Aller au contenu
Cardan-AI
Retour aux actualités
Aérospatiale & Défense15 septembre 2026

Terres rares et capacité de forge : les goulots physiques derrière la montée en puissance de l'IA de défense

La mise à jour mi-2026 de Deloitte déplace le débat sur l'IA de défense de la performance des modèles vers le déploiement physique : minerais critiques et capacité de forge/moulage contrainte, pas les algorithmes, sont désormais la contrainte qui bloque — avec la fabrication additive pilotée par IA comme principale parade du secteur.

La mise à jour de septembre de Deloitte à ses perspectives 2026 pour l'aérospatiale et la défense repositionne l'endroit où se situe réellement le goulot d'étranglement de l'IA dans la défense. Alors que le secteur passe de l'expérimentation à une posture explicitement « IA d'abord », le rapport soutient que la contrainte déterminante n'est plus la capacité des modèles mais le « déploiement de confiance » — et deux des intrants physiques de ce déploiement sont désormais visiblement sous tension.

Le premier est celui des matériaux : les minerais critiques et terres rares utilisés dans les avions avancés, les munitions, les systèmes navals, les satellites et les communications sécurisées restent concentrés dans des chaînes d'approvisionnement contrôlées par l'étranger, ce que Deloitte qualifie directement de vulnérabilité de sécurité nationale plutôt que de simple enjeu d'approvisionnement.

Le second concerne la capacité de fabrication elle-même : la capacité de forge et de moulage pour les pièces critiques à long délai de production est contrainte, poussant les industriels vers la fabrication additive — une production numérique optimisée par IA — comme outil de résilience pour compléter une offre qui ne peut sinon pas monter en cadence rapidement.

Cette combinaison compte pour la lecture du secteur à l'approche de la planification 2027 : une stratégie de défense « IA d'abord » n'est jamais plus rapide que son intrant physique le plus lent, et cet intrant se situe aujourd'hui en amont de tout modèle. L'analyse complémentaire de Cardan-AI applique un cadre de dépendance commerciale de 1945, actualisé pour les chaînes d'approvisionnement en réseau d'aujourd'hui, pour expliquer pourquoi cette vulnérabilité est structurelle plutôt que temporaire.

Analyse publiée par

Cardan-AI Intelligence

Notre cellule de recherche et d'analyse, dédiée à l'IA appliquée à l'entreprise, à l'industrie et à la conformité réglementaire.

Parlons de votre prochaine longueur d'avance

Trente minutes pour identifier, dans vos opérations, les deux ou trois cas d'usage qui se financent d'eux-mêmes la première année.