L'IA se dérive silencieusement dans vos pipelines de détection : benchmark Kimi K2

• Une étude montre que les modèles IA de détection d'anomalies dégradent progressivement en performance après déploiement, sans signal visible aux opérateurs.
• Le benchmark Kimi K2 révèle des pertes de précision substantielles sur des données hors distribution, mettant en lumière le problème du drift conceptuel et comportemental.
• Ce phénomène affecte massivement les pipelines de sécurité, les systèmes de fraude et les outils de compliance alimentés par l'IA.