{"id":4131,"date":"2025-02-19T15:00:00","date_gmt":"2025-02-19T14:00:00","guid":{"rendered":"https:\/\/staging.ekinops.com\/blog\/cybersecurity\/ekinops-and-ai-working-together-to-classify-content"},"modified":"2026-11-05T16:48:19","modified_gmt":"2026-11-05T14:48:19","slug":"ekinops-et-lia-au-service-de-la-classification-des-contenus","status":"publish","type":"post","link":"https:\/\/www.ekinops.com\/fr\/blog\/cybersecurity\/ekinops-and-ai-working-together-to-classify-content","title":{"rendered":"Ekinops et l\u2019IA : au service de la classification des contenus"},"content":{"rendered":"

Chez Ekinops, nous avons int\u00e9gr\u00e9 ces technologies avanc\u00e9es pour am\u00e9liorer le classement et la cat\u00e9gorisation des domaines et des URLs<\/strong>, contribuant ainsi \u00e0 une s\u00e9curit\u00e9 renforc\u00e9e.<\/p>\n\n\n\n

Une base de donn\u00e9es unique<\/h2>\n\n\n\n

Avec plus de 20 millions de domaines et des centaines de millions d’URLs r\u00e9pertori\u00e9es, Ekinops se distingue comme le seul acteur fran\u00e7ais \u00e0 proposer une base de sites web finement classifi\u00e9e<\/strong> en fonction des usages et du cadre juridique fran\u00e7ais. Cette base de donn\u00e9es constitue le centre n\u00e9vralgique de notre solution, garantissant une pr\u00e9cision et une pertinence incomparables<\/strong> dans la classification des sites web, tout en limitant les faux positifs.<\/p>\n\n\n\n

La qualit\u00e9 et l’exhaustivit\u00e9 de notre base sont essentielles pour assurer une cybers\u00e9curit\u00e9 efficace.<\/p>\n\n\n\n

Jusqu’\u00e0 il y a quelques ann\u00e9es, le classement se faisait \u00e0 la main<\/strong> , par des op\u00e9rateurs humains, ce qui apportait une grande pr\u00e9cision mais qui pouvait poser des probl\u00e8mes de passage \u00e0 l’\u00e9chelle \u00e9videmment.<\/p>\n\n\n\n

Avec l’apparition des mod\u00e8les IA il y a une dizaine d’ann\u00e9es, un premier niveau d’automatisation<\/strong> fut mis en place, mais toujours supervis\u00e9 et confirm\u00e9 par un op\u00e9rateur humain: un pr\u00e9-classement se basant sur une analyse s\u00e9mantique et une inf\u00e9rence bayesienne pour en d\u00e9duire des ensembles de probabilit\u00e9s de cat\u00e9gorie. Par exemple, un site pouvait figurer dans la cat\u00e9gorie “voyages” \u00e0 70% de probabilit\u00e9, “photographie” \u00e0 20% ou “blog” \u00e0 10%. Charge \u00e0 l’op\u00e9rateur humain de valider la bonne suggestion. Cette approche permettait d’acc\u00e9l\u00e9rer le processus de classement, tout en assurant une qualit\u00e9 irr\u00e9prochable.<\/p>\n\n\n\n

Cependant, face \u00e0 l’explosion exponentielle du nombre de nouveaux domaines cr\u00e9\u00e9s chaque mois, cette strat\u00e9gie se devait d’\u00eatre compl\u00e9t\u00e9e par des technologies innovantes pour maintenir sa pr\u00e9cision et son efficacit\u00e9.<\/p>\n\n\n\n

L’un des enjeux majeurs<\/strong> dans la classification des URLs r\u00e9side dans l’identification des sites malveillants<\/strong>. Chaque mois, ce sont pr\u00e8s de 70 millions de nouveaux domaines qui sont cr\u00e9\u00e9s \u00e0 travers le monde, dont environ 13 millions \u00e0 des fins malicieuses. Mais se limiter aux seuls sites malveillants, c’est passer \u00e0 c\u00f4t\u00e9 des sites l\u00e9gitimes et de l’int\u00e9r\u00eat \u00e0 pouvoir cat\u00e9goriser finement ces sites. En effet, une cat\u00e9gorisation fine, m\u00eame des sites l\u00e9gitimes, permet de comprendre l’usage d’internet par les collaborateurs, mais aussi d’appliquer des politiques d’acc\u00e8s et de s\u00e9curit\u00e9. Un exemple serait la d\u00e9tection et la cat\u00e9gorisation des applications SaaS, aussi connu sous le nom de Shadow IT, qui permet de mieux g\u00e9rer les risques op\u00e9rationnels et de s\u00e9curit\u00e9, li\u00e9s \u00e0 l’utilisation des applications SaaS.<\/p>\n\n\n\n

L’apprentissage pour classer un grand volume de donn\u00e9es<\/h2>\n\n\n\n

C’est pour cela que, pour passer au niveau sup\u00e9rieur en terme d’IA, Ekinops s’est associ\u00e9 \u00e0 des experts<\/strong> venant de diff\u00e9rents horizons, notamment dans le cadre d’un projet interdisciplinaire RAPID METIS.<\/p>\n\n\n\n

Le Projet METIS<\/strong>, disposant d\u2019un budget d\u20191 million d\u2019euros et co-financ\u00e9 par le dispositif RAPID (R\u00e9gime d\u2019Appui \u00e0 l\u2019Innovation Duale) et soutenu par l\u2019Agence Innovation D\u00e9fense du Minist\u00e8re des Arm\u00e9es et la Direction G\u00e9n\u00e9rale de l\u2019Armement, est donc lanc\u00e9 en 2020. Il visait \u00e0 impl\u00e9menter des algorithmes d\u2019IA et de Machine Learning pour am\u00e9liorer les performances des<\/strong> La classification interne d\u2019Ekinops outils<\/strong>. Le projet inclut une dimension principale d\u2019innovation autour des m\u00e9thodes de classification des donn\u00e9es et de l\u2019apprentissage (Machine Learning) pour identifier la cat\u00e9gorie \u00e0 associer \u00e0 une URL sur la base de l\u2019analyse du contenu de la page web.<\/p>\n\n\n\n

Effectu\u00e9 en collaboration avec l\u2019Universit\u00e9 de Reims Champagne-Ardenne et le laboratoire d\u2019informatique de l\u2019Universit\u00e9 Grenoble Alpes sur une dur\u00e9e de 3 ans, le projet a combin\u00e9 exploration de l\u2019\u00e9tat de l\u2019art dans l\u2019analyse et le classement s\u00e9mantique, la mise en place de processus automatis\u00e9s de traitement, l\u2019entrainement de diff\u00e9rents mod\u00e8les de Machine Learning avec les donn\u00e9es existantes Ekinops et finalement le d\u00e9ploiement d\u2019un mod\u00e8le d\u2019apprentissage profond<\/strong> (Deep Learning)  qui a permis d\u2019optimiser le taux de reconnaissance des contenus<\/strong> (sur la base d’une variante du mod\u00e8le BERT).<\/p>\n\n\n\n

Le projet a donn\u00e9 enti\u00e8re satisfaction<\/strong> par rapport \u00e0 l\u2019objectif vis\u00e9. La pertinence de la classification a pu \u00eatre am\u00e9lior\u00e9e jusqu\u2019\u00e0 30%<\/strong> sur certains cat\u00e9gories de contenus tout en maintenant la qualit\u00e9 de la base existante avec un taux de reconnaissance “juste” des URLs proche de 100%. Ces r\u00e9sultats ont permis l\u2019int\u00e9gration de l\u2019algorithme de classification dans l\u2019outil de pr\u00e9-qualification Ekinops.<\/p>\n\n\n\n

Suite \u00e0 ce succ\u00e8s, Ekinops a continu\u00e9 la double approche<\/strong>combinant classification par des techniques de Machine Learning, tout en permettant \u00e0 l\u2019humain de garder la main sur le classement final. Avec l\u2019augmentation de la pr\u00e9cision de classification automatique, Ekinops pr\u00e9pare le terrain pour une validation automatique sur certains types de contenus dans un futur proche.<\/p>\n\n\n\n

Classification \u00e0 la vol\u00e9e des requ\u00eates d’URL, r\u00eave ou r\u00e9alit\u00e9 future ?<\/h2>\n\n\n\n

Avec la qualit\u00e9 croissante et l’innovation constante des LLM (Deepseek, Mistral, OpenAI…), on peut l\u00e9gitimement se poser la question si \u00e0 terme, il sera possible de cat\u00e9goriser ou classer une demande \u00e0 la vol\u00e9e, sans v\u00e9rifier dans une base de donn\u00e9es. Les avantages seraient int\u00e9ressants, notamment la possibilit\u00e9 de ne plus \u00e0 avoir \u00e0 maintenant et faire vivre des bases d’URLs ou domaines. Ce, qui devant le grand nombre de domaines cr\u00e9es, peut \u00eatre une solution efficace (peut \u00eatre la seule qui peut passer \u00e0 l’\u00e9chelle ?)<\/p>\n\n\n\n

Cette approche soul\u00e8ve n\u00e9anmoins plusieurs limites<\/strong>: tout d’abord l’importance de la latence<\/strong>. Une classification “\u00e0 la vol\u00e9e”, n\u00e9cessite une analyse et l’application d’un mod\u00e8le de classification \u00e0 chaque requ\u00eate de l’utilisateur, ce qui implique n\u00e9cessairement une dur\u00e9e plus longue de la requ\u00eate. Pour le moment, m\u00eame avec des mod\u00e8les puissants, la latence est g\u00eanante.<\/p>\n\n\n\n

L’autre limite est la qualit\u00e9 des r\u00e9sultats<\/strong>. Aussi puissants soient les mod\u00e8les aujourd’hui, il n’est pas possible de garantir un r\u00e9sultat 100% correct. Pas sans l’intervention d’un op\u00e9rateur humain. Or les faux positifs sont un point de difficult\u00e9 pour les \u00e9quipes IT, qui les oblige \u00e0 enqu\u00eater et passer du temps \u00e0 valider ou invalider le r\u00e9sultat.<\/p>\n\n\n\n

Pour le moment, la meilleure approche consiste encore de faire intervenir un op\u00e9rateur humain<\/strong> pour garder les bases de r\u00e9sultats aussi propres que possibles.<\/p>\n\n\n\n

Conclusion<\/h2>\n\n\n\n

L’int\u00e9gration de l’IA dans la cybers\u00e9curit\u00e9 n’est plus une simple option, mais une n\u00e9cessit\u00e9. Chez Ekinops, nous avons fait de l’intelligence artificielle un atout strat\u00e9gique<\/strong> \u00e0 assurer une pr\u00e9cision et une efficacit\u00e9 optimales<\/strong> site web classification<\/strong>, tout en renfor\u00e7ant la s\u00e9curit\u00e9 des infrastructures num\u00e9riques. En combinant expertise humaine et intelligence artificielle, nous restons \u00e0 la pointe de l’innovation pour offrir \u00e0 nos utilisateurs une protection optimale<\/strong> face aux menaces en constante \u00e9volution.<\/p>\n\n\n\n

La “Semaine de l’Action pour l’IA” est une occasion id\u00e9ale pour rappeler que l’IA est un levier de transformation majeur<\/strong> dans de nombreux secteurs, et que son r\u00f4le dans la cybers\u00e9curit\u00e9 ne cesse de cro\u00eetre. Ekinops s’engage pleinement dans cette dynamique pour continuer \u00e0 proposer des solutions toujours plus performantes<\/strong> et adapt\u00e9es aux enjeux de demain.<\/p>","protected":false},"excerpt":{"rendered":"

Dans le cadre de la “Semaine de l’Action pour l’IA” en France, qui se tenait du 6 au 11 f\u00e9vrier, il est essentiel de mettre en lumi\u00e8re le r\u00f4le fondamental de l’intelligence artificielle dans la cybers\u00e9curit\u00e9. Loin d’\u00eatre une simple tendance apparue avec ChatGPT, l’IA est depuis longtemps un levier d’optimisation et de performance dans la d\u00e9tection et la pr\u00e9vention des cyberattaques.<\/p>","protected":false},"author":10,"featured_media":5067,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[82],"tags":[],"class_list":["post-4131","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cybersecurity"],"_links":{"self":[{"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/posts\/4131","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/comments?post=4131"}],"version-history":[{"count":1,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/posts\/4131\/revisions"}],"predecessor-version":[{"id":4927,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/posts\/4131\/revisions\/4927"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/media\/5067"}],"wp:attachment":[{"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/media?parent=4131"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/categories?post=4131"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ekinops.com\/fr\/wp-json\/wp\/v2\/tags?post=4131"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}