Après un séisme, une explosion ou un accident de grande ampleur, le premier problème n’est pas seulement de trouver les victimes. Il faut aussi déterminer rapidement qui doit être pris en charge en priorité, alors que les secours disposent de peu de temps, d’informations incomplètes et parfois d’un accès dangereux au terrain.
Des chercheurs de Carnegie Mellon University (CMU) développent une réponse ambitieuse : des groupes coordonnés de drones capables de fouiller une zone, de cartographier des passages et d’observer une même personne sous plusieurs angles. Des modèles d’intelligence artificielle analysent ensuite les images pour estimer certains signes vitaux à distance et transmettre aux équipes médicales des informations utiles au triage.
Présenté par l’université le 13 juillet 2026, le projet ne remplace ni les secouristes ni le diagnostic médical. Il cherche à leur donner plus vite une vue d’ensemble lorsque le nombre de victimes dépasse les moyens immédiatement disponibles. La nuance est importante : CMU parle d’une preuve de concept avancée, mais estime qu’un déploiement réel reste encore à plusieurs années.
Pourquoi un essaim peut faire mieux qu’un drone isolé
Dans l’imaginaire collectif, un drone de secours est surtout une caméra volante pilotée à distance. Un essaim de drones fonctionne autrement. Plusieurs appareils se répartissent une mission, échangent des informations et adaptent leur trajectoire pour couvrir une zone plus efficacement.
Cette organisation présente trois avantages. Le premier est la vitesse : plusieurs robots peuvent explorer simultanément des secteurs différents. Le deuxième est la complémentarité : un petit drone se glisse dans un espace étroit, tandis qu’un appareil plus grand emporte une caméra ou un capteur plus lourd. Le troisième est la redondance : si un appareil tombe en panne ou perd une partie de ses communications, le groupe peut théoriquement continuer la recherche.
Pour le triage, la multiplicité des points de vue est particulièrement utile. Une victime peut être partiellement masquée par des gravats, allongée dans une zone sombre ou visible uniquement sous un angle défavorable. Observer son visage, sa posture et sa cage thoracique depuis plusieurs positions augmente la quantité d’informations disponibles. L’IA ne devient pas plus compétente par magie ; elle reçoit simplement de meilleures observations.
Cette logique explique pourquoi les chercheurs ne se contentent pas d’améliorer une caméra. Ils travaillent sur un système complet : répartition des tâches, navigation autonome, détection des personnes, choix du meilleur angle, estimation physiologique, fusion des mesures et transmission vers un poste de commandement.
Lire le pouls sans toucher la victime
L’aspect le plus spectaculaire du projet est l’estimation de signes vitaux à environ trois mètres de distance. Selon CMU, les modèles développés par l’équipe cherchent notamment à mesurer la fréquence cardiaque, la fréquence respiratoire et la température corporelle à partir de caméras qui examinent le corps.
Pour le rythme cardiaque, le principe repose sur un phénomène discret. À chaque battement, le volume de sang proche de la surface de la peau varie légèrement. Ces changements modifient imperceptiblement la couleur du visage. Une caméra et un algorithme de traitement du signal peuvent isoler cette variation périodique, technique souvent appelée photopléthysmographie à distance.
La respiration peut, elle, être estimée en suivant de très faibles mouvements du torse ou d’autres changements réguliers dans l’image. La température exige généralement une information thermique adaptée. Dans tous les cas, il ne s’agit pas de « voir » directement un diagnostic : le logiciel extrait un signal faible dans une suite d’images, puis tente d’en déduire une mesure physiologique.
En laboratoire, ces méthodes bénéficient d’un éclairage stable, d’un sujet immobile et d’un visage dégagé. Sur un site sinistré, les conditions sont exactement inverses : pluie, fumée, boue, sang, ombres, poussière, mouvement de la caméra et occultations partielles. Artur Dubrawski, professeur au Robotics Institute de CMU, reconnaît que les premières solutions testées par son équipe ne fonctionnaient pas comme prévu hors du laboratoire. Il leur a fallu environ deux ans pour renforcer les modèles face à ces perturbations.
Les chercheurs affirment désormais pouvoir travailler dans l’obscurité, à travers la fumée et sur des visages partiellement masqués. Cette progression est significative, mais elle ne doit pas être confondue avec une validation clinique universelle. Une estimation exploitable dans un exercice contrôlé peut encore se dégrader selon la carnation, l’éclairage, le type de blessure, les mouvements ou la qualité du capteur.
Le véritable défi se trouve dans les gravats
Le projet s’inscrit dans le DARPA Triage Challenge, un programme américain consacré à des outils de triage rapides, précis et capables de passer à l’échelle lors d’événements faisant de nombreuses victimes. Les épreuves reproduisent des environnements difficiles : fumée, faible visibilité, bâtiments à plusieurs étages, débris, végétation et communications dégradées.
L’équipe Chiron, qui réunit notamment Carnegie Mellon et l’université de Pittsburgh, combine drones aériens et robots terrestres. Les appareils doivent localiser des victimes simulées, évaluer des indices physiologiques ou des blessures, puis transmettre les données aux intervenants humains. La finale du volet « systèmes » est prévue en novembre 2026, après une phase de qualification durant l’été.
Ce cadre de compétition est utile parce qu’il oblige les prototypes à sortir du laboratoire. Un algorithme peut afficher d’excellents résultats sur une base d’images et échouer dès qu’un drone vibre, que la lumière change ou que le réseau disparaît. En intervention, la robustesse compte davantage que la performance moyenne dans des conditions idéales.
Sans cloud, l’autonomie devient une contrainte matérielle
Dans une grotte, sous un bâtiment effondré ou au cœur d’une inondation, le drone ne peut pas compter sur une connexion permanente à un centre de données. Les images doivent être traitées ou stockées localement, sur une machine limitée par son poids, sa batterie et sa capacité de calcul.
Chaque choix crée un compromis. Une caméra plus performante alourdit l’appareil. Un modèle d’IA plus complexe consomme davantage d’énergie. Une liaison radio puissante réduit l’autonomie. Voler plus vite permet de couvrir une zone plus vaste, mais laisse moins de temps pour stabiliser une mesure. Les algorithmes doivent donc être suffisamment légers pour fonctionner à bord, sans sacrifier la fiabilité nécessaire à une décision médicale.
La batterie reste une limite physique majeure. Un robot volant consomme beaucoup d’énergie simplement pour rester en l’air. Les équipes expérimentent avec des drones plus petits et plus légers, capables de pénétrer dans des passages étroits, mais la miniaturisation réduit aussi la charge utile disponible pour les capteurs et le calcul.
Aider au triage sans automatiser la décision médicale
Le mot « triage » peut donner l’impression que l’IA décidera seule de l’ordre des secours. Ce n’est ni l’objectif affiché par la DARPA ni une approche souhaitable à ce stade. Le système doit collecter des observations à distance et aider les professionnels à diriger leurs ressources là où elles sont le plus nécessaires.
La distinction est essentielle sur le plan médical comme éthique. Un rythme cardiaque estimé par caméra peut être utile, mais il ne résume pas l’état d’une personne. Une victime silencieuse n’est pas nécessairement stable ; une mesure absente peut provenir d’une blessure critique, d’un visage caché ou d’un simple échec du capteur. Le système doit donc exprimer son niveau de confiance et permettre au secouriste de distinguer une donnée fiable d’une estimation fragile.
Pour être utilisable, un outil de ce type devra aussi conserver la trace de ses observations : quel drone a pris l’image, à quelle distance, avec quel capteur et dans quelles conditions ? En cas de valeurs contradictoires, il faudra montrer le désaccord au lieu de le masquer derrière un score unique.
La supervision humaine ne consiste pas seulement à ajouter un bouton de validation à la fin. Elle doit structurer toute la chaîne : règles de priorité définies par les médecins, seuils d’alerte, possibilité de reprendre le contrôle, procédure en cas de perte de communication et interdiction pour le système de transformer une absence de donnée en certitude.
Une technologie de secours avec un évident double usage
Le DARPA Triage Challenge vise les catastrophes civiles autant que les situations de champ de bataille. Les mêmes capacités — navigation autonome, cartographie rapide, coordination de plusieurs appareils et observation de personnes — peuvent cependant être utilisées à des fins militaires ou de surveillance.
Ce double usage ne rend pas la recherche illégitime. Il impose en revanche de ne pas présenter les essaims comme de simples outils neutres. Les règles d’engagement, la protection des images, la durée de conservation des données et les personnes autorisées à consulter les informations physiologiques devront être définies avant toute utilisation opérationnelle.
Dans une intervention civile, la collecte d’images peut concerner des personnes blessées, vulnérables et incapables de consentir. La nécessité vitale peut justifier le traitement, mais pas une conservation indéfinie ni une réutilisation pour entraîner d’autres modèles sans garanties. Les données de santé captées à distance restent des données sensibles, même lorsqu’elles sont produites par un robot.
Il faut également prévenir la confusion entre secours et surveillance. Un drone conçu pour localiser une victime après un séisme ne devrait pas devenir, par simple changement logiciel, un outil de suivi permanent des populations. Les restrictions techniques et juridiques devront évoluer avec les capacités du système.
Le test décisif sera moins spectaculaire qu’une démonstration
Les essaims de drones de CMU montrent ce que l’IA physique peut apporter de plus concret : multiplier les yeux disponibles, atteindre des zones dangereuses et transformer rapidement des images dispersées en informations exploitables. Lorsqu’une équipe de secours doit examiner des dizaines de victimes, quelques minutes gagnées peuvent avoir une valeur considérable.
Mais la réussite ne se mesurera pas au nombre de drones en vol. Elle dépendra du taux de victimes réellement détectées, de la précision des mesures selon des profils variés, de la capacité du système à signaler ses échecs et de son comportement lorsque plusieurs composants tombent en panne en même temps.
La bonne trajectoire est donc celle annoncée par les chercheurs eux-mêmes : essais de terrain, confrontation à la fumée et aux occultations, validation progressive et maintien des professionnels dans la décision. L’essaim devient intéressant lorsqu’il réduit l’incertitude des secours. Il devient dangereux s’il la dissimule derrière une apparence d’autonomie.
Références
- Carnegie Mellon University — When One Drone Isn’t Enough: CMU Builds Swarms for High-Stakes Response Efforts
- DARPA — DARPA Triage Challenge
- DARPA — Triage Challenge 2026, Systems Competition
- Carnegie Mellon Robotics Institute — Team Chiron Advances to Final Phase of DARPA Triage Challenge
