L’engouement pour l’intelligence artificielle (IA) ne doit pas masquer une réalité fondamentale : la qualité des données qui l’alimentent détermine directement son efficacité. Comme pour la cybersécurité, la capacité de l’IA à détecter, anticiper et prévenir repose sur l’analyse de vastes ensembles de données fiables.
« L’IA n’est aussi performante que les données dont elle tire ses enseignements », souligne Asplund, un expert en technologies logicielles. Cette analogie avec la cybersécurité est frappante : les deux domaines s’appuient sur des quantités massives de données de haute qualité pour identifier les menaces et y répondre.
La cybersécurité exploite des indicateurs de compromission issus d’attaques informatiques, de logiciels malveillants et de rançongiciels, entre autres. La puissance des grands modèles linguistiques (LLM) et des plateformes d’IA, quant à elle, réside dans leur capacité à traiter des milliards de paramètres issus de l’ensemble des productions humaines – textes, images, contenus partagés. L’intelligence de ces systèmes est directement proportionnelle à la richesse de leur exposition aux données.
Le secteur de la cybersécurité emprunte aujourd’hui une voie similaire, mais avec une particularité essentielle : au lieu de collecter des textes et des images, il se concentre sur la capture de renseignements sur les menaces. Chaque jour, des milliards de signaux provenant des réseaux, des appareils, des terminaux mobiles et du cloud sont analysés. Chaque événement constitue un fragment d’information sur l’évolution constante du paysage des menaces numériques.
Ce processus permet de créer un système de défense prédictif qui imite le fonctionnement de l’IA : observation, analyse et adaptation. Check Point collecte depuis sa création des renseignements sur les menaces à l’échelle mondiale. Ce qui a débuté par une simple reconnaissance de schémas a évolué vers la détection heuristique, l’analyse comportementale et, plus récemment, la prévention basée sur l’IA.
Cette progression n’est pas le fruit du hasard, mais le résultat d’un apprentissage continu : « Des dizaines de milliers d’attaques réelles, des faux positifs corrigés et de nouvelles signatures intégrées », explique l’expert. La précision obtenue est directement liée à l’exploitation intelligente des données historiques.
Une différence notable réside toutefois dans la nature des données utilisées. Si l’intelligence de l’IA peut sembler impressionnante, ses données d’entraînement sont souvent biaisées ou synthétiques. À l’inverse, les ensembles de données utilisés en cybersécurité sont « douloureusement réels », issus de failles de sécurité avérées, de campagnes de rançongiciels et d’attaques « zero day ».
Alors que l’IA continue d’apprendre des traces numériques de l’humanité, la cybersécurité s’appuie sur des indicateurs de menaces concrets pour contrer les attaques informatiques. « Les deux domaines visent une précision et une autonomie accrues, mais un seul a démontré une progression constante depuis les débuts d’Internet : la cybersécurité », conclut Asplund, soulignant son approche pragmatique.
À ne pas manquer
