Le défi

Historique et contexte

Les capacités actuelles des FAC en matière de détection et de surveillance reposent sur des systèmes de capteurs spécialisés et conçus sur mesure, dont l’acquisition est coûteuse, le déploiement lent et la mise à l’échelle difficile sur l’ensemble du territoire urbain. Parallèlement, les villes exploitent déjà des milliers de caméras, de réseaux acoustiques, de capteurs de qualité de l’air, de capteurs de vibrations et de points d’accès sans fil qui génèrent des flux de données riches et continus — dont aucun n’est actuellement exploité par le MDN et les FAC pour améliorer la connaissance de la situation.

L'opportunité consiste à développer une couche intermédiaire d'intelligence artificielle qui s'appuie sur ces flux existants, transformant ainsi les données urbaines ambiantes en informations exploitables sans avoir à installer de nouveau matériel. Il s'agit d'un concept multiplicateur de forces : transformer chaque ville en un réseau de capteurs capable de détecter en temps réel et à un coût bien inférieur à celui des systèmes dédiés les activités de drones non autorisées, les comportements inhabituels des véhicules ou des piétons, les émissions de radiofréquences (RF) anormales, les signatures chimiques ou environnementales, ainsi que les menaces émergentes.

Ce projet s'inscrit dans le cadre du Plan de campagne numérique des FAC et soutient les priorités de défense urbaine définies par le document « Protection, Sécurité, Engagement », et la préparation aux opérations. La plateforme qui en résulte constituera un élément réutilisable pour tout scénario futur nécessitant un renseignement urbain rapide, qu'il s'agisse de la sécurité du sommet du G7, ou de l'interopérabilité entre alliés dans le cadre d'opérations urbaines menées en coalition.

Ce défi vise à renforcer les capacités industrielles et la propriété intellectuelle du Canada dans le domaine de l'intelligence urbaine ambiante — une capacité qui n'existe pas encore sous la forme d'un produit canadien autonome — tout en garantissant, dès le départ, le respect des valeurs et des normes juridiques canadiennes.

Le MDN et les FAC organisent ce défi afin d'observer les progrès réalisés dans le domaine de l'intelligence artificielle pour résoudre ce problème.

Voici quelques exemples d'applications, sans que cette liste soit exhaustive :

Systèmes de lutte contre les drones urbains (UAS) : combiner les images des caméras de surveillance routière, les capteurs acoustiques et l'analyse passive des signaux RF pour détecter, classer et suivre les drones non autorisés au-dessus des villes, sans déployer de nouveau matériel.

Protection des infrastructures critiques : réutiliser les capteurs de vibrations installés sur les ponts et les bâtiments, les capteurs de qualité de l'air situés à proximité des stations d'épuration et les caméras de surveillance des postes électriques pour créer un réseau maillé de détection des anomalies.

Alerte avancée environnementale : utiliser les capteurs environnementaux comme indicateurs secondaires d'activités anormales.

Le MDN et les FAC ne fourniront aucune donnée (classifiée, non classifiée, opérationnelle, synthétique ou représentative) destinée à l'entraînement, au réglage fin ou à la validation de modèles d'IA. La participation à ce défi suppose que les innovateurs possèdent une expertise suffisante dans le domaine des capteurs pour générer ou se procurer de manière autonome les ensembles de données appropriés au développement et à l'évaluation des modèles.

Résultats essentiels

Les solutions proposées doivent répondre aux critères suivants :

• Développer un ou plusieurs modules basés sur l'IA capables de collecter et de traiter des données provenant de plusieurs sources hétérogènes (au moins deux).
• Effectuer des analyses en temps réel afin d'identifier des schémas anormaux ou des indicateurs de menaces potentielles au sein des flux de données collectés.
• Produire des résultats lisibles par machine (par exemple, des alertes, des scores ou des signalements) correspondant aux anomalies ou aux indicateurs de menaces détectés, en vue d'un examen approfondi par un opérateur.
• Se conformer aux exigences légales, en matière de confidentialité et de protection des données lors du traitement de données provenant de sources civiles ou non liées à la défense. Il incombe au soumissionnaire de déterminer lesquelles s’appliquent.

Résultats souhaités

Les solutions proposées doivent inclure des fonctionnalités et des aspects tels que, sans s’y limiter, les éléments suivants :

• Déploiement rapide : une solution portable, pouvant être déployée en périphérie, capable de se connecter à des flux de données disponibles localement et de devenir opérationnelle dans un nouvel environnement.
• Ingestion adaptative des données des capteurs : la capacité de se connecter à des flux de données diversifiés et en constante évolution à l’aide de protocoles standard, lorsque des sources individuelles se dégradent ou se déconnectent.
• Résultats explicables et exploitables : les détections d’anomalies incluent un contexte suffisant pour permettre aux opérateurs de comprendre ce qui a été détecté, quelles sources y ont contribué et le niveau de confiance de l’évaluation.
• Architecture évolutive : une conception pouvant évoluer à partir d’une implémentation localisée et qui soit compatible, sur le plan architectural, avec les normes internationales.