Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarvc.ru→ original

Roskomnadzor consacrera 2,27 milliards de roubles au filtrage du trafic par IA d'ici 2028

Roskomnadzor a réservé 2,27 milliards de roubles pour un système qui, grâce au machine learning, cherchera dans le trafic internet les contenus interdits et les moyens de contourner les blocages. C'est ce qu'affirme Forbes, en se référant au programme de transformation numérique 2026–2028. Le modèle est qualifié de « national », mais son nom n'a pas été révélé. Les experts mettent en garde : de faux positifs et des dysfonctionnements touchant les services d'entreprise et les VPN sont possibles.

Traité par IA depuis vc.ru ; édité par Hamidun News
Roskomnadzor consacrera 2,27 milliards de roubles au filtrage du trafic par IA d'ici 2028
Source : vc.ru. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primairevc.ru ↗
Rédacteur en chef
Durée du programme2026–2028, budget : 2,27 milliards de roubles
Chiffre clé #2Le modèle fonctionne sur l'infrastructure propre de l'agence
Risquesblocages erronés et baisse de stabilité des VPN et des services professionnels

Jusqu'à présent, les blocages sur internet russe reposaient sur des listes : une adresse ou un signe distinctif, et l'accès est coupé. Aujourd'hui, Roskomnadzor veut y ajouter le machine learning. Selon Forbes, qui s'appuie sur le document du programme de transformation numérique 2026–2028, 2,27 milliards de roubles sont alloués à la mise en place de ce mécanisme. Pour tous ceux qui exploitent des services en Russie, développent des produits professionnels ou dépendent des VPN, c'est l'occasion d'examiner de plus près la résilience de leur infrastructure.

Ce que l'on sait du projet

Les faits sont peu nombreux, et presque tous proviennent du récit de Forbes. Le régulateur utilise un modèle mathématique « national » dont le nom n'est pas divulgué. Le modèle est déployé sur l'infrastructure propre de l'agence, et non dans le cloud d'un fournisseur tiers. Sa mission, selon le document, consiste à extraire automatiquement les informations pertinentes à partir de vastes volumes de données.

Ce que les données publiques ne contiennent pas, en revanche, ce sont les détails. On ignore sur quelles données le modèle a été entraîné, quelle part du trafic il traitera et comment seront vérifiées ses décisions. Aucun chiffre de précision n'est fourni. On ne peut donc évaluer que l'objectif affiché et les inquiétudes des experts, mais pas la qualité réelle de fonctionnement.

Pourquoi le régulateur s'y intéresse

La logique se comprend avec un exemple simple. Un filtre classique ressemble à un vigile muni d'une liste de noms : il ne reconnaît que ceux qui y figurent déjà. Un modèle entraîné s'apparente davantage à un agent qui a mémorisé les comportements typiques des contrevenants et repère les personnes qui leur ressemblent, même si elles ne figurent pas encore sur la liste.

Selon les experts interrogés par Forbes, c'est précisément ce dont Roskomnadzor a besoin : identifier plus précisément les contenus interdits et les moyens de contournement des blocages. Ce second volet est particulièrement visible. Les outils de contournement évoluent vite, et la mise à jour manuelle des listes ne suit pas. La classification automatique du trafic permettrait, en théorie, de réagir plus rapidement.

Les risques pour les entreprises et les développeurs

Ces mêmes experts mettent en garde contre les effets de bord. Le premier est celui des faux positifs. Tout modèle se trompe, et dans le trafic réseau, une erreur signifie qu'un service légal peut se retrouver bloqué ou restreint. Le second risque concerne la baisse de stabilité des services d'entreprise et des VPN. Beaucoup d'entreprises utilisent les VPN non pour contourner des interdictions, mais pour un usage courant : accès sécurisé des salariés aux systèmes internes, liaisons entre sites, connexion à des API étrangères. Vu depuis le réseau, ce trafic peut ressembler à celui que le régulateur veut stopper.

Pour les équipes, les conclusions pratiques sont les suivantes :

  • Anticipez un plan en cas de perturbations : canaux de secours, routes alternatives et procédure claire si un service externe cesse soudainement de répondre.
  • Si votre produit dépend d'API étrangères ou de connexions VPN, ajoutez à votre supervision des contrôles de disponibilité effectués depuis les réseaux russes, et conservez l'historique des incidents. Cela aidera à distinguer vos propres erreurs des défaillances externes.
  • Ne comptez pas sur une correction rapide en cas de faux positif. La procédure de recours pour ce type de système n'est pas encore décrite.

Ce qui reste dans l'ombre

Il importe de ne pas surestimer l'information. Il s'agit pour l'instant d'une ligne budgétaire et d'une description d'objectif, et non du rapport d'un système opérationnel. Selon le média, le modèle est déjà déployé, mais l'ampleur de son utilisation et le calendrier d'un lancement complet ne sont pas connus. Beaucoup des effets annoncés ne sont que l'opinion des experts.

Cela dit, une somme de 2,27 milliards de roubles sur trois ans montre que le régulateur considère le machine learning comme un élément durable de son arsenal, et non comme une expérimentation. Pour le secteur, cela implique d'intégrer dans l'architecture et les plans de risques la possibilité d'un accès réseau instable. Les détails apparaîtront vraisemblablement plus tard : à mesure que le système sera mis en service, entreprises et utilisateurs constateront eux-mêmes son impact sur les services qu'ils utilisent au quotidien.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que l'on sait du projet ?

Les faits sont peu nombreux, et presque tous proviennent du récit de Forbes. Le régulateur utilise un modèle mathématique « national » dont le nom n'est pas divulgué. Le modèle est déployé sur l'infrastructure propre de l'agence, et non dans le cloud d'un fournisseur tiers. Sa mission, selon le document, consiste à extraire automatiquement les informations pertinentes à partir de vastes volumes de données. Ce que les données publiques ne contiennent pas, en revanche, ce sont les détails.

Pourquoi le régulateur s'y intéresse?

La logique se comprend avec un exemple simple. Un filtre classique ressemble à un vigile muni d'une liste de noms : il ne reconnaît que ceux qui y figurent déjà. Un modèle entraîné s'apparente davantage à un agent qui a mémorisé les comportements typiques des contrevenants et repère les personnes qui leur ressemblent, même si elles ne figurent pas encore sur la liste.

Que sait-on sur Les risques pour les entreprises et les développeurs ?

Ces mêmes experts mettent en garde contre les effets de bord. Le premier est celui des faux positifs. Tout modèle se trompe, et dans le trafic réseau, une erreur signifie qu'un service légal peut se retrouver bloqué ou restreint. Le second risque concerne la baisse de stabilité des services d'entreprise et des VPN.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…