Google a publié HEIR — Homomorphic Encryption Intermediate Representation — le 14 août : une chaîne d’outils de compilation open source et une plateforme de développement qui prennent un modèle préentraîné et en génèrent une version capable d’exécuter l’inférence sur des entrées chiffrées par chiffrement homomorphe.

Ce que cela signifie en pratique

Le chiffrement entièrement homomorphe permet d’effectuer des calculs sur des données chiffrées. Appliqué à l’inférence, il permet au serveur d’exécuter le modèle sans jamais déchiffrer l’entrée, puis de renvoyer uniquement un résultat chiffré que seul le client peut ouvrir. L’opérateur ne sait rien de la requête ni de la réponse — ce qui lève le principal obstacle à l’envoi de données médicales, financières ou biométriques à un modèle tiers.

Ce qui a réellement été publié

Quatre applications de référence compilées, avec des mesures de latence publiées en processeur CPU mono-thread : un modèle de recommandation en deep learning développé avec Belfort Labs, LG et NYU ; la détection de fraude par carte bancaire avec Niobium et hardshell.ai ; la détection d’intrusion réseau sur le système Kitsune avec Niobium ; et la détection de mot-clé d’activation pour la confidentialité audio avec Belfort Labs. Le code source des quatre applications se trouve dans le dépôt GitHub fully-homomorphic-encryption de Google.

Ce que ce n’est pas

Il s’agit d’une chaîne d’outils pour développeurs, pas d’un service Google Cloud géré. Il n’y a pas de SLA, pas de point d’accès hébergé et rien à acheter. « Google lance un service d’IA chiffrée » serait inexact. Cette publication vise les personnes qui compileront et exécuteront elles-mêmes ce type de charge.

Le chiffre que personne n’a publié

Le billet de Google ne quantifie pas le gain de vitesse par rapport aux travaux FHE antérieurs — il indique seulement que le coût du chiffrement homomorphe baisse rapidement. Cette omission constitue la limite honnête du sujet. L’inférence FHE reste des ordres de grandeur plus lente que l’inférence en clair, et le fait que les latences de référence soient des mesures CPU mono-thread indique dans quelle partie du spectre de performance cette technologie se situe encore.

Pourquoi le publier maintenant

Les compilateurs sont le moyen par lequel une technique cryptographique cesse d’être un artefact de recherche. Écrire à la main un circuit FHE pour un réseau neuronal est un travail spécialisé qui se mesure en mois ; un compilateur en fait une étape de build. En associant cette publication à des collaborateurs académiques et de start-up nommés, plutôt qu’à une page produit, Google montre qu’il s’attend à ce que l’écosystème comble l’écart de performance, plutôt que Google seul.