Analyse de la technologie de reconnaissance automatique des cibles pour les radars anti-drone : principes et guide pratique

Ces dernières années, la menace croissante des drones LSS (Low, Slow, Small — bas, lents et petits) a rendu le besoin de systèmes radar anti-drone de plus en plus pressant [1-3]. Pourtant, que ce soit dans la recherche académique ou dans les déploiements opérationnels, les discussions techniques autour de ces radars se heurtent encore à de nombreuses questions ouvertes. De nombreux systèmes anti-drone ont fait leur apparition sur le marché, plusieurs revendiquant d’excellentes performances de détection des échos de drones, et certains ont déjà été achetés puis déployés sur des sites sensibles. Néanmoins, de nombreuses administrations restent prudentes quant à leur efficacité réelle et ont lancé des projets de vérification pour en évaluer la fiabilité.

Dans ce contexte, cet article se concentre sur l’application de la technologie de reconnaissance automatique des cibles (ATR, Automatic Target Recognition) aux systèmes radar anti-drone. En passant en revue de manière structurée les technologies de détection anti-drone existantes et en proposant une analyse approfondie sous l’angle de l’ATR, l’article examine également les principaux défis et les leviers d’optimisation, principalement selon deux dimensions : les caractéristiques de la cible et les technologies de détection.

1. Il clarifie que la détection radar comprend deux étapes indépendantes : la « détection du signal » et la « reconnaissance de la cible », en soulignant que la reconnaissance de la cible doit s’affranchir des méthodes traditionnelles basées sur le suivi.
2. Il rappelle que les radars anti-drone ciblent principalement les drones LSS, c’est-à-dire en général de petits aéronefs présentant une surface équivalente radar (SER) inférieure à 2 m², une vitesse de vol inférieure à 200 km/h et une altitude d’exploitation inférieure à 1000 mètres. Selon les classifications actuelles, cela couvre principalement les drones des groupes 1 et 2.
3. Il distingue quatre niveaux de performance ATR : « Détection », « Classification », « Identification » et « Description », et différencie, d’un point de vue technique, les approches de « discrimination de trajectoire » et de « reconnaissance micro-Doppler ».
4. À partir de cas pratiques, il montre que l’intégration de l’ATR peut améliorer sensiblement les performances du système — non seulement en augmentant la portée de détection et la précision de reconnaissance des drones, mais aussi en renforçant de manière notable la conscience situationnelle globale. La technologie ATR devrait accélérer l’évolution des radars anti-drone 3D traditionnels vers des systèmes 4D (fournissant une information tridimensionnelle de position et une information unidimensionnelle d’attribut), ce qui renforcera globalement l’efficacité de détection. Cette évolution laisse entrevoir des usages plus larges et plus fiables des radars anti-drone dans les domaines militaire, civil et commercial.

1 Vue d’ensemble des menaces liées aux drones

Les menaces liées aux drones se répartissent généralement en deux grandes catégories : celles qui visent les infrastructures civiles et celles qui visent des objectifs militaires. Dans les environnements civils, l’accent est mis sur le contrôle et la gestion ; dans les applications militaires, la priorité va aux contre-mesures. Dans les deux cas, la clé reste de disposer de technologies de détection de drones efficaces, précises et en temps réel.

1.1 Menaces dans le domaine civil

Dans le domaine civil, les intrusions « non autorisées » de drones perturbant les aéroports de l’aviation civile sont devenues une menace typique, avec des incidents fréquents. Le 19 décembre 2018, par exemple, l’aéroport de Londres Gatwick, au Royaume-Uni, a été entièrement fermé après des signalements de drones à proximité : plus de 140 000 passagers ont été touchés, plus d’un millier de vols annulés et les opérations interrompues pendant 36 heures [4]. Cet incident a mis en évidence l’urgence, pour les aéroports du monde entier, de renforcer leurs stratégies de sécurité face aux risques liés aux drones.

En réponse, le gouvernement britannique a pris plusieurs mesures, dont l’instauration d’une zone d’exclusion aérienne de 5 kilomètres autour des aéroports (Figure 1) et le déploiement de systèmes anti-drone (C-UAS) tels que le « Drone Dome » israélien. L’aéroport a pourtant connu un nouvel incident de perturbation par drone en 2019, ce qui montre que les systèmes existants ne sont pas encore totalement fiables. Parmi les causes possibles figurent le contournement de la détection par les opérateurs, des perturbations coordonnées par plusieurs opérateurs et d’autres scénarios complexes.

Figure 1 : Schéma de la zone d’exclusion aérienne autour des aéroports du Royaume-Uni (source de l’image : CAADroneCode)

Avertissement : les droits d’auteur de cet article appartiennent à son ou ses auteur(s). Il est destiné exclusivement à l’échange académique et ne représente pas le point de vue d’aucune institution. Pour tout problème lié au contenu ou tout litige relatif aux droits d’auteur, veuillez nous contacter.

Mots-clés :

Radar anti-drone, technologie ATR, drones LSS, reconnaissance de cibles radar, détection de drones, radar 4D, systèmes C-UAS

Lectures complémentaires

Vous trouverez ci-dessous des ressources de référence en lien avec cet article, recommandées pour aller plus loin :

• Le Journal du CNRS : peut-on faire confiance à l’intelligence artificielle ? — Analyse les forces et les limites des algorithmes d’apprentissage, au cœur de la reconnaissance automatique de cibles.
• ONERA : le département DEMR, électromagnétisme et radar — Présente la recherche française sur la détection radar et le traitement du signal appliqués aux cibles de faible signature.
• ANSSI : les enjeux technologiques de l’intelligence artificielle — Cadre de référence français sur la maîtrise et la sécurisation des systèmes fondés sur l’IA.