autrement distincts, beaucoup de données non structurées et la mission physique au fur et à mesure qu'elle se déroule — le tout alimentant le jumeau numérique en temps quasi réel.

En fin de compte, les Digital Twins deviennent une infrastructure de mission centrale lorsqu'ils sont plus qu'une virtualisation ou un miroir à sens unique du monde réel. C'est pourquoi nous nous concentrons sur la création de systèmes cyberphysiques vivants qui aident les soldats et les opérateurs à prouver continuellement leur préparation, bien après le premier Deployment.