Résilience (IA)

La résilience (IA) est une propriété qui va au-delà de la robustesse. Alors que la robustesse concerne la résistance immédiate aux perturbations, la résilience englobe la capacité d'un système à s'adapter, à récupérer et à restaurer son fonctionnement normal après un incident. Cette notion est cruciale pour les systèmes d'IA déployés en environnements critiques ou dynamiques : santé, transport, cybersécurité, finance. Un modèle résilient doit être capable de détecter les anomalies, d'isoler les problèmes, de basculer vers des modes dégradés sûrs et de se réentraîner si nécessaire. La résilience repose sur plusieurs piliers : diversité des modèles, redondance, monitoring continu, plans de reprise et mécanismes d'auto‑apprentissage. Elle est au cœur des préoccupations des régulateurs (AI Act) qui imposent une gestion proactive des risques et une documentation claire des stratégies de résilience. Pour une PME, la résilience d'un service qui s'appuie sur une IA tierce se gère surtout en dehors du modèle. Les fournisseurs d'API connaissent des pannes, des limites de débit, des changements de version et parfois l'arrêt d'un modèle : un site dont le formulaire dépend entièrement d'un appel externe tombe avec lui. Les parades sont simples à décrire : définir un mode dégradé (le formulaire s'envoie sans l'assistant, la réponse automatique est remplacée par un accusé de réception), prévoir un délai maximal d'attente suivi d'une nouvelle tentative limitée, conserver les messages en file d'attente pour les traiter plus tard, et savoir basculer vers un second fournisseur ou un modèle plus petit hébergé localement. La sauvegarde des invites, des configurations et des jeux de test permet de reconstituer rapidement le service. Il faut aussi répéter la procédure : un plan de reprise jamais essayé échoue souvent le jour où il sert. Enfin, la résilience se mesure : temps pour détecter la panne, temps pour rétablir le service, et quantité de demandes perdues.