Vue d’ensemble
Le 13 février 2026, l’All-domain Anomaly Resolution Office a ajouté un nouveau document d’information à son site de dossiers publics : 2025 UAP Workshop: Narrative Data, Infrastructures, and Analysis — Workshop Synthesis and Recommendations. Le document est issu d’un atelier de deux jours tenu les 5 et 6 août 2025 à Associated Universities, Inc., dans la région de Washington, D.C., et a réuni 40 participants issus du gouvernement, du monde universitaire et d’organisations de recherche indépendantes. L’atelier a été parrainé par l’AARO, organisé dans le cadre d’une collaboration impliquant Associated Universities, Inc. (AUI) et Florida State University (FSU), et a porté spécifiquement sur le problème du travail avec les données narratives d’UAP. AARO — document d’atelier UAP 2025 AARO — UAP Records/Information Papers
La date de publication doit être corrigée par rapport à certains résumés chronologiques ultérieurs. Le document a reçu l’autorisation de publication ouverte de l’Office of Prepublication and Security Review du Department of Defense le 11 février 2026 ; l’index des dossiers de l’AARO lui-même l’inscrit comme ajouté le 13 février 2026 ; et l’AUI a commenté publiquement la publication le 19 février. Il n’a donc pas été publié pour la première fois en juillet 2026. AARO — UAP Records/Information Papers AUI — AARO Releases Report on Unidentified Anomalous Phenomena
Le document importe moins par une quelconque conclusion sur ce que sont les UAP que par sa description inhabituellement directe des raisons pour lesquelles une grande partie de l’information existante sur les UAP est difficile à analyser scientifiquement. Il caractérise le paysage des données comme fragmenté, épars et non structuré, couvrant les journaux militaires, les récits de pilotes, les dossiers d’archives, les témoignages civils, les systèmes de signalement en ligne, les médias sociaux et le matériel de capteurs techniques. Ces sources sont souvent difficiles à combiner parce qu’elles ont été créées à des fins différentes, emploient une terminologie incohérente, omettent des métadonnées importantes ou sont limitées par des règles de classification, de confidentialité, de conservation et d’accès.
Ses recommandations sont, en conséquence, d’ordre infrastructurel. Les participants ont plaidé pour des modèles de métadonnées normalisés ; une meilleure conservation des dossiers originaux ; des liens entre les signalements narratifs et des données contextuelles telles que la météo, le trafic aérien et l’astronomie ; des systèmes capables d’intégrer des éléments qualitatifs et quantitatifs ; une utilisation prudente de l’IA pour la transcription, le regroupement et le triage ; et une supervision humaine continue.
Il s’agit de propositions méthodologiques substantielles.
Elles ne doivent pas être prises pour une constatation empirique selon laquelle l’AARO aurait découvert une nouvelle classe d’UAP, démontré une technologie extraordinaire ou validé les signalements discutés par les participants à l’atelier. Le document est une synthèse d’atelier, et non une étude de résolution de cas évaluée par les pairs ni une analyse statistique d’une population d’UAP définie.
Sa portée scientifique consiste à préciser à quoi pourrait ressembler un meilleur système d’éléments.
Chronologie
5–6 août 2025 — atelier.
L’AARO parraine un atelier d’experts sur les données narratives d’UAP.
13 février 2026 — publication indexée.
L’AARO ajoute le document de synthèse de l’atelier à son index officiel des dossiers.
Document et objet
La distinction entre le document d’atelier et un rapport de cas de l’AARO est importante.
Le document de 17 pages synthétise les discussions tenues au cours d’un atelier. Il contient un résumé exécutif, des descriptions de trois séances en sous-groupe, une synthèse des constatations, des prochaines étapes recommandées et des annexes reproduisant l’invitation, les règles de conduite des participants, l’ordre du jour et les consignes de discussion. AARO — document d’atelier
Il ne présente pas d’expérience contrôlée. Il ne divulgue pas un nouveau catalogue de cas d’UAP. Il ne quantifie pas la proportion de signalements attribuables aux ballons, aux aéronefs, aux satellites, aux artefacts de capteurs ou aux phénomènes non résolus. Il ne fournit pas de base probatoire pour estimer combien de signalements d’UAP représentent un seul phénomène sous-jacent. La production est donc mieux classée comme orientations méthodologiques et infrastructurelles issues d’une discussion d’experts. Cela lui confère une valeur réelle, mais une valeur d’un autre ordre que celle d’un rapport annuel ou d’un document de résolution de cas.
Les conclusions de l’atelier reflètent des zones d’accord et de préoccupation parmi les participants présents. Elles ne sont pas automatiquement équivalentes à un consensus scientifique validé dans les champs plus larges de l’astronomie, de la science atmosphérique, de la sécurité aérienne, des sciences de l’information ou de l’analyse du renseignement.
Le document lui-même ne prétend pas le contraire.
Participants et limites
L’atelier final a réuni 40 participants.
Selon le rapport, les participants ont été choisis parce qu’ils avaient fait preuve d’expertise dans un ou plusieurs domaines, notamment l’intelligence artificielle et l’apprentissage automatique, la recherche et les données sur les UAP, les sciences physiques et naturelles, les sciences de l’information et des données, les archives et les dossiers, les méthodes analytiques, la cyberinfrastructure, le calcul, ainsi que les sciences humaines et sociales. L’invitation prévoyait au départ un groupe plus restreint d’environ 25-30 personnes, mais la participation finale a été plus importante. AARO — document d’atelier
L’atelier a intentionnellement protégé la vie privée des participants.
Les organisateurs ont obtenu l’approbation d’un Institutional Review Board régissant la collecte des données et la sécurité. Ils ont décidé de ne pas annoncer la réunion à l’avance, ont permis aux participants d’omettre les affiliations sur les badges nominatifs, ont interdit la photographie sans consentement et ont demandé aux personnes présentes de n’attribuer aucun propos sans autorisation. Les discussions en sous-groupe pouvaient être enregistrées aux fins de transcription, mais les informations identifiantes devaient être retirées et les enregistrements détruits après transcription et vérification.
Cette conception a un objet raisonnable. Les UAP demeurent un sujet professionnellement controversé, et les organisateurs ont explicitement souhaité que des participants aux vues divergentes s’expriment sans craindre que des remarques individuelles leur soient publiquement attachées. Elle crée aussi une limite d’évaluation.
La synthèse publiée ne fournit pas une liste complète de participants nommés, ni assez d’information pour qu’un lecteur extérieur puisse évaluer l’équilibre des disciplines, des affiliations institutionnelles ou des positions antérieures représentées dans chaque discussion. On peut établir que des communautés gouvernementales, universitaires et de recherche indépendante étaient présentes, et que certaines organisations participantes se sont ensuite identifiées publiquement. La Society for UAP Studies, par exemple, a indiqué qu’elle y a participé aux côtés d’organisations comprenant la Scientific Coalition for UAP Studies, le National UFO Reporting Center et le National UFO Historical Records Center. Society for UAP Studies — participation à l’atelier
Cette information aide à établir l’étendue. Elle ne permet pas de traiter l’atelier comme une enquête représentative de l’ensemble de la communauté scientifique.
Atelier antérieur
L’événement de 2025 n’est pas apparu isolément.
Son invitation indique que l’atelier s’appuyait sur une réunion de 2024 intitulée Unidentified Anomalous Phenomena (UAP): A Dialogue on Science, Public Engagement and Communication. Cet atelier antérieur a été financé dans le cadre d’un projet ASTRO ACCEL soutenu par la National Science Foundation et s’est tenu du 15 au 17 mai 2024 dans la région de Washington, D.C. Résumé exécutif de l’atelier UAP 2024 — Zenodo
L’événement antérieur a porté davantage sur la communication scientifique, l’engagement du public et l’environnement social entourant la recherche sur les UAP.
Son résumé exécutif a identifié un besoin de meilleure communication, de coopération interdisciplinaire et de mécanismes améliorés pour recueillir et interpréter l’information. L’AUI a ensuite décrit des outils et techniques avancés de collecte et d’analyse des données comme l’une des recommandations importantes issues des travaux de 2024. AUI — déclaration de publication 2026
L’atelier de 2025 peut donc être compris comme une continuation méthodologique. Le sujet est passé de la façon dont la science et le public devraient communiquer au sujet des UAP vers la façon dont les signalements eux-mêmes devraient être structurés, reliés et analysés. Le financement et le parrainage ont aussi changé. L’atelier de 2024 a été soutenu par un financement de la NSF. L’atelier 2025 sur les données narratives a été parrainé par l’AARO. Cette distinction doit être préservée. Le document de 2025 n’est pas un rapport de la NSF, même s’il est en partie issu d’un effort antérieur soutenu par la NSF.
Récit et mesure
L’une des contributions les plus solides du document est la distinction qu’il établit implicitement entre la valeur d’un récit de témoin et les grandeurs physiques qui peuvent légitimement en être dérivées. Les signalements narratifs sont souvent le point de départ de l’enquête sur les UAP.
Un pilote peut décrire l’apparence, le mouvement, la durée et le comportement apparent d’un objet. Un journal militaire peut consigner où une unité opérait et quand un événement s’est produit. Une histoire orale peut identifier d’autres témoins ou d’autres systèmes qui auraient pu produire des dossiers corroborants.
Ce sont des fonctions d’enquête précieuses. Un récit seul n’établit pas nécessairement la distance physique, la taille, la vitesse ou l’accélération.
Les améliorations de signalement proposées par l’atelier reflètent directement ce problème. Les participants ont recommandé de demander aux témoins comment ils ont estimé la distance, la taille ou la vitesse, plutôt que de traiter ces valeurs comme des grandeurs intrinsèquement mesurées. Ils ont aussi recommandé de formuler les questions autour de ce qui a été perçu — taille angulaire, forme, mouvement, son ou effets — plutôt que de forcer un déclarant à affirmer une propriété physique exacte qu’il peut ne pas réellement connaître. AARO — document d’atelier
Cela a une importance scientifique.
Un objet qui paraît se déplacer rapidement dans le ciel peut être proche et lent, lointain et rapide, ou affecté par le mouvement de l’observateur. Sans portée, géométrie en ligne de visée et chronométrage, le mouvement angulaire apparent ne peut pas être traduit avec confiance en vitesse linéaire.
Le document traite donc les données narratives principalement comme une source d’affirmations observationnelles et de pistes d’enquête, et non comme un substitut aux mesures de capteurs étalonnées. C’est une position plus rigoureuse que de rejeter le témoignage comme sans valeur ou d’accepter la cinématique signalée pour argent comptant.
Métadonnées
L’atelier identifie à plusieurs reprises les métadonnées manquantes comme une faiblesse centrale des ensembles de données d’UAP existants.
Au minimum, un signalement utile devrait idéalement conserver l’heure, la date et le lieu avec assez de précision pour permettre une corrélation externe. Selon le type d’éléments, d’autres champs peuvent comprendre la morphologie, la durée, le nombre d’objets, la position de l’observateur, le type de capteur, la bande de fréquence, l’état de la plateforme, les conditions météorologiques et le contexte du témoin. AARO — document d’atelier
Un accent particulier est mis sur la provenance. Pour une image ou une vidéo, les enquêteurs doivent savoir d’où vient le fichier, quel appareil l’a créé, si les métadonnées intégrées demeurent intactes, si le fichier a été modifié et comment il a circulé entre des personnes ou des systèmes avant l’analyse. Il ne s’agit pas d’un détail administratif.
Un fichier visuel sans provenance peut se détacher de l’information même nécessaire pour l’interpréter. La compression, le recadrage, le réencodage, le traitement au ralenti ou l’amélioration peuvent modifier la morphologie et le mouvement apparents. Un horodatage copié manuellement peut être erroné. Un lieu ajouté plus tard peut refléter la mémoire plutôt que les métadonnées du capteur.
L’accent mis par l’atelier sur la conservation des fichiers sources et l’ingestion automatique des métadonnées photographiques est donc l’une de ses recommandations les plus importantes sur le plan pratique.
Les publications vidéo publiques de l’AARO en 2026 illustrent le même problème. Le bureau distingue à plusieurs reprises ce qui peut être décrit visuellement de ce qui peut être conclu analytiquement, et note lorsque les médias ont été altérés numériquement ou manquent d’une provenance complète. AARO — UAP Report Documents
Le document d’atelier fournit l’explication, au niveau de l’infrastructure, des raisons pour lesquelles ces réserves importent.
Classes de métadonnées
Une distinction particulièrement utile du rapport est celle entre métadonnées descriptives et interprétatives. Les métadonnées descriptives concernent une information qui peut être consignée de façon comparativement directe : heure, lieu, forme apparente, nombre d’objets, position du capteur ou bande de fréquence. Les métadonnées interprétatives concernent le sens attribué à une expérience : si un objet a paru réactif, si un témoin a cru qu’il y avait des effets physiques, ou comment un événement a été vécu. Les deux types ne doivent pas être confondus. Une description telle que “a light moved from left to right over approximately ten seconds” est différente de “the object reacted intelligently to my aircraft.” La seconde affirmation peut être importante et mériter d’être conservée, mais elle contient une inférence sur la causalité ou l’intention.
La recommandation de l’atelier de préserver la richesse narrative aux côtés de données structurées est utile précisément parce qu’elle évite de forcer un type dans l’autre. Une base de données purement quantitative peut effacer des détails qui se révèlent plus tard pertinents. Une archive purement narrative rend la comparaison et l’analyse statistique extrêmement difficiles. La solution proposée est de conserver les deux.
Contexte indépendant
Le document affirme à plusieurs reprises que les éléments narratifs deviennent plus utiles lorsqu’ils peuvent être reliés à d’autres ensembles de données.
Parmi les sources suggérées figurent le matériau de la Federal Aviation Administration et du NASA Aviation Safety Reporting System, les pistes de vol Automatic Dependent Surveillance-Broadcast, le radar météorologique, les bases de données astronomiques, les réseaux de bolides, l’imagerie satellitaire, les données sismologiques, la vidéosurveillance et même les caméras de sonnette. AARO — document d’atelier
Cette recommandation a des conséquences probatoires directes. Supposons qu’un témoin signale un objet lumineux se déplaçant lentement près de l’horizon.
Un horodatage et des coordonnées permettent aux enquêteurs de vérifier si un aéronef connu occupait cette ligne de visée, si un éclat satellitaire était visible, si un météore ou un bolide a été enregistré, si des ballons météorologiques étaient présents ou si une autre caméra a capturé le même événement.
Sans ces liens, le signalement peut demeurer non résolu, parce que le contexte nécessaire pour tester des explications ordinaires disparaît avec le temps. La corroboration peut aussi renforcer des cas inhabituels. Si plusieurs sources indépendantes enregistrent le même événement et que leurs mesures sont mutuellement cohérentes, les explications fondées sur une seule erreur de témoin ou un seul artefact de capteur deviennent moins probables. Le document traite donc la corroboration plutôt que la réputation comme la voie la plus défendable vers une crédibilité probatoire. C’est un principe important pour la recherche sur les UAP.
Observateurs professionnels
L’atelier décrit les signalements militaires et les journaux de bord comme des sources particulièrement robustes, parce qu’ils peuvent contenir une information structurée sur les plateformes, les pilotes et les opérations. Il met simultanément en garde contre l’attribution d’un poids automatique excessif à certaines professions.
Les participants ont noté que les pilotes, le personnel de police et le personnel militaire peuvent avoir une formation d’observation utile, mais qu’un système d’analyse peut devenir biaisé si le statut professionnel est utilisé comme indicateur de la qualité des cas, sans égard aux données réellement recueillies. AARO — document d’atelier
C’est un point subtil mais important. Un pilote expérimenté peut être meilleur qu’un observateur non formé pour reconnaître le comportement des aéronefs, les relations d’altitude ou les phénomènes de poste de pilotage. Cela ne donne pas au pilote une portée exacte jusqu’à un objet lointain inconnu, à moins que la portée n’ait effectivement été mesurée. L’expertise est pertinente pour l’évaluation des témoins, mais elle ne transforme pas une estimation en instrumentation. Les systèmes de triage proposés par l’atelier tentent donc de combiner les caractéristiques des témoins avec la richesse des données et la corroboration indépendante, plutôt que de s’appuyer uniquement sur la profession.
Archives historiques
Le document recommande la poursuite de la conservation et de la numérisation des signalements historiques d’UAP. Cela importe, parce que l’atelier n’a pas plaidé pour l’abandon des anciens cas au seul motif qu’une collecte de données moderne pourrait être meilleure. Les dossiers historiques peuvent révéler des motifs de signalement, identifier des témoins, documenter l’activité gouvernementale et, parfois, conserver un matériau technique encore analysable des décennies plus tard. Le rapport est toutefois réaliste sur les problèmes.
Le matériau plus ancien peut être manuscrit, mal indexé, stocké dans des formats incompatibles ou privé d’information contextuelle. La reconnaissance optique de caractères peine avec l’écriture cursive. La transcription participative peut introduire des erreurs. La traduction peut fausser le sens. Des défaillances de conservation peuvent supprimer entièrement des dossiers critiques.
Le document cite la perte bien connue de certaines données associées aux rencontres de Nimitz de 2004 comme exemple des raisons pour lesquelles la conservation importe. AARO — document d’atelier La recommandation est donc double. Privilégier une meilleure collecte contemporaine, parce que les enquêteurs peuvent encore contrôler ce qui est enregistré. Préserver le matériau plus ancien, parce que l’information qui existe déjà peut contenir une valeur historique unique. Cela évite deux erreurs opposées : s’attendre à ce que des signalements historiques fragmentaires satisfassent aux normes scientifiques modernes, ou les écarter parce qu’ils n’y satisfont pas.
Limites de l’IA
L’intelligence artificielle reçoit un traitement exceptionnellement détaillé. L’atelier a identifié des usages légitimes de l’IA et de l’apprentissage automatique : transcription, extraction des dates et des lieux, recherche sémantique, regroupement, détection de motifs, comparaison multimodale et triage préliminaire des signalements. Ces applications sont attrayantes, parce que les archives d’UAP contiennent de grandes quantités de texte et de médias non structurés. Le document est tout aussi explicite sur les risques.
Les grands modèles de langage peuvent halluciner. Les données d’entraînement contiennent déjà des décennies de mythologie des UFO, de spéculation et d’affirmations répétées, ce qui peut biaiser les sorties des modèles. Des ensembles de données petits et non représentatifs peuvent rendre un entraînement spécialisé peu fiable. L’IA générative peut aussi créer de fausses images, de fausses vidéos et de faux signalements textuels qui contaminent les ensembles de données futurs. AARO — document d’atelier
La recommandation qui en résulte est un modèle human-in-the-loop. L’IA peut proposer des champs structurés à partir de texte libre, filtrer de grands ensembles de signalements ou identifier des regroupements candidats. Des humains devraient vérifier l’extraction, inspecter le matériau source et conserver la responsabilité de l’interprétation contextuelle. C’est méthodologiquement plus solide que de traiter l’IA comme un détecteur automatisé d’UAP. Un modèle de langage peut identifier qu’un récit contient la phrase “rapid acceleration.” Il ne peut pas déterminer qu’une accélération physique s’est produite, à moins que les éléments sous-jacents n’appuient l’affirmation.
Qualité des données
L’atelier résume une limitation avec netteté : l’analyse par IA demeure dépendante de la qualité des données d’entrée. Cela est particulièrement pertinent pour les bases de données historiques d’UAP. Si plusieurs sites web reproduisent la même anecdote originale, un algorithme peut prendre la répétition pour une corroboration indépendante, à moins que la dépendance des sources ne soit suivie. Si la date d’un signalement est erronée, une corrélation croisée avec des données de vol ou d’astronomie peut produire un faux négatif. Si une image à basse résolution a été améliorée à plusieurs reprises, un modèle de vision par ordinateur peut classer des artefacts de traitement comme des caractéristiques physiques. Si un ensemble de données contient surtout des signalements spectaculaires parce que les observations banales n’ont pas été soumises, les motifs statistiques hériteront de ce biais de sélection. L’IA ne corrige pas automatiquement ces problèmes. À l’échelle, elle peut les amplifier.
L’accent mis par l’atelier sur la provenance, les schémas communs de métadonnées et la conservation des sources est donc une condition préalable aux recommandations sur l’IA, plutôt qu’un sujet distinct.
Taxonomies
L’atelier propose une taxonomie concise de formes signalées familières telles que le disque, la sphère et le triangle, tout en conservant un champ ouvert “other”. L’objet en est pratique.
Les catégories structurées permettent aux analystes de comparer les signalements entre bases de données. Si une archive utilise “orb,” une autre “sphere,” et une autre “round light,” un dictionnaire de données peut aider à déterminer quand ces catégories doivent être considérées comme équivalentes et quand elles doivent demeurer distinctes.
Il existe néanmoins un risque méthodologique. Les taxonomies peuvent influencer ce que les témoins signalent.
Si un formulaire propose de façon proéminente “triangle,” “disk” et “cigar,” les déclarants peuvent choisir la catégorie familière la plus proche plutôt que de décrire une forme inhabituelle dans leurs propres mots. Une fois codé, ce choix peut ensuite apparaître comme un élément indiquant qu’une “triangle class” stable existe.
L’atelier traite en partie cette question en recommandant que le récit libre soit recueilli avant l’extraction structurée, et que des formes inhabituelles restent disponibles par le texte libre. Cet ordre est important. Une taxonomie devrait organiser les observations après la collecte, plutôt que de les fabriquer pendant la collecte.
Valeurs inconnues
Une autre recommandation solide concerne la façon dont les formulaires traitent le savoir manquant. L’atelier propose des options “refuse to answer” ou équivalentes, plutôt que de forcer les témoins à fournir des valeurs qu’ils ne connaissent pas. C’est une petite caractéristique de conception aux conséquences analytiques importantes. Un témoin qui ne peut pas estimer la distance peut autrement deviner, parce que le formulaire exige un nombre. Cette précision fabriquée peut ensuite entrer dans l’analyse statistique comme s’il s’agissait d’une observation. Le même problème s’applique à la taille exacte, à l’altitude, à la vitesse et à l’heure. Une bonne infrastructure de données doit donc conserver l’incertitude comme donnée. Une valeur inconnue est souvent plus utile scientifiquement qu’une estimation d’apparence confiante inventée pour satisfaire un champ obligatoire.
Ce principe s’accorde étroitement avec la façon dont la FAQ actuelle de l’AARO décrit une information utile sur les UAP : les métadonnées, l’imagerie à plus haute résolution et l’information radiofréquence mesurée, avec le lieu et les horodatages, sont précieuses précisément parce qu’elles remplacent la conjecture par des grandeurs enregistrées. AARO — Frequently Asked Questions
Classification et interopérabilité
La classification demeure l’un des problèmes les plus difficiles du document.
Les observations militaires d’UAP peuvent être captées par des capteurs classifiés. La classification peut s’attacher non parce que l’objet observé est extraordinaire, mais parce que révéler les capacités, le lieu ou la mission du capteur exposerait une information sensible.
Cela crée une barrière analytique.
Des chercheurs civils peuvent posséder des données météorologiques ou astronomiques pertinentes, mais n’avoir pas accès à l’observation militaire. Des analystes gouvernementaux peuvent posséder des dossiers de capteurs classifiés, mais avoir du mal à partager assez de détails pour une réplication externe.
L’atelier propose des infrastructures interopérables capables de relier l’information tout en respectant la classification, la confidentialité et les contraintes éthiques. Cela est plus facile à recommander qu’à mettre en œuvre. Le document ne précise pas une architecture technique achevée capable de relier des systèmes classifiés et non classifiés. Il recommande plutôt des projets d’intégration à l’échelle pilote, des dictionnaires de données, des normes de métadonnées modulaires, des documents de contrôle d’interface, des API et des structures de gouvernance. Ce sont des points de départ pratiques plutôt qu’une solution complète. La portée de la recommandation est que l’architecture de l’information elle-même est traitée comme une part du problème scientifique.
Traitement des dossiers de l’AARO
Le document d’atelier devient plus utile lorsqu’on le compare aux rapports annuels de l’AARO.
Le rapport FY2025 de l’AARO indique qu’un manque de données de capteurs opportunes et exploitables continue de restreindre la résolution des cas. Il affirme que le bureau a travaillé avec des partenaires militaires et techniques pour définir les exigences optimales en matière de capteurs, les processus d’échange d’information et les éléments essentiels nécessaires à un signalement d’UAP de haute qualité. AARO — FY2025 Consolidated Annual Report
Le même rapport annuel fournit un exemple utile de ce que les données narratives peuvent et ne peuvent pas faire.
L’AARO indique que les signalements de pilotes civils issus de la FAA sont moins riches en données que de nombreux rapports du Département de la Guerre, mais qu’ils peuvent encore contenir assez de détail narratif pour appuyer des évaluations de haute confiance, en particulier lorsque les descriptions correspondent à des éclats satellitaires.
Inversement, l’AARO signale recevoir des récits concernant des phénomènes près d’infrastructures sensibles dont les caractéristiques alléguées, si elles étaient validées, pourraient dépasser les performances connues. Ces signalements n’étaient pas accompagnés de données techniques, ce qui empêchait d’établir les performances alléguées. AARO — FY2025 Annual Report
Cela correspond étroitement à la position méthodologique de l’atelier. Les éléments narratifs peuvent parfois suffire à identifier un phénomène familier. Les éléments narratifs sont beaucoup moins en mesure d’étayer des performances physiques extraordinaires sans corroboration technique.
Normes existantes
Le document ne doit pas être interprété comme si l’AARO n’avait pas de structure de signalement avant 2025.
Le rapport annuel FY2023 indique que l’AARO, en collaboration avec le Joint Staff et des composantes du Department of Defense, avait déjà dirigé l’élaboration de normes de signalement des UAP et s’employait à améliorer la qualité des données provenant de sources militaires. AARO — FY2023 Consolidated Annual Report
L’AARO a aussi publié en 2023 un guide détaillé de l’utilisateur pour son mécanisme autorisé de signalement historique de programme, tandis que le signalement militaire opérationnel procédait par des instructions classifiées distinctes. AARO — UAP Program Report User Guide
L’atelier de 2025 représente donc un élargissement du problème de données plutôt que sa découverte. Le signalement opérationnel militaire peut être normalisé en interne. Le problème plus difficile est de relier les signalements militaires aux archives historiques, aux récits civils, aux données de capteurs scientifiques et aux bases de données de recherche indépendantes créées sous des schémas différents. L’atelier était axé sur cet écosystème plus vaste.
Position institutionnelle
Le parrainage de l’atelier devrait être reconnu lors de l’évaluation du document. L’AARO a financé la réunion, et le document final est présenté comme un document d’information de l’AARO. L’AUI et la FSU ont organisé l’événement et produit la synthèse. Cela rend le document hautement pertinent pour l’approche de recherche en développement de l’AARO. Cela signifie aussi que l’exercice ne devrait pas être présenté comme un audit externe indépendant des pratiques de données existantes de l’AARO. Les participants ont pu critiquer des obstacles et des lacunes, et le document en reconnaît clairement un grand nombre. Mais l’atelier a été conçu en collaboration avec l’organisation dont il était destiné à soutenir la mission. Cette distinction est semblable à celle d’autres ateliers techniques parrainés par le gouvernement.
Le produit peut contenir une analyse scientifique sérieuse sans posséder la même indépendance qu’une étude commandée spécifiquement pour auditer l’exécution d’un programme. Dans sa propre publication, l’AUI décrit le rapport comme une collaboration entre l’AARO, l’AUI et la FSU, plutôt que comme un verdict indépendant sur l’AARO. AUI — publication du rapport
Limites probatoires
Le document est exceptionnellement facile à surinterpréter, parce qu’il emploie un langage associé à la recherche scientifique, à l’IA et à l’analyse de données à grande échelle. Ses recommandations ne démontrent pas que des motifs statistiques ont déjà été trouvés dans les récits d’UAP. Elles n’établissent pas que les catégories morphologiques historiques correspondent à des engins physiques distincts. Elles n’établissent pas que l’IA peut distinguer de façon fiable les signalements anomaux des signalements conventionnels. Elles ne valident pas l’authenticité des bases de données tenues par des organisations indépendantes d’UAP du seul fait que ces sources ont été discutées. Elles ne montrent pas que des signalements narratifs peuvent établir une cinématique extraordinaire sans données de capteurs. Le document est une feuille de route pour rendre ces questions plus vérifiables. C’est une contribution significative, sans être une découverte.
État de la mise en œuvre
La question la plus importante après la publication est de savoir si les recommandations ont été mises en œuvre. Le dossier public montre un alignement partiel, plutôt qu’un programme d’exécution complet clairement identifiable.
Le rapport annuel FY2025 de l’AARO, publié en juillet 2026, indique que le bureau continue d’affiner les processus et d’adopter de nouveaux outils d’analyse. Il décrit une modélisation tridimensionnelle utilisée pour résoudre un grand nombre de signalements d’éclats satellitaires, ainsi que la poursuite des travaux visant à améliorer les exigences en matière de capteurs et le partage d’information. AARO — FY2025 Annual Report
Le site public de l’AARO fournit aussi désormais nettement plus de rapports de mission, d’images et de vidéos qu’il n’en était disponible au moment de l’atelier. Le bureau publie fréquemment des descriptions narratives contextuelles aux côtés des médias et distingue avec soin la description de la conclusion d’enquête. AARO — UAP Report Documents
Ces développements concordent avec une partie de l’accent mis par l’atelier sur la conservation et la contextualisation. Ils n’établissent pas qu’un schéma commun de métadonnées interorganisations, une infrastructure de données civilo-militaire intégrée ou une API publique de données narratives aient été mis en place.
Au 26 août 2026, l’index public des documents d’information de l’AARO n’identifie pas un rapport de suivi sur la mise en œuvre documentant spécifiquement l’achèvement des modèles de métadonnées, des projets pilotes d’interopérabilité ou du cadre de gouvernance de l’IA recommandés par l’atelier. AARO — UAP Records/Information Papers
Le document devrait donc encore être traité principalement comme un document de recommandation.
Importance historique
Le document marque un déplacement important dans le débat institutionnel sur les UAP. Les programmes gouvernementaux antérieurs étaient souvent axés principalement sur la résolution de signalements individuels. L’atelier de 2025 pose une question plus fondamentale : à quoi le système de données doit-il ressembler avant que l’on puisse se fier à une analyse d’UAP à grande échelle ? Ce déplacement importe.
Un programme de résolution de cas peut rencontrer à plusieurs reprises les mêmes faiblesses sans en corriger la source. Si l’on ne pose pas aux observateurs les bonnes questions, si les fichiers de capteurs perdent leur provenance, si les archives ne peuvent pas communiquer, si la terminologie est incohérente et si des systèmes d’IA sont entraînés sur un matériau dupliqué ou culturellement biaisé, alors davantage d’analyse peut simplement reproduire la même incertitude plus efficacement.
L’atelier traite ces faiblesses comme des problèmes de recherche à part entière. Il fait aussi entrer les sciences de l’information, les études d’archives et les méthodes de sciences sociales dans un champ habituellement dominé par l’aviation, la physique et le renseignement. Cet élargissement interdisciplinaire est approprié, parce qu’une grande partie du problème des UAP n’est pas d’abord un problème de physique. Avant qu’un physicien puisse calculer une accélération, quelqu’un doit conserver l’horodatage, la portée et la géométrie du capteur. Avant qu’un statisticien puisse identifier un regroupement, quelqu’un doit déterminer si des signalements répétés sont indépendants. Avant qu’un système d’IA puisse classer un récit, quelqu’un doit définir la taxonomie et conserver le texte original. L’atelier de 2025 rend ces dépendances explicites. Historiquement, cela peut s’avérer plus important que n’importe quel outil d’IA ou formulaire de signalement proposé.
Il recadre la recherche sur les UAP comme un problème d’infrastructure des éléments avant qu’elle ne devienne un problème d’explication.
Évaluation des éléments
Le document d’atelier 2025 sur les données narratives est l’un des documents publics les plus utiles sur le plan méthodologique de l’AARO, parce qu’il traite des faiblesses qui peuvent fausser la recherche sur les UAP, indépendamment de ce que les phénomènes sous-jacents s’avèrent finalement être.
De mauvais horodatages sont un problème, qu’un objet soit un satellite ou véritablement anomal. Une provenance manquante est un problème, qu’une image représente un ballon ou un aéronef inconnu. Le biais de sélection est un problème, qu’un ensemble de données contienne finalement zéro cas extraordinaire ou plusieurs. L’hallucination par l’IA et le dédoublement des sources peuvent générer de faux motifs sous n’importe quelle hypothèse. Le document apporte donc quelque chose de plus durable qu’une affirmation sur un cas. Ses recommandations les plus solides concernent la façon dont les éléments devraient être conservés avant que l’interprétation ne commence. Le récit libre devrait être conservé, parce que des catégories structurées peuvent effacer des détails inhabituels. Des métadonnées structurées devraient être ajoutées, parce que le narratif seul est difficile à comparer. L’incertitude devrait être enregistrée plutôt que remplacée par une précision conjecturée.
Des données contextuelles indépendantes devraient être reliées chaque fois que possible. Les médias originaux et la provenance devraient être conservés. Les méthodes automatisées devraient aider les analystes humains plutôt que de remplacer le jugement probatoire. Ces principes sont conformes aux pratiques générales de la science et de la gestion de l’information. Les limites du document sont tout aussi importantes.
Il s’agit de la synthèse d’un atelier délibérément petit et sélectif, plutôt que d’une étude empirique évaluée par les pairs. La composition complète des participants et les délibérations anonymisées sous-jacentes ne sont pas disponibles pour une analyse indépendante. Le rapport ne teste pas si l’infrastructure proposée améliore effectivement l’exactitude de la classification des UAP. Il ne précise pas non plus de repères quantitatifs permettant de juger d’une mise en œuvre future.
L’importance pratique du document dépend donc de ce qui se produit ensuite. Un schéma commun n’est utile que si les systèmes de signalement l’adoptent. Les normes de provenance n’importent que si les fichiers originaux sont effectivement conservés. Les garanties relatives à l’IA n’importent que si l’analyse automatisée est évaluée par rapport à des cas connus et si les taux d’erreur sont mesurés. L’interopérabilité n’importe que si les obstacles juridiques, de sécurité et techniques peuvent être surmontés suffisamment pour que les ensembles de données soient reliés. En août 2026, le dossier public montre que l’AARO continue d’améliorer les outils de signalement et d’analyse, mais il ne démontre pas encore une mise en œuvre complète de l’écosystème de données proposé par l’atelier. L’évaluation appropriée est donc positive, mais limitée. Le document d’atelier ne résout pas les UAP.
Il fournit une description comparativement crédible des raisons pour lesquelles les éléments disponibles échouent si souvent à appuyer des conclusions confiantes — et de ce qu’il faudrait changer pour que la recherche future devienne plus scientifiquement informative.
Bibliothèque de sources
AARO — 2025 UAP Workshop: Narrative Data, Infrastructures, and Analysis
La source principale de cette analyse approfondie. Le document de 17 pages contient la méthodologie de l’atelier, les résumés de discussion, la synthèse, les recommandations, l’invitation, les règles de conduite, l’ordre du jour et les consignes des sous-groupes. Il établit la participation de 40 personnes, l’accent mis sur les données narratives, les recommandations relatives aux métadonnées et à la provenance, le flux de travail humain-IA proposé et les limites identifiées dans les systèmes de données d’UAP actuels.
Lire le document d’atelier officiel de l’AARO
AARO — UAP Records / Information Papers
L’index de publication déterminant de l’AARO pour le document. Il inscrit le document d’atelier comme nouveau contenu ajouté le 13 février 2026, ce qui corrige des résumés chronologiques ultérieurs qui placent sa publication initiale en juillet.
Voir l’index UAP Records de l’AARO
Associated Universities, Inc. — “AARO Releases Report on Unidentified Anomalous Phenomena (UAP),” 19 février 2026
Déclaration de l’organisateur principal décrivant la collaboration entre l’AARO, l’AUI et Florida State University, et reliant l’atelier de 2025 à l’effort antérieur de 2024 financé par la NSF. Utile pour établir la relation organisationnelle et l’accent mis sur une collecte, une normalisation et une analyse rigoureuses des données.
Lire le communiqué de l’AUI
Résumé exécutif de l’atelier UAP 2024 — Unidentified Anomalous Phenomena: A Dialogue on Science, Public Engagement and Communication
Résumé principal de l’atelier déposé sur Zenodo par les organisateurs. Documente la réunion prédécesseur soutenue par la NSF en mai 2024 et son accent sur la communication scientifique, l’engagement du public et la recherche interdisciplinaire sur les UAP.
Lire le résumé exécutif de l’atelier 2024
Florida State University — note de faculté et de personnel, juin 2024
Dossier universitaire contemporain confirmant que Gretchen Stahlman, de la FSU, a codirigé l’atelier UAP 2024 dans la région de Washington, D.C., avec le soutien de la National Science Foundation.
Lire le dossier de la FSU
Society for UAP Studies — participation à l’atelier d’août 2025
Compte rendu d’une organisation participante identifiant sa participation et plusieurs autres organisations de recherche indépendantes représentées à l’atelier. Utile pour ajouter une visibilité limitée à une liste de participants que le document officiel anonymise intentionnellement. Il s’agit d’une source de position de participant, plutôt que d’une évaluation indépendante des constatations de l’atelier.
Lire le compte rendu d’atelier de la SUAPS
AARO — Fiscal Year 2025 Consolidated Annual Report on UAP
Éléments de suivi importants pour évaluer l’atelier par rapport au travail opérationnel de l’AARO. Le rapport indique que l’insuffisance de données de capteurs opportunes et exploitables continue de restreindre la résolution, tout en décrivant des améliorations des exigences en matière de capteurs, de l’échange d’information et de la modélisation analytique. Il montre aussi les circonstances dans lesquelles des signalements narratifs peuvent appuyer une attribution conventionnelle, et celles dans lesquelles des affirmations narratives d’apparence extraordinaire demeurent non validées sans données techniques.
Lire le rapport annuel FY2025 de l’AARO
AARO — Fiscal Year 2023 Consolidated Annual Report on UAP
Éléments officiels antérieurs indiquant que l’AARO et le Joint Staff avaient déjà commencé à élaborer des normes opérationnelles de signalement des UAP avant l’atelier de 2025. Utile pour distinguer les recommandations plus larges de l’atelier sur l’infrastructure inter-ensembles de données de l’existence de procédures militaires préexistantes.
Lire le rapport annuel FY2023
AARO — U.S. Government UAP-Related Program/Activity Report User Guide
Lignes directrices de l’AARO de 2023 pour son mécanisme autorisé de signalement historique de programme. Montre que le bureau employait déjà des formulaires structurés et des règles d’admissibilité pour une catégorie d’éléments narratifs, tout en maintenant des procédures distinctes pour le signalement opérationnel actuel des UAP.
Lire le guide de l’utilisateur du signalement de l’AARO
AARO — Frequently Asked Questions / signalement d’UAP scientifiquement utile
Lignes directrices actuelles de l’AARO décrivant la valeur des métadonnées, de l’imagerie à plus haute résolution, des horodatages, du lieu et de l’information radiofréquence mesurée. Utile pour comparer les recommandations de l’atelier avec les orientations publiques actuelles du bureau sur les signalements utiles sur le plan probatoire.
Lire la FAQ de l’AARO
AARO — UAP Report Documents
Dépôt public actuel des rapports de mission, images et vidéos publiés par l’AARO. Particulièrement pertinent pour les préoccupations de l’atelier concernant la provenance, les descriptions contextuelles et la distinction entre le contenu observable d’une image et la conclusion analytique.
Parcourir les documents de rapport UAP de l’AARO
National Archives — téléchargements groupés UAP/UFO
L’infrastructure archivistique fédérale actuelle pour l’accès à grande échelle aux dossiers gouvernementaux historiques numérisés d’UAP/UFO. Pertinent pour la recommandation de l’atelier de conserver et de numériser le matériau historique, tandis que les nouveaux systèmes de signalement privilégient des données mieux structurées.
Parcourir les téléchargements groupés UAP/UFO de NARA