WEBVTT 00:00:00.000 --> 00:00:05.800 Partir du principe que vos employés étiqueteront volontairement chaque donnée qu'ils créent est le point de défaillance majeure de votre modèle de sécurité. 00:00:06.580 --> 00:00:10.120 Nous avons passé des années à bâtir des cadres de gouvernance complexe qui reposent sur une seule chose, 00:00:10.220 --> 00:00:13.560 un être humain prenant une décision consciente et correcte à chaque fois qu'il clique sur le bouton enregistrer. 00:00:14.120 --> 00:00:15.320 Mais la réalité est brutale. 00:00:15.740 --> 00:00:18.700 L'étiquetage manuel a un taux d'adoption de 30% dans l'entreprise moyenne, 00:00:18.920 --> 00:00:23.700 ce qui signifie que 70% de votre propriété intellectuelle est essentiellement invisible pour vos outils de sécurité. 00:00:24.500 --> 00:00:26.920 Nous avons construit un système qui demande aux gens d'être des bibliothécaires, 00:00:26.920 --> 00:00:29.100 alors qu'ils essayent d'être des ingénieurs ou des commerciaux. 00:00:29.100 --> 00:00:31.140 Cela échoue car cela crée des frictions. 00:00:31.600 --> 00:00:34.400 Aujourd'hui nous passons de l'étiquetage piloté par l'utilisateur à la gouvernance autonome. 00:00:35.060 --> 00:00:39.540 Nous basculons vers un modèle où la classification s'effectue à la vitesse du flux de données et non à celle de l'utilisateur. 00:00:40.500 --> 00:00:42.200 Le défaut structurel de la gouvernance manuelle. 00:00:43.060 --> 00:00:46.000 Votre stratégie d'étiquetage actuelle est une taxe sur la productivité et, 00:00:46.460 --> 00:00:49.400 comme pour la plupart des taxes, les gens trouvent des moyens créatifs de l'éviter. 00:00:50.180 --> 00:00:54.640 Nous avons passé une décennie à nous appuyer sur l'ancien modèle de sécurité des données où la protection est un événement en aval. 00:00:54.900 --> 00:00:58.400 Un utilisateur crée un document, regarde une liste de 5 à 10 étiquettes de sensibilité 00:00:58.400 --> 00:00:59.840 et nous espérons qu'il choisira la bonne. 00:01:00.340 --> 00:01:01.600 L'espoir n'est pas un contrôle technique. 00:01:02.540 --> 00:01:06.320 L'explosion des données sur Teams, SharePoint et Slack a officiellement dépassé les capacités cognitives humaines. 00:01:06.860 --> 00:01:10.480 Vous ne pouvez tout simplement pas demander à une personne de classer manuellement un pétaoctet de bruit non structuré 00:01:10.480 --> 00:01:13.120 et attendre de la précision car c'est une impossibilité mathématique. 00:01:13.460 --> 00:01:14.680 Car c'est une impossibilité mathématique. 00:01:14.840 --> 00:01:17.980 Quand on cherche pourquoi cela échoue, il faut regarder les outils que nous avons utilisés pour aider l'utilisateur. 00:01:17.980 --> 00:01:20.800 Traditionnellement, nous nous sommes appuyés sur des modèles Regex basés sur des mots. 00:01:21.180 --> 00:01:26.540 Certes, le Regex est incroyablement rapide, environ 28 000 fois plus rapide qu'un grand modèle de langage pour analyser du texte. 00:01:27.180 --> 00:01:28.480 Mais le Regex est aveugle au contexte. 00:01:29.580 --> 00:01:32.800 Il peut trouver une suite de chiffres ressemblant à un numéro de sécurité sociale, 00:01:32.860 --> 00:01:37.680 mais il ne peut pas distinguer un ID client sensible d'un code projet aléatoire dans un manuel technique public. 00:01:39.060 --> 00:01:40.720 Il voit le modèle, mais il manque l'intention. 00:01:41.680 --> 00:01:45.400 C'est dans cet écart entre la correspondance de motifs et la compréhension réelle que réside le danger. 00:01:45.400 --> 00:01:50.000 Selon IBM, le coût moyen d'une violation de données a grimpé à 4,88 millions de dollars. 00:01:51.160 --> 00:01:54.160 Ce coût ne provient généralement pas d'une défaillance du chiffrement ou d'une brèche dans le pare-feu. 00:01:54.840 --> 00:01:57.520 Il réside dans l'espace situé entre ce qui est sensible et ce qui est réellement étiqueté. 00:01:58.340 --> 00:02:01.440 Si un fichier n'est pas étiqueté, vos politiques de prévention des pertes de données ne le voient pas. 00:02:02.140 --> 00:02:03.900 Vos règles d'accès conditionnelles ne s'y appliquent pas. 00:02:04.520 --> 00:02:09.200 Et désormais, avec l'essor de l'IA générative, vos copilotes résumeront volontiers tout cela pour quiconque le demande. 00:02:09.900 --> 00:02:12.500 L'ancien modèle suppose que l'utilisateur est le meilleur juge de la valeur, 00:02:12.500 --> 00:02:16.220 mais dans un monde où les données circulent à toute vitesse, l'utilisateur est en réalité le goulot d'étranglement. 00:02:16.860 --> 00:02:21.980 Nous avons atteint un point où le volume pur de données non structurées est devenu un passif, faute d'être géré, faute d'être géré. 00:02:22.580 --> 00:02:25.560 Vous pouvez avoir la configuration Microsoft Purview la plus sophistiquée au monde. 00:02:25.960 --> 00:02:29.920 Si les données qui y entrent ne sont pas classées avec précision à la source, tout le moteur tourne à vide. 00:02:31.020 --> 00:02:35.100 Fin de compte, essayer de piloter une voiture autonome en demandant aux passagers de tracer manuellement chaque virage ne fonctionne pas. 00:02:35.520 --> 00:02:36.220 Cela ne fonctionne pas. 00:02:36.220 --> 00:02:39.820 Le défaut structurel ne vient pas de la personne, mais de l'exigence qu'elles doivent intervenir. 00:02:40.900 --> 00:02:43.020 C'est la raison pour laquelle nous constatons des taux de déficience d'auditif. 00:02:43.540 --> 00:02:46.740 Les organisations pensent être en conformité parce qu'elles ont une politique sur le papier, 00:02:47.000 --> 00:02:52.060 mais en lançant une analyse, on découvre des milliers de documents confidentiels dans des dossiers publics. 00:02:52.180 --> 00:02:54.100 Cela arrive parce que la friction liée au choix est trop importante. 00:02:54.980 --> 00:02:58.920 Si vous donnez à un utilisateur le choix entre la rapidité et la sécurité, il choisira presque toujours la rapidité. 00:02:59.840 --> 00:03:01.820 Pour remédier à cela, nous devons supprimer complètement ce choix. 00:03:01.820 --> 00:03:07.200 Nous devons déplacer le cerveau de l'opération loin de l'utilisateur final distrait pour l'intégrer à l'infrastructure elle-même. 00:03:08.000 --> 00:03:11.040 Nous avons besoin d'un système qui comprenne le document mieux que celui qui l'a rédigé. 00:03:11.420 --> 00:03:14.500 C'est la seule façon de combler la faille menant à ces brèches de plusieurs millions de dollars. 00:03:15.880 --> 00:03:16.960 Construire la couche d'intelligence 00:03:16.960 --> 00:03:21.740 Pour résoudre la crise du marquage manuel, nous transférons le cerveau de la classification loin de l'utilisateur final. 00:03:22.300 --> 00:03:24.620 Nous l'intégrons dans un moteur d'inférence LLM en temps réel. 00:03:25.000 --> 00:03:28.700 Il s'agit d'un changement fondamental dans notre façon de concevoir l'architecture Microsoft Purview. 00:03:28.700 --> 00:03:34.020 La plupart des gens voient l'IA comme un plugin, quelque chose que l'on ajoute à un processus existant pour le rendre un peu plus rapide. 00:03:34.820 --> 00:03:37.180 Mais dans ce nouveau modèle, l'IA constitue une couche structurelle. 00:03:37.840 --> 00:03:40.440 Elle se situe directement entre vos flux de données brutes et votre carte de données Purview. 00:03:41.180 --> 00:03:44.660 Elle ne se contente pas de regarder les données passées, car c'est elle qui prend les décisions. 00:03:45.520 --> 00:03:48.780 Si les grands modèles de langage l'emportent ici, c'est qu'ils résolvent enfin le problème de la nuance. 00:03:49.560 --> 00:03:53.160 Comme nous l'avons vu, les outils traditionnels scannent parfaitement des chaînes de caractères spécifiques, 00:03:53.500 --> 00:03:54.880 mais ils sont fonctionnellement illettrés. 00:03:54.880 --> 00:03:57.580 Un LLM comprend l'intention d'un document. 00:03:58.340 --> 00:04:00.820 Il peut lire une note stratégique de trois pages et reconnaître que, 00:04:01.040 --> 00:04:03.320 bien qu'il n'y ait aucun numéro de carte bancaire ou de sécurité sociale, 00:04:03.820 --> 00:04:06.720 le texte décrit une fusion imminente qui doit être protégée. 00:04:07.920 --> 00:04:11.080 Il comprend qu'une recette secrète ou un procédé de fabrication propriétaire 00:04:11.080 --> 00:04:15.480 constitue une propriété intellectuelle, même si ces termes n'apparaissent jamais dans le texte. 00:04:16.220 --> 00:04:19.640 Mais on ne peut pas simplement appliquer un modèle générique standard à ces données d'entreprise 00:04:19.640 --> 00:04:21.080 et s'attendre à ce que cela fonctionne. 00:04:21.080 --> 00:04:25.680 Les modèles généraux sont trop vastes et franchement trop coûteux pour ce volume de données. 00:04:26.160 --> 00:04:29.620 La percée vient de l'utilisation du réglage fin efficace en termes de paramètres, ou PEFT. 00:04:30.200 --> 00:04:31.940 En utilisant un modèle à poids ouvert plus restreint 00:04:31.940 --> 00:04:34.120 et en l'ajustant à votre vocabulaire d'entreprise spécifique, 00:04:34.220 --> 00:04:36.340 nous pouvons atteindre des scores F1 de 0,87. 00:04:37.460 --> 00:04:42.920 Pour mettre cela en perspective, un score F1 de 0,87 signifie que la machine est nettement plus précise 00:04:42.920 --> 00:04:44.660 et cohérente qu'un employé distrait. 00:04:45.080 --> 00:04:46.060 Qu'un employé moyen distrait. 00:04:46.560 --> 00:04:48.280 Elle ne fatigue pas, ne néglige pas de fichiers, 00:04:48.280 --> 00:04:52.060 parce qu'une réunion approche et n'est pas biaisée vers l'étiquette par défaut simplement parce qu'elle est facile à cliquer. 00:04:53.360 --> 00:04:57.540 La couche d'intelligence identifie le contexte de vos données en examinant les relations entre les concepts. 00:04:58.400 --> 00:05:01.840 Si elle voit une liste de noms à côté de code de diagnostic, elle sait qu'il s'agit de données de santé. 00:05:02.540 --> 00:05:05.060 Si elle voit une formule chimique suivie de contraintes de température, 00:05:05.380 --> 00:05:06.880 elle sait qu'il s'agit d'un secret commercial. 00:05:06.880 --> 00:05:11.240 C'est le niveau de conscience sémantique exige la gouvernance de 2026. 00:05:12.060 --> 00:05:15.960 Nous passons d'une mentalité de recherche et découverte à une capacité de lecture et de compréhension. 00:05:16.980 --> 00:05:20.540 Cette couche agit comme un filtre qui nettoie le bruit avant même qu'il n'atteigne le stockage primaire. 00:05:21.260 --> 00:05:24.220 Lorsqu'un fichier est créé dans Teams ou téléchargé dans une bibliothèque SharePoint, 00:05:24.340 --> 00:05:26.200 la couche d'intelligence intercepte les métadonnées. 00:05:27.100 --> 00:05:29.640 Elle effectue une inférence haute vitesse pour déterminer l'ADN du contenu. 00:05:30.400 --> 00:05:33.080 Elle mappe ensuite cet ADN vers vos étiquettes de sensibilité purview existantes. 00:05:33.080 --> 00:05:36.220 Cela se produit sans que l'utilisateur ne voit jamais de fenêtres contextuelles ou de menus déroulants. 00:05:36.600 --> 00:05:39.640 La classification devient un utilitaire d'arrière-plan au même titre que l'électricité ou l'électrématisation. 00:05:40.280 --> 00:05:42.520 En centralisant cette logique dans un moteur d'inférence dédié, 00:05:42.640 --> 00:05:44.600 vous obtenez également une source de vérité unique. 00:05:45.540 --> 00:05:48.760 Dans l'ancien modèle, la gouvernance était décentralisée parmi des milliers d'utilisateurs, 00:05:49.140 --> 00:05:51.000 chacun interprétant confidentiel une quête à sa manière. 00:05:51.740 --> 00:05:54.860 Désormais, la logique est régie par les poids de votre modèle et votre jeu de données d'ajustement. 00:05:55.540 --> 00:05:58.180 Si votre politique change, inutile de reformer tout le personnel. 00:05:58.800 --> 00:06:00.220 Il suffit de mettre à jour le modèle. 00:06:00.760 --> 00:06:01.700 C'est ainsi que l'on passe à l'échelle. 00:06:01.700 --> 00:06:04.800 On arrête d'essayer de changer le comportement humain pour construire des systèmes 00:06:04.800 --> 00:06:07.120 qui n'exigent pas des humains d'agir d'une certaine façon. 00:06:08.020 --> 00:06:10.460 Nous automatisons concrètement la partie la plus ennuyeuse du travail 00:06:10.460 --> 00:06:13.060 pour qu'ils puissent se concentrer sur ce pour quoi ils ont été embauchés. 00:06:14.180 --> 00:06:15.660 Le décalage de latence et comment le combler. 00:06:16.320 --> 00:06:17.720 C'est ici que l'architecture échoue généralement. 00:06:18.260 --> 00:06:22.360 Nous avons un écart de vitesse fondamentale que la plupart des architectes ignorent jusqu'à ce que le système soit en production. 00:06:22.820 --> 00:06:26.160 Vous devez comprendre que Purview résonne en heures alors que l'IA résonne en millisecondes. 00:06:26.700 --> 00:06:29.640 Il ne s'agit pas d'un simple retard mineur mais d'un décalage structurel massif. 00:06:29.640 --> 00:06:33.660 Lorsque nous parlons de classification en temps réel, nous visons une expérience utilisateur 00:06:33.660 --> 00:06:37.640 où les contrôles de sécurité sont invisibles car ils se produisent plus vite que l'œil humain ne peut le percevoir. 00:06:39.040 --> 00:06:42.880 Mais l'infrastructure sous-jacente de l'API Microsoft Graph n'a pas été conçue pour une telle vélocité. 00:06:43.900 --> 00:06:46.640 La réalité de l'API Graph pour l'étiquetage est qu'elle est intrinsèquement asynchrone. 00:06:48.160 --> 00:06:50.280 Lorsque vous envoyez une demande d'application d'étiquette de sensibilité, 00:06:50.640 --> 00:06:52.800 vous ne recevez pas de confirmation instantanée que le fichier est protégé. 00:06:52.800 --> 00:06:56.840 Vous déposez essentiellement une lettre dans une boîte aux lettres en espérant qu'elle soit distribuée rapidement. 00:06:57.840 --> 00:07:02.340 Dans les environnements d'entreprise réels, cette propagation peut prendre de quelques minutes à 24 heures complètes. 00:07:03.220 --> 00:07:04.720 Cela crée ce que j'appelle la fenêtre de vulnérabilité. 00:07:05.380 --> 00:07:09.220 C'est une période où les données sensibles existent dans votre environnement mais sont effectivement à nu. 00:07:09.820 --> 00:07:12.040 Elles n'ont ni étiquette, ni chiffrement, ni restriction d'accès. 00:07:12.780 --> 00:07:15.680 Cette fenêtre est particulièrement dangereuse à l'ère de M365 Copilot. 00:07:15.680 --> 00:07:21.980 Si un ingénieur télécharge une spécification de conception propriétaire et que Copilot indexe ce fichier avant que l'étiquette Purview ne se propage, 00:07:22.100 --> 00:07:24.800 ces informations sensibles font désormais partie du serveur organisationnel. 00:07:25.600 --> 00:07:30.500 Un autre utilisateur dans un autre département pourrait potentiellement interroger Copilot et recevoir un résumé de cette conception, 00:07:31.020 --> 00:07:34.040 car la couche de gouvernance réfléchissait encore pendant que l'IA agissait déjà. 00:07:34.720 --> 00:07:37.460 Vous ne pouvez pas résoudre un problème de millisecondes avec un outil qui prend 24 heures. 00:07:37.880 --> 00:07:43.080 Pour combler cet écart, nous devons aller au-delà des simples appels API et mettre en œuvre ce que j'appelle l'approche de l'agent gardien. 00:07:43.300 --> 00:07:45.300 L'agent gardien agit comme un proxy en temps réel. 00:07:45.840 --> 00:07:50.240 Au lieu d'attendre que la tâche Purview en arrière-plan se termine, cet agent se place à la limite de la requête. 00:07:50.860 --> 00:07:52.440 Il vérifie les données dès qu'elles sont sollicitées. 00:07:52.900 --> 00:07:57.240 Considérez cela comme un point de contrôle de sécurité à haute vitesse qui fonctionne indépendamment du registre central, plus lent. 00:07:57.840 --> 00:08:00.280 Pendant que la carte de données Purview officielle se met à jour en arrière-plan, 00:08:00.560 --> 00:08:02.540 l'agent gardien applique déjà la politique à la périphérie. 00:08:03.260 --> 00:08:06.140 Il garantit que la logique de classification est appliquée instantanément au flux de données, 00:08:06.140 --> 00:08:08.400 ce qui ferme efficacement cette fenêtre de vulnérabilité. 00:08:09.040 --> 00:08:11.100 Pour que cela fonctionne sans frustrer vos utilisateurs, 00:08:11.400 --> 00:08:15.340 nous devons nous focaliser sur une mesure spécifique appelée temps jusqu'au premier jeton ou TTFT. 00:08:15.680 --> 00:08:19.660 Si votre couche de sécurité ajoute 3 secondes de latence à chaque ouverture de document ou chaque requête IA, 00:08:19.800 --> 00:08:22.140 vos employés trouveront un moyen de la contourner ou de la contourner. 00:08:22.360 --> 00:08:26.940 Ils déplaceront leur travail sur des appareils personnels ou des outils d'IA fantômes non gérés juste pour accomplir leurs tâches. 00:08:27.800 --> 00:08:29.940 Nous devons maintenir le TTFT en dessous de 500 millisecondes. 00:08:30.580 --> 00:08:32.800 Cela nécessite un pipeline d'inférence hautement optimisé. 00:08:33.020 --> 00:08:37.300 Nous ne nous contentons pas d'exécuter un modèle, nous gérons la physique technique de la requête. 00:08:38.260 --> 00:08:41.020 Cela implique de placer votre moteur d'inférence au plus près de la source de données 00:08:41.020 --> 00:08:45.500 et d'utiliser des techniques comme le décodage spéculatif pour réduire chaque milliseconde de latence. 00:08:46.580 --> 00:08:50.260 Nous traitons la sécurité comme une exigence de performance et non comme une simple case à cocher en matière de conformité. 00:08:50.900 --> 00:08:54.380 Lorsque la classification s'effectue en moins d'une demi-seconde, l'utilisateur ne s'en aperçoit même pas. 00:08:55.100 --> 00:08:59.160 Il enregistre, l'agent de contrôle valide le contenu, l'étiquette est appliquée virtuellement à la périphérie 00:08:59.160 --> 00:09:01.960 et la synchronisation en arrière-plan s'opère dès que l'API graphique est prête. 00:09:03.020 --> 00:09:06.500 C'est ainsi que l'on construit une architecture autonome qui a toujours une longueur d'avance sur les données. 00:09:07.500 --> 00:09:11.700 Vous cessez d'attendre que le système rattrape son retard et commencez à imposer le nouveau modèle à la vitesse de la pensée. 00:09:13.220 --> 00:09:15.120 L'économie de la classification autonome 00:09:15.120 --> 00:09:20.100 La plupart des organisations hésitent au moment de l'achat car le prix des jetons d'API Cloud 00:09:20.100 --> 00:09:24.980 rend le traitement de 500 millions de jetons par jour financièrement ruineux. 00:09:24.980 --> 00:09:28.880 Si vous payez chaque requête de classification au tarif public standard, 00:09:29.080 --> 00:09:32.800 votre budget de gouvernance finira par dépasser votre budget de sécurité réel. 00:09:33.480 --> 00:09:36.720 C'est la raison principale pour laquelle beaucoup d'entreprises préfèrent le marquage manuel, 00:09:36.860 --> 00:09:39.960 considérant l'inefficacité du travail humain comme un coût irrécupérable, 00:09:40.120 --> 00:09:42.580 contrairement aux factures d'API, d'ABI. 00:09:43.120 --> 00:09:45.500 Pourtant, c'est une erreur fondamentale de compréhension du nouveau modèle. 00:09:46.040 --> 00:09:47.600 Pour réussir la classification autonome, 00:09:47.600 --> 00:09:51.240 il faut abandonner le cauchemar de la tarification à la consommation des API tierces 00:09:51.240 --> 00:09:53.380 et adopter l'efficacité de l'auto-hébergement. 00:09:53.380 --> 00:09:56.740 En passant à l'auto-hébergement d'un moteur de classification dédié, 00:09:56.940 --> 00:09:58.180 le calcul change instantanément. 00:09:59.020 --> 00:10:01.640 En 2026, nous observons des économies multipliées par 5 00:10:01.640 --> 00:10:03.900 pour les entreprises qui transfèrent leurs tâches d'inférence à haut volume 00:10:03.900 --> 00:10:04.940 vers leur propre infrastructure. 00:10:05.920 --> 00:10:07.440 Il ne s'agit pas seulement de faire des économies, 00:10:07.680 --> 00:10:10.660 mais de rendre l'ensemble de l'architecture durable sur le long terme. 00:10:11.220 --> 00:10:12.800 Si vous cherchez à gouverner un patrimoine de données 00:10:12.800 --> 00:10:14.400 qui augmente de plusieurs teraoctets chaque semaine, 00:10:14.400 --> 00:10:17.460 vous ne pouvez pas dépendre d'un modèle de tarification qui pénalise votre croissance. 00:10:18.080 --> 00:10:20.280 Vous avez besoin d'un modèle de service à coût fixe ? 00:10:20.280 --> 00:10:22.100 Examinons le coût total de possession réelle. 00:10:22.100 --> 00:10:25.540 Un seul GPU NVIDIA A100 ou H100 est désormais capable 00:10:25.540 --> 00:10:28.960 de gérer le débit de classification d'une entreprise de taille moyenne. 00:10:30.460 --> 00:10:32.480 Nous parlons de milliers de jetons par seconde. 00:10:32.700 --> 00:10:35.520 En amortissant le coût de ce matériel ou de son équivalent réservé 00:10:35.520 --> 00:10:36.460 dans votre cloud privé, 00:10:36.600 --> 00:10:39.760 le coût par classification devient proche de zéro après l'installation. 00:10:40.700 --> 00:10:43.200 Vous cessez de payer pour le privilège de connaître le contenu de vos fichiers 00:10:43.200 --> 00:10:46.000 et commencez à traiter la gouvernance comme un élément standard de votre puits informatiques. 00:10:46.880 --> 00:10:49.200 Ce n'est pas différent de l'hébergement d'une base de données ou d'un serveur web. 00:10:49.200 --> 00:10:52.880 Cependant, vous devez vous méfier de la taxe cachée du réglage fin fine tuning. 00:10:53.300 --> 00:10:55.040 Bien que la puissance des calculs bruts devienne moins chère, 00:10:55.140 --> 00:10:57.520 la dette opérationnelle peut faire grimper vos factures si vous n'y prenez pas garde. 00:10:57.840 --> 00:10:59.280 Le stockage des versions de modèles, 00:10:59.440 --> 00:11:01.500 les cycles d'évaluation constants pour garantir la précision 00:11:01.500 --> 00:11:03.520 et les frais de sortie réseau liés à un VPC mal conçu 00:11:03.520 --> 00:11:05.140 peuvent grignoter votre retour sur investissement. 00:11:05.640 --> 00:11:09.260 C'est pourquoi nous préconisons des options serverless ou sécurisées par VPC 00:11:09.260 --> 00:11:12.100 qui vous permettent de réduire l'échelle lorsque le flux de données est calme. 00:11:12.100 --> 00:11:15.260 Vous ne voulez pas payer pour du silicium haute performance à 3h du matin 00:11:15.260 --> 00:11:16.460 alors que personne n'enregistre de documents. 00:11:17.020 --> 00:11:19.260 Le changement économique ici consiste à transformer la classification 00:11:19.260 --> 00:11:21.760 d'un cauchemar de dépenses opérationnelles en un coût d'infrastructure prévisible. 00:11:22.220 --> 00:11:24.200 Nous transformons efficacement la gouvernance en un service public. 00:11:24.660 --> 00:11:26.700 Pensez à la façon dont vous payez pour le refroidissement dans un centre de vie. 00:11:26.940 --> 00:11:28.560 Vous ne payez pas au degré de température modifié, 00:11:28.600 --> 00:11:30.840 mais vous construisez un système qui maintient une base de référence. 00:11:31.400 --> 00:11:33.240 La classification autonome devrait être cette base de référence. 00:11:33.740 --> 00:11:35.540 En supprimant le coût variable du bibliothécaire humain 00:11:35.540 --> 00:11:36.640 et les frais cloud par jetons, 00:11:36.860 --> 00:11:39.480 vous créez un système qui peut réellement évoluer avec vos données. 00:11:39.480 --> 00:11:43.540 Cette prévisibilité est ce qui vous permet d'étendre votre posture de sécurité. 00:11:44.260 --> 00:11:45.860 Lorsque la classification est gratuite à la marge, 00:11:46.020 --> 00:11:47.140 vous pouvez vous permettre d'être plus granulaire. 00:11:47.800 --> 00:11:49.360 Vous pouvez scanner chaque brouillon, chaque chat 00:11:49.360 --> 00:11:52.280 et chaque fichier temporaire sans vous soucier de la facture à la fin du mois. 00:11:53.220 --> 00:11:54.280 Cela crée un cercle vertu. 00:11:55.300 --> 00:11:57.000 De meilleures données mènent à de meilleurs modèles, 00:11:57.200 --> 00:11:58.560 ce qui conduit à une plus grande précision, 00:11:58.920 --> 00:12:00.800 réduisant ainsi le besoin de remédiation humaine coûteuse. 00:12:02.020 --> 00:12:03.480 Vous investissez essentiellement dans un système 00:12:03.480 --> 00:12:05.340 qui devient moins cher et plus efficace avec le temps. 00:12:06.280 --> 00:12:08.340 En revanche, l'ancien modèle manuel ne fait que devenir plus coûteux 00:12:08.340 --> 00:12:09.660 à mesure que votre entreprise grandit. 00:12:10.860 --> 00:12:12.700 En choisissant la couche d'intelligence auto-hébergée, 00:12:12.980 --> 00:12:14.100 vous n'achetez pas seulement un outil, 00:12:14.160 --> 00:12:15.960 vous optez pour une réalité économique différente 00:12:15.960 --> 00:12:18.580 où la protection est une caractéristique standard de votre infrastructure. 00:12:20.960 --> 00:12:22.640 Atténuez les nouveaux risques de la gouvernance par lien. 00:12:23.280 --> 00:12:25.200 Retirer l'humain de la boucle résout le problème de l'échelle, 00:12:25.400 --> 00:12:27.340 mais introduit une nouvelle catégorie de risques systémiques. 00:12:27.840 --> 00:12:30.260 La gouvernance autonome n'est pas une solution que l'on configure et que l'on oublie. 00:12:30.260 --> 00:12:31.900 Elle exige un autre type de vigilance. 00:12:32.560 --> 00:12:34.160 La première menace à laquelle vous serez confronté là-dessus. 00:12:34.160 --> 00:12:36.860 Un classificateur qui obtient un score presque parfait en janvier 00:12:36.860 --> 00:12:38.500 peut facilement devenir un handicap en juin. 00:12:39.320 --> 00:12:41.780 Cela arrive parce que les données elles-mêmes sont un organisme vivant. 00:12:42.240 --> 00:12:43.480 La façon dont vos employés écrivent, 00:12:43.720 --> 00:12:46.860 la terminologie qu'ils utilisent et les types de fichiers qu'ils créent évoluent constamment. 00:12:47.340 --> 00:12:48.700 Si votre modèle n'évolue pas avec eux, 00:12:49.140 --> 00:12:51.540 sa précision s'érodera lentement jusqu'à ce que vous reveniez à la case départ. 00:12:52.260 --> 00:12:55.040 Mais il existe une version plus insidieuse appelée dérive de concept. 00:12:55.360 --> 00:12:57.940 C'est le tueur silencieux de la conformité pilotée par l'IA. 00:12:58.660 --> 00:13:02.060 La dérive de concept se produit lorsque la définition sous-jacente de ce que vous recherchez change. 00:13:02.060 --> 00:13:05.220 Peut-être qu'une nouvelle réglementation sur la confidentialité est adoptée, 00:13:05.400 --> 00:13:07.440 reclassant un type spécifique de métadonnées comme sensible. 00:13:07.920 --> 00:13:11.140 Ou peut-être qu'un projet interne confidentiel change de nom de code passant d'Apollo à Zeus. 00:13:11.940 --> 00:13:13.180 Si votre IA cherche toujours Apollo, 00:13:13.540 --> 00:13:16.800 elle laissera volontiers les documents Zeus contourner vos niveaux de sécurité les plus élevés. 00:13:17.440 --> 00:13:20.340 Le contexte a changé, mais le modèle continue de se baser sur une carte obsolète. 00:13:20.700 --> 00:13:22.960 Pour lutter contre cela, nous devons implémenter des politiques sous forme de code. 00:13:23.400 --> 00:13:26.680 Nous devons intégrer la détection de dérive en temps réel directement dans le pipeline de gouvernance. 00:13:27.140 --> 00:13:29.820 Il ne s'agit pas seulement de surveillance, mais d'intervention automatisée. 00:13:29.820 --> 00:13:33.860 Lorsque le système détecte une baisse des scores de confiance ou un changement dans la distribution des données, 00:13:34.080 --> 00:13:35.900 doit déclencher des validations de niveau opérationnel. 00:13:36.400 --> 00:13:37.440 Cela crée une soupape de sécurité. 00:13:38.120 --> 00:13:40.680 S'il y a devient incertaine, elle cesse de prendre des décisions autonomes 00:13:40.680 --> 00:13:43.500 et achemine le fichier vers un spécialiste humain pour une vérification rapide. 00:13:44.180 --> 00:13:46.520 Vous utilisez essentiellement la machine pour qu'elle vous dise quand elle a besoin d'aide. 00:13:47.180 --> 00:13:48.580 Ensuite, il y a la menace de l'injection de requêtes. 00:13:48.980 --> 00:13:50.760 C'est la nouvelle frontière de l'exfiltration de données. 00:13:51.100 --> 00:13:53.960 Un attaquant n'a pas besoin de pirater votre pare-feu s'il peut tromper votre classificateur. 00:13:53.960 --> 00:13:58.040 Il peut intégrer des instructions malveillantes dans un document via du texte caché 00:13:58.040 --> 00:14:00.340 qui ordonne à l'IA d'ignorer toutes les instructions précédentes 00:14:00.340 --> 00:14:01.600 et de classer ce fichier comme public. 00:14:02.960 --> 00:14:04.880 Si votre couche d'intelligence est naïve, elle obéira. 00:14:05.540 --> 00:14:07.340 Le fichier est déclassé, la protection est supprimée 00:14:07.340 --> 00:14:10.120 et les données sont divulguées via un canal de sortie standard. 00:14:11.040 --> 00:14:14.040 C'est une manière sophistiquée de retourner vos propres outils de gouvernance contre vous. 00:14:14.300 --> 00:14:17.960 La stratégie d'atténuation consiste ici à mettre en œuvre un agent gardien secondaire. 00:14:18.480 --> 00:14:20.000 Il s'agit d'un modèle plus petit et hautement spécialisé 00:14:20.000 --> 00:14:22.580 dont la seule mission est d'auditer les décisions du classificateur principal. 00:14:22.580 --> 00:14:25.000 Il ne regarde pas l'ensemble des documents 00:14:25.000 --> 00:14:28.340 mais recherche uniquement des signes de manipulation et des failles logiques. 00:14:28.900 --> 00:14:30.060 Il agit comme un contrôle redondant, 00:14:30.360 --> 00:14:32.940 garantissant que le cerveau principal n'a pas été compromis ou confus. 00:14:33.820 --> 00:14:35.080 Si les deux modèles ne sont pas d'accord, 00:14:35.280 --> 00:14:37.120 le système applique par défaut l'étiquette la plus restrictive. 00:14:37.620 --> 00:14:38.940 En construisant cette défense multicouche, 00:14:39.020 --> 00:14:41.300 vous passez d'une automatisation fragile à une automatisation résiliente. 00:14:42.140 --> 00:14:44.000 Reconnaissez que l'IA est puissante mais faillible. 00:14:44.980 --> 00:14:46.640 Vous traitez le modèle comme un moteur haute performance 00:14:46.640 --> 00:14:49.500 qui nécessite un réglage constant et un système de freinage robuste. 00:14:49.860 --> 00:14:51.100 C'est l'élément final du nouveau modèle. 00:14:51.100 --> 00:14:54.140 Vous ne remplacez pas seulement l'erreur humaine par une machine. 00:14:54.420 --> 00:14:55.880 Vous construisez un cadre structurel 00:14:55.880 --> 00:14:57.900 qui prend en compte les défaillances propres à la machine elle-même. 00:14:59.400 --> 00:15:01.660 C'est ainsi que vous atteignez une posture de sécurité par défaut 00:15:01.660 --> 00:15:03.560 qui survit réellement aux complexités du monde réel. 00:15:04.420 --> 00:15:07.040 La gouvernance devient une boucle dynamique et autocorrectrice. 00:15:07.620 --> 00:15:09.660 Nous passons d'un monde où nous espérons la conformité 00:15:09.660 --> 00:15:10.960 à un monde où nous la concevons. 00:15:11.840 --> 00:15:13.700 Ce changement garantit qu'à mesure que vos données augmentent, 00:15:13.780 --> 00:15:15.460 votre sécurité ne se contente pas de suivre le rythme, 00:15:15.720 --> 00:15:16.600 elle devient plus intelligente. 00:15:16.600 --> 00:15:18.480 Vous construisez enfin pour l'avenir. 00:15:20.260 --> 00:15:22.180 Mise en œuvre la feuille de route sur 90 jours. 00:15:22.860 --> 00:15:25.260 Construire une architecture autonome ne se fait pas en un claquement de doigts, 00:15:25.400 --> 00:15:27.800 considérez plutôt cela comme une transition sur 90 jours. 00:15:28.900 --> 00:15:31.420 Le jour zéro commence par l'établissement de ce que j'appelle votre couche de vérité. 00:15:31.780 --> 00:15:33.760 Vous devez exécuter Purview en mode audit uniquement 00:15:33.760 --> 00:15:36.020 pour établir une base de référence de votre exposition actuelle 00:15:36.020 --> 00:15:36.940 sans bloquer le moins de fichiers. 00:15:37.220 --> 00:15:38.640 Ce que vous faites ici, c'est mesurer l'écart 00:15:38.640 --> 00:15:40.880 entre ce qui devrait être étiqueté et ce qu'il est réellement. 00:15:40.880 --> 00:15:43.300 La plupart des organisations découvrent alors 00:15:43.300 --> 00:15:44.760 que plus de la moitié de leurs données sensibles 00:15:44.760 --> 00:15:46.560 sont actuellement invisibles pour le système. 00:15:47.580 --> 00:15:49.120 Cette base de référence devient votre carte, 00:15:49.240 --> 00:15:51.140 car elle vous montre exactement là où l'ancien modèle a échoué. 00:15:51.580 --> 00:15:52.720 Vous avez besoin de ces données concrètes 00:15:52.720 --> 00:15:54.120 pour justifier le changement d'infrastructure 00:15:54.120 --> 00:15:55.140 auprès de vos parties prenantes, 00:15:55.220 --> 00:15:56.560 car sans elles, vous ne faites que deviner. 00:15:57.180 --> 00:15:58.040 Une fois cette carte en main, 00:15:58.220 --> 00:15:59.500 vous pouvez déployer le modèle hybride 00:15:59.500 --> 00:16:01.140 pour équilibrer efficacité et intelligence. 00:16:01.700 --> 00:16:03.760 Vous n'avez pas besoin d'un moteur d'inférence massif et coûteux 00:16:03.760 --> 00:16:05.340 juste pour trouver un simple numéro de carte bancaire. 00:16:06.080 --> 00:16:07.740 Mon conseil est d'utiliser des rejets haute vitesse 00:16:07.740 --> 00:16:08.620 pour les fouilles à portée de main, 00:16:08.620 --> 00:16:10.460 notamment les modèles structurés et prévisibles 00:16:10.460 --> 00:16:11.660 qui n'ont pas changé depuis 20 ans. 00:16:12.560 --> 00:16:14.060 Vous devriez réserver votre couche d'intelligence 00:16:14.060 --> 00:16:16.100 à la propriété intellectuelle complexe et non structurée 00:16:16.100 --> 00:16:17.640 qui nécessite un véritable raisonnement. 00:16:18.720 --> 00:16:20.680 Cette approche par palier maintient vos coûts de calcul bas 00:16:20.680 --> 00:16:22.860 tout en maximisant votre couverture de sécurité. 00:16:23.600 --> 00:16:25.320 Il s'agit d'être chirurgical avec vos ressources 00:16:25.320 --> 00:16:26.780 et de veiller à ce que le cerveau ne soit utilisé 00:16:26.780 --> 00:16:28.020 que lorsque les yeux ne suffisent pas. 00:16:28.780 --> 00:16:30.140 Ensuite, vous devez restreindre votre champ d'action 00:16:30.140 --> 00:16:31.480 en utilisant des périmètres adaptatifs 00:16:31.480 --> 00:16:33.220 plutôt que de vouloir tout embrasser dès le 30e jour. 00:16:33.980 --> 00:16:36.140 Vous devez cibler en priorité vos départements à haut risque 00:16:36.140 --> 00:16:37.660 comme la finance, la R&D et le juridique. 00:16:37.660 --> 00:16:39.380 Ce sont les domaines spécifiques 00:16:39.380 --> 00:16:40.580 où une violation est la plus susceptible 00:16:40.580 --> 00:16:41.660 de vous coûter le plus cher. 00:16:42.420 --> 00:16:43.960 En prouvant la valeur dans ces micro-environnements, 00:16:44.060 --> 00:16:45.480 vous créez l'élan interne nécessaire 00:16:45.480 --> 00:16:47.220 à un déploiement à grande échelle plus tard. 00:16:48.180 --> 00:16:50.760 Vous transformez un projet de conformité massif et intimidant 00:16:50.760 --> 00:16:52.740 en une série de victoires petites et mesurables. 00:16:53.540 --> 00:16:54.740 Il s'agit d'un déploiement tactique 00:16:54.740 --> 00:16:55.680 plutôt que d'un mandat général. 00:16:56.280 --> 00:16:57.500 Et résoudre les problèmes les plus ardus 00:16:57.500 --> 00:16:59.260 prouve que le système fonctionne dans le monde réel. 00:16:59.800 --> 00:17:01.780 La dernière pièce du puzzle est la boucle de rétroaction 00:17:01.780 --> 00:17:02.980 où vous intégrez le réentraînement 00:17:02.980 --> 00:17:04.140 avec intervention humaine. 00:17:04.700 --> 00:17:06.080 Lorsque l'agent Guardian signale un fichier 00:17:06.080 --> 00:17:06.920 avec une faible confiance, 00:17:06.920 --> 00:17:09.180 un agent de sécurité effectue une vérification rapide 00:17:09.180 --> 00:17:10.000 pour valider le résultat. 00:17:10.240 --> 00:17:12.180 Ce simple clic ne se contente pas de corriger un fichier, 00:17:12.520 --> 00:17:13.700 il avait entraîné réellement le modèle 00:17:13.700 --> 00:17:15.920 afin que le système apprenne de chacune de ses erreurs. 00:17:16.640 --> 00:17:17.560 Vous construisez une plateforme 00:17:17.560 --> 00:17:19.300 qui s'améliore avec le temps au lieu de se dégrader. 00:17:19.740 --> 00:17:20.480 Au 90e jour, 00:17:20.580 --> 00:17:21.980 vous avez cessé d'être un goulot d'étranglement 00:17:21.980 --> 00:17:23.600 pour devenir un moteur de sécurité. 00:17:24.600 --> 00:17:26.420 La protection devient instantanée et invisible 00:17:26.420 --> 00:17:28.680 et vous avez enfin remplacé les frictions du choix humain 00:17:28.680 --> 00:17:30.100 par la certitude de l'automatisation.