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.