L’intelligence artificielle arrive dans l’univers radioamateur et pourrait bien transformer nos récepteurs SDR. Après avoir révolutionné notre manière d’observer et de décoder le spectre radio, le Software Defined Radio (SDR) pourrait franchir une nouvelle étape grâce à l’IA : reconnaître automatiquement les modulations, identifier certains signaux radio et détecter des interférences. Une évolution aujourd’hui explorée par Radio-FM, un modèle d’intelligence artificielle spécialement entraîné pour analyser directement les signaux radio.
Mais une étape supplémentaire est peut-être en train d’être franchie.
Et si notre récepteur était capable de regarder lui-même le spectre et de nous dire : « Ici, je détecte tel type de modulation ; là, probablement telle technologie ; et ce signal ressemble à une interférence » ?
C’est précisément le domaine exploré par Radio-FM, un nouveau modèle d’intelligence artificielle présenté début août 2026.
Du SDR à la radio « intelligente »
Un SDR transforme une grande partie des fonctions autrefois réalisées par des circuits électroniques en traitements logiciels.
Filtrage, démodulation, largeur de bande, affichage du spectre : tout ou presque peut être réalisé numériquement.
Mais l’opérateur reste généralement celui qui interprète ce qu’il voit.
Devant un waterfall, un radioamateur expérimenté reconnaît rapidement certains signaux. Une porteuse CW est assez caractéristique, tout comme le FT8, la SSB ou différentes transmissions numériques.
L’idée de l’IA-Radio consiste à automatiser une partie de cette analyse.
L’intelligence artificielle ne se contenterait plus de regarder une image du waterfall : elle pourrait travailler directement sur les échantillons I/Q, c’est-à-dire sur les données numériques brutes produites par le récepteur SDR.
Radio-FM : une IA entraînée à comprendre les signaux
Présenté le 6 août 2026 par une équipe de chercheurs, Radio-FM est ce que l’on appelle un foundation model, ou modèle de fondation, spécialisé dans les signaux radio.
Le principe rappelle, dans une certaine mesure, celui des grands modèles utilisés pour le langage ou les images : plutôt que d’entraîner une intelligence artificielle pour une seule tâche extrêmement précise, on cherche à créer un modèle général capable d’apprendre une représentation du monde radio.
Radio-FM a été pré-entraîné à partir de 15 jeux de données couvrant différents domaines : modulations, communications, radars et identification de signaux.
Les chercheurs l’ont ensuite évalué sur 15 bancs d’essai différents.
Selon leurs résultats, Radio-FM atteint les meilleures performances sur 13 des 15 tests, notamment pour la reconnaissance de modulation, l’identification d’émetteurs, la reconnaissance de technologies radio, de radars et d’interférences.
Que pourrait en faire un radioamateur ?
Imaginons maintenant cette technologie intégrée dans un logiciel SDR.
Nous balayons une bande et plusieurs signaux apparaissent.
Aujourd’hui, nous devons les reconnaître nous-mêmes ou utiliser des logiciels spécialisés. Demain, l’IA pourrait potentiellement analyser automatiquement les signaux présents et afficher une estimation :
CW – forte probabilité
modulation numérique – identification probable
signal inconnu – analyse nécessaire
Le principe pourrait aller beaucoup plus loin.
Une IA entraînée spécifiquement sur les bandes radioamateurs pourrait théoriquement apprendre à distinguer de nombreuses familles de signaux et aider l’opérateur à repérer rapidement une activité intéressante dans plusieurs mégahertz de spectre.
On pourrait également imaginer des fonctions de détection automatique d’interférences ou d’identification de signaux inhabituels.
Attention toutefois : Radio-FM n’est pas aujourd’hui un plugin que l’on installe dans SDR++ ou SDR# pour reconnaître automatiquement FT8, RTTY ou FreeDV.
Il s’agit avant tout d’un travail de recherche démontrant les possibilités d’un modèle général appliqué aux signaux radio.
Reconnaître même avec peu d’exemples
Un autre aspect intéressant concerne la capacité d’apprentissage avec relativement peu de données.
Les auteurs indiquent que Radio-FM obtient de bons résultats en few-shot learning : le modèle peut s’adapter à certaines nouvelles tâches avec un nombre limité d’exemples.
C’est important pour le monde radio.
Il existe énormément de modulations, protocoles, conditions de propagation, niveaux de bruit et situations d’interférences.
Il serait pratiquement impossible de disposer de millions d’enregistrements correctement étiquetés pour chacune d’entre elles.
Un modèle capable de généraliser à partir d’un nombre limité d’exemples devient donc beaucoup plus intéressant.
Et pourquoi pas un récepteur entièrement basé sur l’IA ?
D’autres recherches vont encore plus loin.
En juillet 2026, des chercheurs ont présenté FM-Receiver, un concept de récepteur dans lequel un modèle d’IA prend directement les signaux reçus en entrée pour produire les bits transmis en sortie. Les essais décrits sont réalisés en simulation, mais ils montrent jusqu’où pourrait aller le concept de récepteur « AI-native ».
Nous passerions alors progressivement du :
Software Defined Radio
au :
AI Defined Radio.
Le logiciel ne se contenterait plus d’exécuter les traitements choisis par l’opérateur. Il participerait lui-même à l’interprétation du signal.
L’opérateur ne va pas disparaître
Il ne faut cependant pas imaginer que notre prochain transceiver identifiera infailliblement tout ce qui traverse l’antenne.
Une intelligence artificielle peut se tromper. Le bruit, le fading, les signaux faibles, les brouillages ou des modulations très proches peuvent compliquer considérablement l’identification.
Pour le radioamateur, l’intérêt serait plutôt de disposer d’un nouvel outil d’assistance.
Après le waterfall, le décodage numérique automatique et les logiciels capables de surveiller plusieurs fréquences simultanément, l’intelligence artificielle pourrait devenir une nouvelle couche d’analyse.
Le récepteur ne nous montrerait plus seulement qu’un signal est présent.
Il pourrait également commencer à nous expliquer ce qu’il pense avoir reçu.
Et pour les amateurs de SDR et d’expérimentation numérique, voilà certainement un domaine qu’il faudra suivre de très près.
Liens utiles pour aller plus loin
Pour approfondir l’intelligence artificielle appliquée aux signaux radio, vous pouvez consulter la publication scientifique Radio-FM, à l’origine de cet article. Les lecteurs souhaitant expérimenter pourront également découvrir les jeux de données RadioML de DeepSig, utilisés dans la recherche sur la reconnaissance des modulations, ainsi que SigMF, un format ouvert permettant de stocker et documenter des enregistrements de signaux radio I/Q.
