1. Définition et criticité des anomalies dans les systèmes réels

Une anomalie (ou observation aberrante / outlier) est une donnée qui dévie si substantiellement des autres observations que l’on suspecte qu’elle a été générée par un mécanisme sous-jacent distinct. Dans de nombreuses industries à haute exigence (finance, cybersécurité, horlogerie de précision suisse, santé), détecter ces cas rarissimes est infiniment plus précieux que de modéliser le comportement normal moyen.

2. Les limites des règles statistiques univariées

Les méthodes classiques consistant à écarter les valeurs situées au-delà de 3 écarts-types ((3sigma)) ou des moustaches d’une boîte à moustaches (IQR) ne fonctionnent que sur une variable isolée. Or, une transaction frauduleuse ou une défaillance de serveur ne présente souvent aucune valeur extrême sur une colonne unique, mais une conjonction inhabituelle et anormale de plusieurs paramètres simultanés.

3. L’algorithme Isolation Forest

L’algorithme Isolation Forest part d’un postulat remarquablement élégant : les anomalies sont peu nombreuses et différentes, elles sont donc beaucoup plus faciles à isoler que les points normaux.

  • L’algorithme construit un ensemble d’arbres aléatoires en effectuant des scissions aléatoires de variables et de seuils.
  • Les observations marginales (anomalies) se retrouvent isolées très rapidement près de la racine de l’arbre, avec une profondeur de branche très courte.
  • Les observations normales nécessitent à l’inverse un grand nombre de découpes successives pour être individualisées.
  • Un score d’anomalie normalisé entre 0 et 1 permet de classer immédiatement les comportements suspects.

4. Cas d’application pratiques

Nous étudions l’application de la détection d’anomalies sur deux cas concrets :

  • Cybersécurité : Détection d’infiltrations sur un réseau d’entreprise par l’identification de sessions aux volumes d’échange inhabituels.
  • Maintenance prédictive : Détection précoce d’une signature vibratoire suspecte sur un équipement technique avant la rupture mécanique.
PreviousNext