Le contrat de WindBorne avec l’Air Force transforme les données de ballons en infrastructure de défense

WindBorne a obtenu un contrat de l’Air Force plafonné à 48,7 millions de dollars, faisant de ses données issues de ballons autonomes un potentiel service de défense à long terme.

Le contrat entre WindBorne et l’Air Force ne constitue pas un paiement garanti de 48,7 millions de dollars. Il s’agit d’un véhicule de commande qui permet au service de demander des observations atmosphériques pour certaines régions et périodes. Environ 1,7 million de dollars a été engagé au titre de la première commande d’exécution.

Cette distinction crée la tension centrale. WindBorne a reçu un soutien significatif, mais l’Air Force doit encore passer suffisamment de commandes pour valider le modèle de l’entreprise fondé sur les données comme infrastructure.

L’accord place également WindBorne au cœur d’une compétition plus large autour de l’avenir de la prévision. Google DeepMind, ECMWF, NOAA et des entreprises météorologiques privées améliorent leurs modèles à un rythme inhabituel.

Le pari de WindBorne diffère sur un point important. L’entreprise contrôle à la fois un réseau d’observation et un système de prévision météorologique par IA. Elle veut que de meilleures mesures propriétaires deviennent un avantage durable, et pas simplement une fonctionnalité supplémentaire de modèle.

Ce que le contrat WindBorne–Air Force achète réellement

Le contrat donne à l’Air Force un accès flexible aux observations par ballon, tout en laissant non engagé l’essentiel de sa valeur annoncée.

L’Air Force a attribué le contrat le 29 septembre 2026. Son plafond annoncé est de 48,727 millions de dollars, et la période de commande s’étend jusqu’au 30 septembre 2033.

L’accord couvre des profils verticaux continus, mondiaux et ciblés, de la surface jusqu’à la stratosphère. Ces profils mesurent l’évolution des conditions atmosphériques avec l’altitude.

Cette vision verticale importe pour l’aviation et la planification militaire. La température, la pression, l’humidité et le vent peuvent varier fortement entre le sol et l’altitude opérationnelle d’un aéronef.

Selon les premiers reportages sur le contrat, l’Air Force peut demander des données de régions précises à des périodes déterminées. WindBorne recueille ensuite et fournit les observations requises.

Le service a initialement engagé 1 702 778 dollars issus de financements de recherche et développement. Cette commande satisfait l’achat minimum prévu au contrat, mais ne représente qu’une faible part du plafond.

Cette structure est connue sous le nom de contrat à livraisons indéfinies et quantités indéfinies. Elle fixe des conditions et une limite de dépenses sans obliger le gouvernement à utiliser l’intégralité du montant.

Le présenter comme une vente finalisée de 48,7 millions de dollars surestimerait donc la position de WindBorne. La question importante est de savoir à quelle fréquence les utilisateurs opérationnels demanderont des données supplémentaires avant 2033.

Le contrat a été attribué sans mise en concurrence par l’Air Force Life Cycle Management Center de la base aérienne de Hanscom. Le CTO de WindBorne, Andrey Sushko, a décrit cette décision comme une reconnaissance par le gouvernement de la capacité distinctive de collecte mondiale de l’entreprise.

Cette explication provient de WindBorne, et non d’une comparaison technique indépendante. L’avis public ne fournit pas d’évaluation détaillée des systèmes d’observation alternatifs.

L’attribution reste significative, car il s’agirait du plus important contrat de WindBorne. Elle fait passer la relation au-delà d’une petite expérimentation et ouvre la voie à des achats opérationnels répétés.

WindBorne a déjà collaboré avec l’Air Force, la Navy et le National Weather Service. Une attribution de l’Air Force à une petite entreprise en 2020 a financé une version antérieure de sa plateforme de détection à haute altitude.

Le nouvel accord modifie l’échelle et le modèle d’achat. Le gouvernement ne finance pas seulement le développement de ballons. Il peut désormais acheter des informations atmosphériques comme un service récurrent.

Ce changement compte pour l’économie de WindBorne. Un réseau de détection exige fabrication, opérations de lancement, communications, maintenance et logiciels avant que les clients ne reçoivent des données.

Un contrat de commande peut contribuer à soutenir ces coûts fixes à mesure que la demande se développe. Sushko a déclaré que ce véhicule soutiendrait l’expansion de la constellation et la recherche sur le matériel et les performances des ballons.

Toutefois, le gouvernement n’a pas communiqué le rythme de commande attendu. Il n’a pas non plus identifié les régions susceptibles de recevoir des observations ciblées.

Ces omissions sont compréhensibles pour un client de défense. Elles rendent également impossible l’estimation de la part du plafond contractuel qui deviendra un chiffre d’affaires comptabilisé.

Pour l’instant, la conclusion la plus solide est plus limitée. L’Air Force souhaite disposer d’une voie d’achat directe pour les données de ballons WindBorne et a financé la première commande.

Pourquoi les données de ballons restent importantes dans la course aux prévisions par IA

Des modèles d’IA plus rapides n’éliminent pas le problème de l’observation, car toute prévision utile commence encore par une estimation de l’état actuel de l’atmosphère.

Les modèles météorologiques ont besoin d’un état initial comprenant la température, le vent, l’humidité, la pression et d’autres variables. De petites erreurs dans cet état peuvent s’amplifier à mesure qu’une prévision progresse.

Les satellites offrent une large couverture, le radar capture d’importants schémas locaux et les aéronefs contribuent par des observations le long de leurs trajets. Les stations au sol ajoutent une autre couche essentielle.

Pourtant, ces systèmes ne remplacent pas entièrement les profils verticaux directs. Une radiosonde, un ensemble d’instruments transporté par un ballon, échantillonne les conditions en traversant différentes couches atmosphériques.

Les ballons météorologiques traditionnels restent essentiels à la prévision. Le National Weather Service les lance deux fois par jour depuis des sites désignés à travers les États-Unis.

Ces lancements laissent d’importantes lacunes géographiques et temporelles. Un exemple de terrain de la NOAA a décrit des prévisionnistes s’appuyant sur une station située à environ 200 miles lors de l’évaluation de phénomènes météorologiques violents locaux.

Les zones océaniques et les régions isolées posent un problème encore plus difficile. Les infrastructures de lancement permanentes y sont rares, tandis que les observations aériennes dépendent des itinéraires de vol et des horaires d’exploitation.

WindBorne tente de rendre les ballons persistants et mobiles. Ses Global Sounding Balloons restent en altitude pendant des semaines au lieu d’effectuer une seule ascension courte.

L’entreprise affirme que chaque appareil peut recueillir environ 50 profils verticaux contrôlés. Un ballon conventionnel produit généralement un seul profil pendant un vol d’environ deux heures.

Les ballons de WindBorne n’ont pas de moteurs. Ils modifient leur altitude pour entrer dans des couches de vent se déplaçant dans différentes directions, puis utilisent ces courants pour se déplacer horizontalement.

Les appareils peuvent évacuer du gaz porteur ou libérer du lest afin d’ajuster leur altitude. Un logiciel planifie ces mouvements à l’aide de prévisions des vents à différents niveaux.

Ce mécanisme n’offre pas un pilotage comparable à celui d’un aéronef. Un ballon dépend toujours des régimes de vent disponibles, et certaines destinations seront plus faciles à atteindre que d’autres.

L’échelle compense en partie ce contrôle limité. WindBorne exploitait environ 700 ballons dans le monde lorsque le contrat est devenu public, selon l’entreprise et TechCrunch.

Une grande constellation augmente la probabilité qu’un appareil approprié se trouve déjà près d’une région demandée. Elle permet également au réseau de recueillir des observations répétées au lieu de dépendre d’un seul lancement.

C’est l’intérêt pratique des données de ballons WindBorne. Le réseau peut placer des capteurs directs dans des zones où le système d’observation existant offre une couverture limitée.

L’Air Force a des raisons évidentes de s’intéresser à ces lacunes. La météo influence la planification des vols, la surveillance, la logistique, le ravitaillement, les communications et le déplacement de fumées ou de matières dangereuses.

Les conditions dans une région peuvent également influencer les prévisions ailleurs. Les systèmes atmosphériques se déplacent, interagissent et transportent l’incertitude au-delà des frontières nationales et des océans.

De meilleures observations peuvent donc améliorer davantage qu’une prévision locale. Elles peuvent affiner l’estimation de l’état mondial que les systèmes de prévision utilisent comme point de départ.

WindBorne affirme que ses observations alimentent déjà le Global Forecast System de la NOAA. Cette déclaration de l’entreprise indique une utilisation gouvernementale, mais ne quantifie pas l’amélioration des prévisions qui en résulte.

Le contrat fournit un signal d’adoption plus concret. L’Air Force paie pour accéder à des observations sélectionnées plutôt que de simplement examiner des résultats expérimentaux.

Toutefois, les observations brutes ne produisent pas automatiquement de meilleures décisions. Elles doivent arriver de manière fiable, passer des contrôles qualité et s’intégrer aux systèmes opérationnels de prévision.

Les militaires doivent également déterminer à quel moment des profils de ballons supplémentaires justifient leur coût. Ce calcul variera selon la région, la mission et la disponibilité d’autres capteurs.

Le contrat crée un mécanisme permettant de répondre à cette question par des commandes réelles. Il ne règle pas la réponse à l’avance.

Le véritable avantage de WindBorne réside dans sa boucle de données

WindBorne est en concurrence grâce à une boucle de données qui relie des observations propriétaires, des mises à jour de modèles, la navigation des ballons et de nouvelles mesures.

De nombreux développeurs de prévisions météorologiques par IA commencent avec des jeux de données historiques partagés. ERA5, la réanalyse largement utilisée d’ECMWF, reconstruit les conditions atmosphériques passées à partir d’observations et d’un système de prévision.

La réanalyse est précieuse pour l’entraînement, car elle fournit des champs mondiaux cohérents sur plusieurs décennies. Elle ne revient pas à recueillir aujourd’hui de nouvelles mesures dans des zones sous-échantillonnées.

WindBorne exploite à la fois Atlas, sa constellation de ballons, et WeatherMesh, sa plateforme de prévision. Cette association donne à l’entreprise une voie allant de la détection physique à la sortie du modèle.

WeatherMesh-6 utilise l’assimilation de données, le processus consistant à combiner des observations avec une estimation préalable des conditions atmosphériques. L’objectif est d’obtenir un meilleur état de départ pour chaque prévision.

WindBorne indique que son système encode directement les écarts entre les mesures de ballons et la prévision de référence. Ces différences indiquent au modèle où son estimation atmosphérique préalable était erronée.

L’entreprise indique également que WeatherMesh-6 ingère 11 types d’observations. Ses entrées incluent des instruments satellitaires, des sources conventionnelles et les propres mesures par ballon de l’entreprise.

WeatherMesh-6 génère des ensembles, c’est-à-dire plusieurs scénarios de prévision conçus pour représenter l’incertitude. Un ensemble est plus utile qu’une seule trajectoire déterministe lorsque les résultats restent instables.

WindBorne rapporte que le système mondial produit une nouvelle prévision chaque heure. De nouvelles observations sont intégrées à des mises à jour successives après les heures d’initialisation synoptiques standard.

L’entreprise affirme que les mises à jour ultérieures deviennent plus précises à mesure que les données actuelles arrivent. Sa description du modèle publiée compare favorablement le système à l’IFS fondé sur la physique d’ECMWF et à l’AIFS fondé sur l’apprentissage automatique.

Ces comparaisons appellent un langage prudent. WindBorne a choisi la méthodologie d’évaluation et a publié elle-même les résultats. Des tests opérationnels indépendants apporteraient des preuves plus solides selon les régions et les régimes météorologiques.

L’architecture du modèle explique néanmoins pourquoi le réseau de ballons pourrait être important. Si Atlas recueille un profil rare, WeatherMesh peut intégrer cette information dans son estimation des conditions actuelles.

Une meilleure estimation peut améliorer la prévision suivante. Cette prévision peut aider à planifier les changements d’altitude des ballons, en positionnant les appareils pour de nouvelles mesures.

Il en résulte une boucle de rétroaction :

• Atlas mesure l’atmosphère dans des endroits disposant de peu d’observations.

• WeatherMesh assimile ces mesures dans un état atmosphérique mis à jour.

• Les vents prévus guident les ballons vers des zones de collecte utiles.

• De nouveaux profils révèlent des erreurs et améliorent les mises à jour ultérieures du modèle.

Cette concurrence est au cœur du contrat de l’Air Force attribué à WindBorne. WindBorne parie que des observations privées intégrées surpasseront une stratégie fondée uniquement sur des modèles.

Google DeepMind constitue le point de comparaison le plus clair. Ses systèmes météorologiques ont obtenu de bons résultats pour les cyclones, tout en s’appuyant principalement sur des jeux de données et des pipelines d’observation établis.

Google a lancé Weather Lab afin de partager des prévisions expérimentales avec le National Hurricane Center. Ses recherches sur les cyclones ont montré comment des modèles avancés peuvent améliorer les prévisions de trajectoire et d’intensité sans posséder une flotte mondiale de ballons.

L’ECMWF fait également progresser les systèmes fondés à la fois sur la physique et sur l’apprentissage automatique. Son AIFS est devenu opérationnel en 2025, tandis que son IFS établi continue de recevoir des améliorations scientifiques.

Ces organisations ne sont pas des substituts directs à chacun des produits de WindBorne. Google développe des modèles et des plateformes de recherche, tandis que l’ECMWF exploite une infrastructure publique de prévision.

Elles se disputent néanmoins la crédibilité des prévisions. Si les observations largement accessibles et les modèles plus vastes continuent de s’améliorer rapidement, WindBorne devra démontrer que ses profils propriétaires apportent une valeur distincte.

À l’inverse, les améliorations des modèles peuvent accroître la valeur de données uniques. À mesure que les architectures convergent, des observations différenciées en temps réel pourraient devenir un avantage plus difficile à reproduire.

Le financement d’août de WindBorne reflète cette thèse. L’entreprise a levé 37 millions de dollars lors d’un tour de série B, portant son financement total déclaré au-delà de 62 millions de dollars.

Khosla Ventures et Galvanize ont codirigé le tour. WindBorne a indiqué avoir triplé à la fois son chiffre d’affaires et la taille de sa constellation de ballons au cours de l’année précédente.

Ces chiffres sont déclarés par l’entreprise. Cette société privée ne publie pas les états financiers détaillés nécessaires pour évaluer la concentration de sa clientèle ou ses coûts d’exploitation.

Néanmoins, le financement et le contrat vont dans le même sens. Les investisseurs et l’Air Force soutiennent une entreprise de données météorologiques verticalement intégrée, et pas seulement une interface de prévision supplémentaire.

Le plafond de 48,7 millions de dollars n’élimine pas les risques majeurs

WindBorne doit prouver la fiabilité de ses livraisons, des gains de prévision indépendamment vérifiés et une demande publique récurrente avant que le plafond du contrat ne devienne une réussite opérationnelle.

Le premier risque concerne l’interprétation financière. Environ 1,7 million de dollars seulement a été engagé lors de l’attribution, tandis que le reste dépend de futurs ordres de mission.

Un plafond fixe la dépense potentielle maximale. Il ne constitue ni une prévision, ni une garantie, ni un montant de carnet de commandes, ni la promesse que le gouvernement utilisera tous les services disponibles.

Les commandes futures fourniront le signal de demande le plus clair. Leur calendrier et leur montant montreront si l’Air Force considère les données de WindBorne comme nécessaires de manière régulière.

Le deuxième risque porte sur la validation. WindBorne avance des affirmations ambitieuses concernant WeatherMesh-6, notamment des comparaisons favorables de précision avec des systèmes opérationnels de premier plan.

Ses documents de référence décrivent un ensemble de 128 membres et des performances sur de nombreuses variables et horizons de prévision. Toutefois, des benchmarks contrôlés par l’entreprise ne peuvent répondre à toutes les questions.

Les performances météorologiques varient selon la géographie, la saison, la variable, l’altitude et le type d’événement. Un modèle performant en moyenne peut néanmoins éprouver des difficultés lors d’extrêmes rares.

Les utilisateurs de prévisions accordent également de l’importance à la calibration. Un système doit attribuer des probabilités pertinentes, et pas seulement minimiser l’erreur moyenne de sa prévision centrale.

Les travaux de l’ECMWF illustrent la charge opérationnelle. Son évaluation de la prévision met l’accent sur la qualité des données, la reproductibilité, l’infrastructure, la validation et l’intégration aux flux de travail existants.

Cette perspective remet en question les récits simplistes selon lesquels l’IA remplacerait la physique. L’apprentissage automatique entre dans les opérations, mais les systèmes de prévision établis restent essentiels à la validation et à la gestion des risques.

L’atmosphère est chaotique, et toute prévision comporte une incertitude. Ni un jeu de données propriétaire ni une architecture plus efficace ne suppriment cette limite fondamentale.

Le troisième risque concerne les opérations physiques. WindBorne doit fabriquer, lancer, communiquer avec et guider des centaines de véhicules légers dans l’espace aérien international.

Les ballons peuvent changer d’altitude, mais ils ne peuvent pas se déplacer indépendamment du vent. La collecte ciblée dépend donc du positionnement, de la qualité des prévisions et de trajectoires atmosphériques favorables.

Les pertes de matériel font également partie d’un système jetable ou partiellement récupérable. WindBorne indique vouloir récupérer davantage de véhicules à mesure qu’Atlas se développe, mais les taux de récupération nécessitent un suivi continu.

Les questions environnementales méritent aussi de l’attention. Une grande constellation consomme des matériaux pour ballons, du gaz porteur, des batteries, des capteurs et des ressources de lancement.

WindBorne publie des informations sur la sécurité des vols et ses objectifs de récupération. Des rapports indépendants sur les effets sur le cycle de vie rendraient le bilan de durabilité plus clair.

Le quatrième risque est la concentration. La demande publique peut accélérer le passage à l’échelle d’une jeune entreprise, mais elle peut aussi façonner les priorités produit et la dépendance aux revenus.

WindBorne sert des secteurs commerciaux tels que l’énergie, l’agriculture, les transports et le trading. Les informations publiques ne révèlent pas comment les revenus sont répartis entre ces clients.

Un contrat de défense peut également engendrer des exigences différentes des besoins civils de prévision. Une livraison sécurisée, un ciblage régional et un calendrier propre à la mission peuvent réorienter le travail d’ingénierie.

Cela ne rend pas l’accord indésirable. Cela signifie que l’expansion commerciale doit être évaluée parallèlement à la croissance publique, et non supposée automatique.

Le cinquième risque concerne la réponse concurrentielle. Les agences publiques et les grandes entreprises technologiques ne restent pas immobiles pendant que WindBorne étend Atlas.

L’ECMWF exploite à la fois des systèmes d’apprentissage automatique et des systèmes fondés sur la physique. Google continue de développer des modèles météorologiques, tandis que la NOAA maintient une vaste infrastructure publique d’observation et de prévision.

D’autres fournisseurs commerciaux peuvent combiner des données satellitaires, radar, aériennes, maritimes et terrestres. Ils n’ont peut-être pas besoin de reproduire l’ensemble du système de ballons de WindBorne pour rivaliser sur les résultats pour les clients.

Les programmes publics d’observation pourraient également combler certaines lacunes. Des lancements conventionnels supplémentaires, des capteurs embarqués à bord d’avions ou de meilleures restitutions satellitaires pourraient réduire la valeur de certains profils de ballons.

WindBorne a donc besoin de plus que de nouveauté technique. Elle doit démontrer que ses mesures améliorent suffisamment les décisions pour justifier des achats répétés.

L’attribution sans mise en concurrence renforce la position de l’entreprise, mais elle soulève une autre question. Les informations publiques ne montrent pas la comparaison complète menée par le gouvernement entre WindBorne et d’autres méthodes de collecte.

Sushko a déclaré que l’Air Force avait déterminé que WindBorne était la seule à répondre à ses besoins opérationnels. C’est une déclaration importante, mais l’évaluation technique à l’appui n’est pas publique.

Les lecteurs devraient y voir une preuve de confiance dans la procédure d’achat, et non la démonstration d’une exclusivité permanente sur le marché.

Ce qui montrera si les données de ballons peuvent devenir une infrastructure

Trois signaux détermineront si cette attribution devient une activité durable : des commandes de suivi, une validation indépendante et des performances soutenues de la constellation.

Le premier signal sera constitué par les dépenses supplémentaires de l’Air Force. De nouveaux ordres de mission montreraient que les équipes opérationnelles ont trouvé suffisamment de valeur dans les données initiales pour demander une couverture plus large ou répétée.

Le montant des commandes compte, mais leur cadence compte davantage. Des achats réguliers sur plusieurs périodes soutiendraient l’idée que les profils de ballons sont entrés dans la planification courante.

Une longue pause après la première commande affaiblirait cette interprétation. Elle suggérerait que le contrat fonctionne surtout comme une option disponible plutôt que comme une infrastructure active.

Le gouvernement pourrait ne pas divulguer chaque lieu de mission. Il peut néanmoins publier des engagements globaux, des modifications de contrat et des informations d’achèvement dans les bases de données d’approvisionnement.

Le deuxième signal est l’évaluation indépendante des modèles. Les benchmarks internes de WindBorne étayent une affirmation forte, mais des comparaisons externes doivent la tester dans des conditions changeantes.

Des évaluations utiles devraient couvrir la température, le vent, les précipitations, les systèmes tropicaux, la convection sévère et la calibration probabiliste. Elles devraient inclure différentes régions et durées de prévision.

Le résultat le plus convaincant isolerait la contribution des données Atlas. Cela exige de comparer des prévisions par ailleurs similaires, avec et sans les observations de WindBorne.

Une telle expérience répondrait à la question stratégique au cœur du contrat. Elle montrerait si les profils propriétaires produisent des gains au-delà de l’architecture, des données d’entraînement et de la puissance de calcul.

L’assimilation par la NOAA mérite également un examen attentif. WindBorne affirme que ses observations alimentent le Global Forecast System, mais une analyse publique devrait quantifier leur effet sur la qualité des prévisions.

Le troisième signal est la fiabilité de la constellation. Un réseau de 700 ballons paraît important, mais les clients ont besoin d’une couverture géographique constante et d’une livraison rapide des données.

WindBorne devrait être évaluée sur la durée de vol réussie, les profils livrés, la disponibilité dans les régions ciblées, la qualité des capteurs, la disponibilité des communications et la récupération des véhicules.

Les performances lors de conditions météorologiques extrêmes seront particulièrement révélatrices. L’entreprise a déclaré avoir envoyé un système non motorisé dans l’œil d’un typhon en août 2026.

Cette opération suggère que le réseau peut atteindre des environnements difficiles. Des missions répétées démontreraient si l’événement représentait une étape marquante ou une capacité fiable.

Le passage à l’échelle mettra également la boucle de rétroaction à l’épreuve. Davantage de ballons devraient générer davantage d’observations, améliorer les prévisions de navigation et faciliter la collecte ciblée.

Cependant, la croissance peut révéler des variations de fabrication, des goulets d’étranglement au lancement et des problèmes de contrôle qualité. La flotte doit devenir plus utile à mesure qu’elle grandit.

Le marché plus large de la prévision météorologique par IA évolue vers des opérations hybrides. Les systèmes d’apprentissage automatique complètent de plus en plus les modèles physiques au lieu de les remplacer simplement.

Cette orientation favorise les entreprises capables d’intégrer les observations, les estimations d’incertitude et les résultats des modèles dans les flux de travail existants. WindBorne a conçu sa plateforme autour de cette combinaison.

Le contrat entre WindBorne et l’Air Force donne à l’entreprise du temps et une voie crédible vers des clients. Il ne garantit pas qu’Atlas devienne une couche standard de la prévision mondiale.

Le prochain chapitre s’écrira à travers les registres d’approvisionnement, les scores de prévision indépendants et les performances quotidiennes de la flotte. Ces signaux sont moins spectaculaires que la valeur plafond.

Ils sont aussi plus informatifs. Les lecteurs qui évaluent WindBorne devraient surveiller ce que l’Air Force commande, ce que les prévisionnistes externes vérifient et la fiabilité avec laquelle Atlas livre ses données.

Si les trois progressent de concert, les observations privées par ballon pourraient devenir une infrastructure météorologique durable. Si l’un d’eux stagne, le contrat pourrait rester un véhicule prometteur à l’utilité limitée.

Pour les développeurs et les acheteurs d’entreprise, la leçon dépasse la météorologie. Les produits d’IA gagnent en défendabilité lorsqu’ils contrôlent des entrées fiables que les concurrents ne peuvent pas reproduire facilement.

Pourtant, les données propriétaires ne comptent que lorsqu’elles résistent aux tests opérationnels. Examinez les preuves, comparez les prévisions lors d’événements difficiles et distinguez les dépenses engagées de la valeur maximale du contrat.

La question centrale est désormais pratique : les agences continueront-elles de commander les données de ballons de WindBorne après la première mission, et des gains de prévision mesurables justifieront-ils cette demande ?