L3Harris Technologies a réalisé en Floride le premier essai en vol de son écosystème de gestion de bataille électromagnétique DiSCO, intégré au logiciel d’autonomie Hivemind de Shield AI. Le test, mené sur la plateforme sans pilote Green Wolf, a validé une boucle complète, détection, analyse et réaction face à des menaces sur un champ de tir réel. L’objectif affiché est d’accélérer la décision dans les opérations EMSO tout en réduisant la dépendance à l’intervention humaine.
La démonstration intervient après un essai simulé annoncé en février 2026. Le passage au vol réel constitue un jalon important pour l’électronique de défense, sur fond de multiplication des brouillages, leurrages et interceptions dans les environnements contestés.
L3Harris valide DiSCO en vol sur Green Wolf
Le cur de l’annonce tient en une formule, premier vol réussi. Selon le communiqué de l’industriel, DiSCO pour Distributed Spectrum Collaboration and Operations a été évalué lors d’un vol d’essai en conditions réelles, en s’appuyant sur un Green Wolf de L3Harris. Le système se présente comme une architecture de gestion du spectre électromagnétique pensée pour relier plusieurs moyens de guerre électronique au sein d’un réseau distribué, avec des échanges de données en temps réel.
Le positionnement revendiqué est celui d’une architecture EMSO résiliente et vendor-agnostic, donc conçue pour intégrer des capteurs et effecteurs d’origines différentes. Dans les forces occidentales, où coexistent des flottes hétérogènes et des chaînes de commandement interarmées, ce point est central, car l’efficacité dépend souvent de la capacité à faire circuler des informations de menace entre plateformes, plutôt que de la performance d’un unique capteur.
Sur le plan opérationnel, l’enjeu est la gestion d’un environnement où les signaux se superposent, se déplacent et changent de forme. Les menaces électromagnétiques peuvent relever de radars, de liaisons de données, de brouillages offensifs, ou de dispositifs de détection passifs. Une architecture comme DiSCO vise à fédérer la perception et à coordonner la réponse, par exemple en avertissant des drones suiveurs d’une zone risquée, ou en déclenchant un mode de protection.
Le communiqué ne détaille pas la durée du vol, l’altitude ou la configuration précise du champ de tir, éléments souvent sensibles. Mais le fait que l’essai ait été mené live flight test range indique une volonté de démontrer une chaîne complète hors laboratoire, avec des contraintes de latence, de pertes de liaison possibles et de dynamique de mission.
Pour L3Harris, la séquence s’inscrit dans une trajectoire de maturation rapide, après une phase de démonstration simulée en février 2026. La bascule vers le vol réel sert aussi à crédibiliser l’intégration avec des logiciels d’autonomie, au moment où les armées cherchent à déployer des systèmes distribués, moins dépendants d’un poste de commandement unique.
Hivemind dirige la manuvre autonome des drones
La nouveauté la plus commentée concerne l’autonomie décisionnelle. D’après L3Harris, des UAS ont détecté, analysé et répondu à des menaces électromagnétiques sans intervention humaine pendant le vol. Le logiciel Hivemind de Shield AI, embarqué à bord du Green Wolf, a utilisé les données de menace fournies via DiSCO pour commander l’aéronef et piloter une logique de mission.
Le scénario décrit met l’accent sur la capacité à réorienter des systèmes sans pilote follow-on vers une zone d’exploitation plus sûre. Concrètement, cela revient à compresser la chaîne capteur vers décision, un point critique en guerre électronique, où l’intérêt d’une détection diminue fortement si la réponse arrive trop tard. Dans un environnement saturé, la fenêtre de manuvre se compte parfois en secondes, notamment lorsque les signatures changent ou que la géométrie d’émission se modifie.
Lauren Barnes, présidente de la branche Spectrum Superiority chez L3Harris, présente cette démonstration comme la preuve qu’un concept peut devenir une capacité exploitable rapidement pour une force interarmées. Le propos, classique dans la communication industrielle, traduit un objectif, raccourcir les cycles d’ingénierie et de qualification pour suivre l’évolution rapide des menaces sur le spectre.
Christian Gutierrez, vice-président senior de Shield AI pour Hivemind, insiste sur l’effet de combinaison, l’intégration de DiSCO et Hivemind produirait une capacité que ni l’un ni l’autre ne pourrait délivrer seul. Dans les termes du communiqué, Hivemind permet de sense, share, act plus vite sur des menaces de spectre, ce qui renvoie à une logique de coopération entre plateformes, chaque drone devenant à la fois capteur, relais et acteur.
La promesse opérationnelle est un fonctionnement dégradé acceptable en cas de liaison intermittente, ou une autonomie tactique limitée dans le temps. Le communiqué ne précise pas le niveau d’autonomie autorisé, ni les garde-fous, ni les règles d’engagement. Ces aspects conditionnent l’emploi réel, surtout si des fonctions d’attaque électronique sont impliquées. L’autonomie peut guider une manuvre d’évitement ou de protection, mais le passage à une action offensive relève souvent d’autorisations plus strictes.
La charge utile Deceptor testée sur plusieurs UAS
L’essai en vol a mis en scène une charge utile de guerre électronique décrite comme compacte et software-defined, le Deceptor. L3Harris indique qu’elle a été déployée sur plusieurs UAS, ce qui suggère une approche distribuée, multiplier des effecteurs plus petits plutôt qu’un seul avion spécialisé. Dans un contexte de menaces sol-air et de contestation du spectre, disperser les capteurs et brouilleurs réduit la vulnérabilité et augmente les angles de collecte.
Le scénario de mission décrit un enchaînement précis. Un UAS sense and characterize une menace inconnue, partage les données via DiSCO, puis s’appuie sur Hivemind pour router en temps réel des drones suivants vers une zone sûre. La valeur ajoutée tient dans la capacité à traiter une menace unknown, donc pas strictement un signal déjà catalogué, ce qui renvoie à des fonctions de classification et de caractérisation rapides.
Dans la guerre électronique moderne, le défi n’est plus seulement de détecter un émetteur, mais d’en déduire l’intention, la portée probable, la mobilité et les modes de fonctionnement. Une charge utile software-defined peut théoriquement changer de forme d’onde, de bande ou de comportement via logiciel, ce qui facilite l’adaptation, mais demande une validation rigoureuse pour éviter les effets de bord. Le communiqué ne donne pas de détails sur les bandes de fréquences, les puissances ou les formes d’onde, données classées dans de nombreux programmes.
Le choix d’un déploiement sur plusieurs UAS renvoie aussi à la question des coûts et de l’attrition. Des drones plus nombreux, moins chers, peuvent être perdus sans compromettre toute la mission, tout en assurant une couverture continue. Cette logique, déjà visible dans les débats sur les launched effects, vise à saturer la défense adverse et à maintenir une présence sur le spectre.
Reste la question de l’interopérabilité avec des systèmes existants. L3Harris présente DiSCO comme une architecture ouverte et résiliente, mais l’intégration réelle dépend des formats de données, des interfaces, et des politiques de cybersécurité. La démonstration en vol est un indicateur, mais l’industrialisation et la qualification en environnement opérationnel exigent des essais répétés, y compris face à des menaces variées et à des contre-mesures.
Green Wolf, plateforme multi-mission pour opérations EW distribuées
Le Green Wolf est présenté comme un système launched effects, donc un moyen projeté pour étendre la portée de détection ou d’action d’une force, avec un profil de mission flexible. L3Harris précise que la plateforme utilisée était équipée de capacités d’attaque électronique et de détection avancée. Dans ce cadre, Green Wolf sert de nud de mission, capable d’embarquer l’autonomie Hivemind et de participer à un réseau DiSCO.
Le test further validated le rôle de Green Wolf comme plateforme multi-mission, apte à soutenir des opérations de guerre électronique en réseau. L’intérêt de cette approche est de créer une couche de systèmes sans pilote capables de s’insérer dans une manuvre plus large, par exemple pour protéger un couloir aérien, reconnaître une zone, ou perturber des capteurs adverses à distance. Les forces recherchent des architectures où les drones peuvent être reconfigurés rapidement selon les besoins, sans reconcevoir toute la chaîne.
Dans une logique de combat collaboratif, l’architecture DiSCO sert de colle entre capteurs et effecteurs, tandis que Hivemind agit comme moteur d’autonomie embarqué. L3Harris met en avant une gestion de bataille du spectre, c’est-à-dire la capacité à prioriser, assigner et coordonner des actions sur les fréquences, au lieu de laisser chaque plateforme agir isolément. Ce point devient critique quand plusieurs systèmes amis opèrent dans la même zone, au risque d’interférences mutuelles.
Le communiqué indique que L3Harris et Shield AI comptent étendre les applications de mission et l’autonomie via une open architecture. La formule suggère des intégrations futures avec d’autres charges utiles, d’autres drones ou d’autres réseaux, potentiellement au profit d’utilisateurs interarmées. L’ouverture d’architecture est également un argument d’acquisition, car les clients veulent éviter l’enfermement propriétaire, tout en conservant la maîtrise des évolutions.
Cette trajectoire s’inscrit dans une tendance plus large, la montée en puissance de l’autonomie pour réduire la charge cognitive des opérateurs et accélérer la réaction. Mais les limites restent importantes, robustesse face à la guerre électronique adverse, cybersécurité, validation des algorithmes, et gouvernance de l’emploi. L’essai en vol constitue un signal de maturité, mais la traduction en capacité déployée dépendra des campagnes d’essais, des exigences militaires et des arbitrages budgétaires.
