📖 Définition

La détection d'anomalies vise à identifier des observations ou comportements qui s'écartent significativement du patron normal dans un jeu de données. Ces méthodes apprennent d'abord le comportement « normal », puis signalent toute déviation suspecte. Elle s'applique à la cybersécurité, la maintenance industrielle, la détection de fraude et la surveillance médicale. La difficulté principale réside dans la rareté des anomalies et la distinction entre vraies anomalies et bruit.

💬 En termes simples

C'est comme un contremaître d'expérience sur un chantier qui connaît tellement bien le bruit normal des machines qu'il détecte immédiatement un son inhabituel, même au milieu du vacarme. Il n'a pas besoin d'avoir entendu chaque panne possible : il sait reconnaître ce qui ne sonne pas comme d'habitude.

🎯 Exemple concret

En 2026, Desjardins déploie un système qui analyse en temps réel des millions de transactions pour repérer les fraudes avec un taux de faux positifs réduit de 60 %. Une aluminerie du Saguenay utilise la détection d'anomalies sur les vibrations de ses cuves pour prédire les défaillances 48 heures à l'avance. Un CISSS de la Montérégie surveille en continu les signes vitaux des patients et alerte avant l'apparition de symptômes cliniques.

💡 Le saviez-vous ?

Les premiers cas célèbres de détection d'anomalies remontent aux années 1990 avec les compagnies de cartes de crédit, une application qui a permis d'économiser des milliards annuellement. La NASA utilise ces algorithmes pour surveiller ses sondes et satellites, et c'est un tel système qui a détecté un problème critique sur la Station spatiale internationale.

Navigation

Ressources

Pages