Cloud ou edge? Pour la sécurisation de l’IA, la question ne se pose plus. L’avenir appartient à une sécurité adaptative et distribuée, couvrant l’ensemble du continuum cloud-edge. La recherche montre comment conjuguer la puissance du cloud et la rapidité de l’edge, sans transiger sur la sécurité.

Lorsqu’il s’agit de sécuriser l’intelligence artificielle, le débat a longtemps été posé comme une alternative: faut-il protéger les données et les modèles de manière centralisée, dans le cloud, ou localement, en périphérie, là où les données sont produites? Cette grille de lecture est désormais dépassée. À mesure que l’IA s’installe dans les usines, les hôpitaux, les véhicules et les réseaux énergétiques, la sécurité exige de plus en plus les deux.

Deux lignes de défense complémentaires

Le cloud et l’edge computing sont complémentaires. Le cloud apporte la puissance de calcul, l’analyse à grande échelle et la coordination centrale, tandis que l’edge permet des décisions locales rapides, une meilleure protection de la vie privée et la poursuite des opérations lorsque la connectivité est limitée. Ensemble, ils peuvent rendre les systèmes d’IA à la fois plus sûrs et plus résilients.
Djamel Khadraoui

Djamel Khadraoui, Responsable de l’Unité Reliable Distributed Systems, Luxembourg Institute of Science and Technology

Dans la pratique, les deux fonctionnent comme un continuum, chaque couche couvrant les angles morts de l’autre. Un équipement en périphérie peut détecter une anomalie et réagir en quelques millisecondes, en isolant un capteur compromis ou en bloquant une commande suspecte. Le cloud, lui, rassemble ces observations locales et compare les signaux provenant de milliers d’appareils pour repérer des schémas d’attaque qu’aucun capteur isolé ne pourrait déceler. Il améliore ensuite ses modèles de détection et renvoie des protections actualisées à l’ensemble du parc. Si la connexion au cloud est interrompue, l’intelligence locale continue de protéger les opérations critiques, et le système se resynchronise une fois la connectivité rétablie.

Une surface d’attaque plus vaste et plus complexe

«Dans l’IA distribuée, le risque est lui aussi distribué», explique Djamel Khadraoui. «Les données, les modèles et les décisions circulent entre de nombreux appareils et sites, ce qui élargit la surface d’attaque. Le principal défi consiste à garder les données protégées, les appareils dignes de confiance, les modèles sécurisés et les politiques cohérentes, tout en préservant la performance, la confidentialité et la continuité opérationnelle.»

De nombreux équipements en périphérie fonctionnent dans des lieux physiquement exposés, avec une puissance de calcul trop limitée pour faire tourner des outils de sécurité lourds. Ils associent du matériel, des systèmes d’exploitation et des technologies réseau issus de multiples fournisseurs, ce qui complique l’application de politiques homogènes. Maintenir à jour des milliers de modèles et vérifier qu’ils n’ont pas été altérés suppose une orchestration robuste. La performance constitue une autre contrainte: les contrôles de sécurité ne doivent pas ralentir des applications qui doivent répondre en temps réel, comme les véhicules autonomes ou les systèmes de contrôle industriel.

L’IA apporte également son lot de menaces propres. Les modèles peuvent être manipulés par l’empoisonnement des données d’entraînement, trompés par des entrées adverses ou sondés pour en extraire des informations confidentielles. Lorsque l’apprentissage est réparti entre de nombreux nœuds, un seul participant compromis peut corrompre l’ensemble du système. Les organisations doivent en outre concilier distribution et réglementation, le RGPD et le règlement européen sur l’IA imposant transparence, responsabilité et maîtrise du lieu de traitement des données.

Une IA plus sûre, plus fiable et plus respectueuse de la vie privée

Au LIST, nous développons des approches qui rendent l’IA plus sûre, plus digne de confiance et plus respectueuse de la vie privée.

Djamel Khadraoui, Responsable de l’Unité Reliable Distributed Systems, Luxembourg Institute of Science and Technology

«Nos travaux portent sur des domaines tels que l’apprentissage fédéré, l’IA distribuée sécurisée, la cybersécurité, la protection de la vie privée et l’assurance de l’IA, avec pour objectif de permettre aux organisations d’utiliser l’IA sans exposer inutilement des données sensibles»,  indique Djamel Khadraoui.

L’apprentissage fédéré, par exemple, permet d’entraîner des modèles de manière collaborative sur plusieurs sites sans centraliser les données brutes. Cette approche est particulièrement pertinente pour des secteurs sensibles comme la santé, la finance et les infrastructures critiques. Deux grandes questions de recherche en découlent: rendre cet apprentissage distribué résilient face à des participants malveillants, et faire en sorte que les mises à jour de modèles partagées en révèlent le moins possible sur les données sous-jacentes. L’assurance de l’IA vise, quant à elle, à apporter la preuve que les systèmes d’IA se comportent comme prévu, une exigence croissante dans la réglementation européenne.

Un autre axe de travail concerne la détection des menaces par l’IA sur l’ensemble du continuum cloud-edge. Elle s’appuie sur des modèles légers, capables de fonctionner sur des appareils aux ressources limitées, et sur des mécanismes auto-adaptatifs qui ajustent la protection au contexte et au niveau de risque. Les principes du «zero trust», selon lesquels aucun appareil ni aucun utilisateur n’est considéré comme fiable par défaut, complètent cette boîte à outils.

Ces travaux sont menés avec des partenaires industriels et des acteurs publics au Luxembourg et dans toute l’Europe, afin que les résultats puissent être éprouvés en conditions réelles.

L’avenir de la sécurité de l’IA ne sera ni purement centralisé ni entièrement décentralisé. Il sera adaptatif, distribué et porté par l’IA, sur tout le continuum, du cloud à l’edge. Pour les organisations, la priorité est de commencer dès aujourd’hui à concevoir leurs architectures en conséquence.