2 Construire une IA multimodale de premier plan suppose de rassembler des données d’entraînement vastes et hétérogènes. Vous ingérez du texte issu de documents et des réseaux sociaux, des images provenant de systèmes internes et de jeux de données publics, des vidéos de vidéosurveillance et de drones, de l’audio issu des interactions clients et de capteurs. Ces données multimodales, mélangées, parfois contradictoires ou bruitées, ont une valeur considérable. Les modèles entraînés à partir d’elles constituent votre avantage concurrentiel. Les données multimodales posent toutefois des défis de stockage et de sécurité spécifiques. Le texte est structuré et compact. Les images varient en résolution et en format. Une seule heure de vidéo 4K à 60 images par seconde dépasse le téraoctet. L’audio exige une gestion rigoureuse de la conformité en matière de vie privée. Les métadonnées sont essentielles mais incohérentes d’une modalité à l’autre. Protéger des données aussi hétérogènes contre la corruption, les accès non autorisés ou le vol devient exponentiellement plus complexe. Pour les architectes sécurité et les CDO qui bâtissent des plateformes de données, le stockage multimodal impose de repenser la protection des données traditionnelle. Cet article présente les défis d’infrastructure et de gouvernance propres à l’IA multimodale, la manière de structurer les stratégies de sauvegarde selon les modalités et celle de protéger les données d’entraînement contre les menaces malveillantes et la corruption accidentelle. Le défi du stockage multimodal Les approches traditionnelles de stockage et de sauvegarde ne suivent pas l’échelle de l’IA multimodale. Cinq défis spécifiques apparaissent. L’efficacité de la compression varie fortement selon la modalité. Le texte se compresse à 10 % de sa taille d’origine, les images à 30 à 50 %. La vidéo se compresse mal : un corpus de 10 To n’est ramené qu’à 7 To. L’audio se situe entre le texte et l’image. Si vous avez dimensionné votre infrastructure en vous fondant sur la compression du texte, les données multimodales dépassent vos hypothèses de capacité et de coût. Un exaoctet de données d’entraînement multimodales exige une capacité de stockage et une bande passante autrefois inimaginables. L’hétérogénéité des formats crée une complexité opérationnelle. Le texte utilise JSON, Parquet, CSV ; les images JPEG, PNG, WEBP, TIFF ; la vidéo H.264, VP9, AV1 dans des conteneurs MP4, Matroska ou WebM ; l’audio divers formats et fréquences d’échantillonnage. Les procédures de sauvegarde adaptées au texte ne fonctionnent pas pour la vidéo. Les processus de validation diffèrent, tout comme les modes de corruption. Votre infrastructure de sauvegarde doit gérer cette hétérogénéité sans perte de fidélité. Les métadonnées sont incohérentes et essentielles. Les métadonnées d’un texte peuvent se limiter à la source, la date et la langue. Celles d’une image incluent les réglages de l’appareil, la géolocalisation et les annotations ; celles d’une vidéo, la fréquence d’images, la résolution, la description des scènes et les annotations temporelles. Ces métadonnées sont essentielles à l’entraînement, car les modèles apprennent mieux avec des métadonnées précises. Mais elles sont souvent lacunaires ou incohérentes d’un enregistrement à l’autre. Les solutions de sauvegarde doivent en préserver l’intégrité quoi qu’il arrive. Les besoins de restauration s’étendent sur des échelles de temps différentes. La sauvegarde du texte est un snapshot à un instant donné. La vidéo et l’audio, en revanche, arrivent en flux continus. Il faut pouvoir restaurer non seulement les données actuelles, mais aussi des fenêtres historiques : par exemple, toutes les vidéos d’une caméra mardi dernier entre 14 h et 16 h. Cela exige du versioning ou des approches de sauvegarde en flux que les systèmes traditionnels ne prennent pas en charge. Les exigences de confidentialité et de conformité diffèrent selon la modalité. Les vidéos et enregistrements audio où figurent des personnes ont des implications au regard du RGPD. Les images de personnes ont des implications au regard du CCPA et des règles sur les données biométriques. Les enregistrements audio d’interactions clients sont soumis à des exigences de consentement. Chaque modalité a ses propres obligations, et l’infrastructure de sauvegarde doit prendre en charge des politiques de conservation, de suppression et de chiffrement propres à chacune. Une architecture de stockage pour l’IA multimodale Bâtir un stockage résilient pour l’IA multimodale exige une architecture unifiée assortie de politiques adaptées à chaque modalité. Mettez en place un espace de noms unifié. Au lieu de systèmes distincts pour le texte, les images et la vidéo, regroupez tout sur une plateforme unique capable de gérer efficacement toutes les modalités. Le stockage objet cloud (AWS S3, Google Cloud Storage, Azure Blob Storage) et les plateformes compatibles S3 sur site excellent dans ce domaine : elles stockent n’importe quelle donnée, dans n’importe quel format. Un espace de noms unifié simplifie la sauvegarde, permet des contrôles d’accès cohérents et applique uniformément conservation et chiffrement à toutes les modalités. Les solutions de stockage IA haute capacité offrent l’échelle et les performances nécessaires. Vérifiez toutefois que la plateforme offre des performances acceptables pour toutes les modalités : certains systèmes optimisés pour les petits objets peinent avec les gros fichiers vidéo. Définissez des contrôles d’accès adaptés aux modalités. Les équipes n’ont pas besoin des mêmes modalités. Les annotateurs ont besoin des images et des vidéos, mais pas du texte brut ; les ingénieurs ML ont besoin des données d’entraînement traitées, mais pas des vidéos de surveillance brutes. Mettez en place des contrôles d’accès basés sur les rôles ou les attributs qui tiennent compte de la modalité : le rôle d’un utilisateur doit déterminer les modalités auxquelles il accède. Appliquez ces règles au moyen des politiques d’accès du système de stockage, et pas seulement au niveau applicatif. Appliquez des politiques de conservation propres à chaque modalité. La vidéo peut devoir être conservée 90 jours avant suppression, les images indéfiniment, l’audio des interactions clients 12 mois. Utilisez les politiques de cycle de vie du système de stockage pour appliquer automatiquement ces durées, ce qui évite les suppressions accidentelles et garantit la conformité. Associez ces politiques à des copies de sauvegarde immuable afin qu’elles ne suppriment pas par erreur votre unique copie de données précieuses. Normalisez les métadonnées entre modalités. Établissez un schéma de métadonnées commun à toutes les modalités. Il ne s’agit pas de rendre les métadonnées d’un texte identiques à celles d’une vidéo, mais de disposer de méthodes cohérentes pour les stocker, les interroger et les récupérer. Utilisez JSON ou Parquet et centralisez le stockage des métadonnées pour pouvoir interroger toutes les modalités sans parcourir les données brutes. Par exemple : « toutes les vidéos du bureau de San Francisco étiquetées “détection de piétons” au cours des 30 derniers jours », sans analyser toute l’archive. Planifiez la topologie de stockage pour le débit multimodal. La vidéo exige des flux d’écriture soutenus et à haut débit, tandis que le texte et les images tolèrent des écritures par à-coups. Si l’infrastructure est partagée, dimensionnez-la pour la modalité au débit le plus élevé, généralement la vidéo. Une seule caméra 4K génère 15 à 30 téraoctets par an ; un site équipé de dizaines de caméras en génère des pétaoctets. Assurez-vous que la bande passante de stockage et de sauvegarde tient ce rythme sans goulot d’étranglement. Protéger les données d’entraînement multimodales La protection des données multimodales exige des stratégies qui vont au-delà des approches de sauvegarde traditionnelles. Mettez en place des niveaux de sauvegarde gradués. Toutes les données n’exigent pas la même intensité de sauvegarde. Les données d’entraînement critiques méritent une sauvegarde quotidienne avec plusieurs copies redondantes, les données de travail temporaires une sauvegarde hebdomadaire et les données historiques archivées une sauvegarde mensuelle. Adaptez les niveaux à la criticité et au volume de chaque modalité. Des sauvegardes quotidiennes de pétaoctets de vidéo sont impraticables ; des sauvegardes hebdomadaires s’appuyant sur un stockage évolutif pour les pipelines d’IA (en anglais) et une immuabilité robuste sont plus réalistes. Utilisez un stockage adressé par le contenu et des sommes de contrôle. Les données multimodales se corrompent de manière subtile : une seule inversion de bit dans une image vidéo peut être invisible tout en faussant l’entraînement. Mettez en place un stockage adressé par le contenu, où chaque objet a pour identifiant une empreinte cryptographique (SHA-256). Si une donnée est corrompue, l’empreinte change et la corruption est détectée immédiatement. Calculez régulièrement les sommes de contrôle de toutes les données sauvegardées et comparez-les aux valeurs stockées pour repérer toute corruption silencieuse avant qu’elle n’affecte l’entraînement. Séparez l’infrastructure de sauvegarde par modalité. Si un stockage unifié a du sens pour l’accès courant, l’infrastructure de sauvegarde peut être propre à chaque modalité. Le texte et les images peuvent être sauvegardés vers un système, la vidéo vers un autre optimisé pour les écritures séquentielles à haut débit, et l’audio vers un troisième doté d’une configuration adaptée à la conformité. Vous pouvez ainsi ajuster procédures et performances aux caractéristiques de chaque modalité. Conservez des copies de sauvegarde immuables avec une rétention temporelle. Les copies de sauvegarde doivent être immuables et verrouillées dans le temps, afin de ne pouvoir être ni supprimées ni modifiées pendant une durée définie. Pour les données multimodales, cette durée doit refléter les exigences réglementaires et le modèle de menaces : face aux ransomwares, une rétention immuable de 30 à 90 jours garantit des copies saines pour la restauration ; en cas de litige réglementaire, une rétention plus longue (1 à 2 ans) peut être appropriée. Appliquez l’immuabilité au niveau du système de stockage, et pas seulement par des contrôles d’accès. Conservez des sauvegardes isolées pour les données critiques. Pour les jeux d’entraînement de plus grande valeur, conservez des copies hors ligne inaccessibles depuis tout système connecté au réseau. Les sauvegardes isolées (air gap) protègent contre les ransomwares, les menaces internes et les compromissions de la chaîne d’approvisionnement qui touchent l’infrastructure connectée. Elles exigent des manipulations physiques, mais offrent une protection inégalée. Testez les procédures de restauration pour chaque modalité. Chaque modalité a ses propres exigences de restauration. Testez la restauration du texte en validant les champs analysés, celle des images en vérifiant les métadonnées et en inspectant visuellement les images restaurées, celle des vidéos en relisant des extraits pour vérifier qu’ils ne sont pas corrompus, et celle de l’audio en vérifiant l’audibilité et la préservation des métadonnées. Ne supposez pas qu’une restauration réussie du texte garantit celle de la vidéo : testez chaque modalité séparément, au moins chaque trimestre. Se protéger des menaces propres au multimodal Trois menaces spécifiques méritent une attention particulière dans les environnements multimodaux. L’empoisonnement des données par corruption. Des attaquants qui corrompent les données d’entraînement peuvent dégrader ou détourner les modèles. Par exemple, inverser les étiquettes d’un faible pourcentage d’images de votre corpus pourrait produire des modèles qui classent mal certaines catégories. Les données multimodales étant complexes, la corruption peut être subtile et difficile à détecter. Protégez-vous en validant cryptographiquement (signatures ou MAC) des sous-ensembles de données d’entraînement, en conservant les sommes de contrôle de toutes les données et en maintenant des copies de sauvegarde immuables qui préservent des versions saines en cas de corruption. Les atteintes à la vie privée par accès non autorisé. La vidéo et l’audio contiennent souvent des informations sensibles : visages, conversations, comportements. Un accès non autorisé constitue une grave atteinte à la vie privée. Protégez-vous en appliquant des contrôles d’accès plus stricts à la vidéo et à l’audio qu’au texte et aux images, en chiffrant les modalités sensibles avec des clés accessibles uniquement au personnel autorisé et en mettant en place une journalisation d’audit qui détecte les accès inhabituels ou les téléchargements en masse. Le vol de modèles par exfiltration des données d’entraînement. Votre corpus d’entraînement est une propriété intellectuelle précieuse. Des attaquants qui l’exfiltrent peuvent entraîner des modèles concurrents. Les données multimodales sont particulièrement précieuses, car constituer un corpus équivalent est long et coûteux. Protégez-vous avec des outils de prévention des pertes de données (DLP) qui surveillent les exports volumineux, en limitant l’accès en masse aux données à certains utilisateurs et créneaux horaires, et en chiffrant les données en transit et au repos avec des clés qui empêchent tout accès non autorisé. Bâtir une stratégie de protection des données multimodales Pour les organisations qui développent des systèmes d’IA multimodale, une stratégie complète de protection des données doit inclure : une architecture de stockage unifiée qui prend en charge efficacement des modalités hétérogènes une gouvernance adaptée aux modalités, avec contrôles d’accès, politiques de conservation et chiffrement propres à chacune des niveaux de sauvegarde gradués, dont la fréquence et la redondance sont proportionnelles à la valeur des données des copies de sauvegarde immuables à rétention temporelle pour résister aux ransomwares un stockage adressé par le contenu et des sommes de contrôle pour détecter la corruption des sauvegardes hors ligne isolées pour les corpus d’entraînement critiques des tests de restauration réguliers, avec des procédures propres à chaque modalité une journalisation d’audit et une détection des anomalies pour repérer les accès non autorisés ou les mouvements de données inhabituels des procédures de réponse aux incidents couvrant la restauration et l’analyse forensique propres à chaque modalité Bâtir cette capacité exige d’investir dans le stockage, les systèmes de sauvegarde et les procédures opérationnelles. Pour les organisations d’IA compétitives, cet investissement est indispensable : votre corpus d’entraînement est votre avantage concurrentiel. Le protéger avec rigueur, en s’appuyant sur le stockage hiérarchisé pour l’IA (en anglais), garantit la résilience face aux pertes accidentelles comme aux menaces malveillantes. Les organisations qui bâtissent des stratégies robustes de protection des données multimodales prennent l’avantage : elles se remettent des incidents plus vite que leurs concurrents et innovent en toute confiance, sachant que leurs investissements dans l’entraînement sont protégés. Pour aller plus loin Pipelines de données d’IA : architecture, étapes et bonnes pratiques (en anglais) Les cas d’usage du stockage objet (en anglais) Le stockage pour la génération augmentée par récupération (RAG) (en anglais) Protéger ses sauvegardes contre les ransomwares : des sauvegardes immuables et restaurables (en anglais) Durabilité ou disponibilité des données (en anglais) Stratégie de données en cloud hybride pour les charges de travail d’IA (en anglais)
