La Marine indienne intensifie le développement des véhicules de surface sans pilote (USV) pour sécuriser ses vastes côtes et dominer stratégiquement la région de l’océan Indien. Avec un budget dépassant 5 000 crore de roupies (environ 600 millions de dollars) jusqu’en 2030, l’Inde investit massivement dans un écosystème innovant associant acteurs publics et privés, visant à déployer des essaims de USV entièrement autonomes capables de patrouilles prolongées sans intervention humaine.
Face à une façade maritime de 7 500 km et une zone économique exclusive (ZEE) de 2,3 millions de km² demandant une surveillance permanente, ces « navires fantômes » offrent une présence continue là où les bâtiments habités montrent leurs limites, notamment grâce à des innovations de ravitaillement en mer comme le ravitaillement USV-à-USV. Ce programme est en phase avec la feuille de route technologique et capacitaire TPCR 2025, plaçant les systèmes autonomes comme un multiplicateur de force face aux menaces asymétriques, notamment celles posées par la Marine de l’Armée Populaire de Libération (PLA Navy).
L’urgence de cette transformation découle de contraintes opérationnelles concrètes : les patrouilleurs habités, même les Next Generation Offshore Patrol Vessels (NGOPV) de nouvelle génération, doivent régulièrement retourner au port pour le changement des équipages, le ravitaillement et la maintenance — une logique incompatible avec des missions de plusieurs semaines contre la piraterie, la contrebande et les incursions territoriales. Les USV éliminent ces limites humaines, permettant des opérations 24h/24 avec une autonomie pilotée par intelligence artificielle (IA). Les démonstrations récentes d’entreprises indiennes lors d’événements tels que l’INDO-PACIFIC 2025 à Hyderabad ont convaincu les évaluateurs, en montrant des solutions intégrées fonctionnant même en environnement où le GPS est brouillé, coopérant en essaim et résistant aux perturbations électroniques.
Les systèmes « human-out-of-the-loop » (HOOTL) sont au cœur de cette avancée, avec des USV exploitant une IA embarquée pour la prise de décision en temps réel — identification des cibles, évitement des menaces et reconfiguration des missions sans intervention humaine. Des prototypes issus du privé combinent réseaux neuronaux et fusion multisensorielle (EO/IR, sonar, LiDAR) pour atteindre 95 % d’autonomie en zones côtières encombrées. Ces unités, de 5 à 20 tonnes, naviguent grâce à une odométrie visuelle et une cartographie du terrain, évitant filets de pêche ou débris à des vitesses atteignant 40 nœuds.
Au sein du secteur public, Bharat Electronics Limited (BEL) fournit des architectures robustes de commandement, contrôle, communications, informatique, renseignement, surveillance et reconnaissance (C4ISR), tandis que des startups développent des logiques d’essaim : jusqu’à 50 USV coordonnées via des réseaux maillés à faible probabilité d’interception (LPI) pour saturer les défenses ennemies. Cette approche s’inspire des tactiques ukrainiennes avec les Magura V5, adaptées aux particularités climatiques de la région de l’océan Indien. Une démonstration notable a montré une flottille de 10 USV encerclant de façon autonome une corvette simulée de la PLAN, répartissant intelligemment les frappes pour éviter les redondances, attestant d’une efficacité en combat anti-navire sans mettre en danger d’équipages.
Un projet clé est le Combat Command Vessel Manned-Unmanned Teaming (MUM-T) piloté par l’intelligence artificielle, un bâtiment de 1 500 tonnes en cours de développement sous la supervision du DRDO et de BEL, dont les tests de prototype sont prévus pour 2026. Ce navire « quartier-maître » coordonnera les essaims d’USV pour la lutte anti-sous-marine (ASW) et les contre-mesures des mines (MCM), lançant à partir de ses cales immergées des véhicules sous-marins (UUV) et aériens (UAV). Des entreprises privées comme Sagar Defence, en collaboration avec Boeing Liquid Robotics, développent également des USV à endurance prolongée (HEAUV) capables de rester en mission jusqu’à 45 jours, particulièrement adaptés à la surveillance de la ZEE, avec des systèmes d’IA pour l’autodiagnostic et le partage de données en mode pair-à-pair.