CrowdStrike et Intel classent les données sensibles en temps réel

CrowdStrike et Intel ont présenté le 16 septembre 2026 une fonction de classification des données sensibles directement sur les terminaux. Cette capacité est intégrée à CrowdStrike Falcon Data Security. Elle utilise des modèles de langage exécutés localement avec du matériel dédié à l’intelligence artificielle. Le dispositif vise les informations créées, consultées ou déplacées en temps réel. Il complète l’identification de motifs prédéfinis, comme les numéros de carte bancaire ou de sécurité sociale. La classification couvre aussi les documents, journaux de discussion, tickets d’assistance, invites d’IA, dossiers médicaux et champs en texte libre. CrowdStrike détaille cette annonce dans son article du 16 septembre 2026.

Les modèles de langage peuvent interpréter le sens et le contexte d’un contenu non structuré. CrowdStrike donne l’exemple d’un message contenant un identifiant et une phrase secrète dans une conversation. Aucun champ nommé « mot de passe » ou format prédéfini n’apparaît dans cet exemple. Un système fondé uniquement sur des règles devrait anticiper chaque formulation possible d’un partage d’identifiants. L’entreprise présente cette approche comme impossible à couvrir exhaustivement par des règles. La classification locale doit toutefois respecter des contraintes de précision, de calcul et de latence. L’inférence dans le nuage posait deux difficultés pour la sécurité des terminaux : les délais réseau et l’envoi de données sensibles hors de l’appareil.

CrowdStrike privilégie le NPU Intel

Le matériel dédié constitue la réponse technique décrite par CrowdStrike. Les processeurs modernes intègrent notamment un processeur graphique et une unité de traitement neuronal, ou NPU. CrowdStrike a travaillé avec Intel pour proposer un support présenté comme le premier du marché pour la protection des données assistée par IA sur les PC Intel Core Ultra. Les équipes ont développé des modèles optimisés pour le NPU et compatibles avec OpenVINO. Elles ont utilisé un accès anticipé à l’architecture des PC IA d’Intel pour optimiser l’inférence. Les essais ont porté sur un processeur Intel Core Ultra 7 de deuxième série, avec des mesures comparant NPU, GPU et CPU.

Le NPU consomme moins que le GPU pour les charges d’inférence décrites dans l’article. Falcon Data Security fonctionne continuellement en arrière-plan, ce qui rend la consommation électrique importante. Une inférence intensive sur le GPU peut réduire rapidement l’autonomie lorsque l’ordinateur fonctionne sur batterie. Le GPU peut aussi être fortement sollicité par le rendu graphique. CrowdStrike indique que le NPU fournit une performance plus constante pour les charges d’IA prolongées. Cette architecture limite la concurrence avec les tâches graphiques. L’objectif est de maintenir la protection active pendant que l’utilisateur travaille avec plusieurs applications. Les résultats de latence varient toutefois selon la taille des entrées analysées.

L’intégration logicielle repose sur ONNX Runtime, car le capteur CrowdStrike Falcon n’embarque pas d’environnement Python. Les modèles de classification sont construits et entraînés en Python avec PyTorch, présenté comme un standard de recherche et d’expérimentation. Ajouter un environnement Python au capteur serait impraticable compte tenu de sa taille et des contraintes de ressources. ONNX Runtime permet une inférence directement sur le terminal sans dépendance à Python. Son architecture Execution Provider associe le même modèle à différents moteurs matériels. CrowdStrike indique ainsi que cette couche ne verrouille pas les clients sur un seul type d’accélérateur. L’entreprise commence avec le NPU d’Intel et prévoit d’étendre les classifications à plusieurs matériels d’accélération.