Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

L’utilisation croissante de l’intelligence artificielle (IA) pour automatiser la détection, l’analyse et la priorisation des vulnérabilités dans les environnements DevSecOps a fait de la qualité des données un facteur déterminant de la fiabilité des mécanismes automatisés de cybersécurité. Toutefois, les modèles existants en matière de qualité des données demeurent principalement génériques et ne prennent pas explicitement en compte les exigences propres aux environnements DevSecOps intégrant des systèmes d’IA.

Ce travail propose un modèle consolidé de qualité des données, adapté à ce contexte, fondé sur la consolidation des normes existantes et des travaux de recherche portant sur la qualité des données, l’intelligence artificielle et la cybersécurité. Ce modèle est soutenu par une méthodologie structurée de mesure d’analyse, de nettoyage, et d’évaluation de la qualité des données. Son application à la National Vulnerability Database (NVD) a permis d’identifier plusieurs catégories d’anomalies, notamment des valeurs manquantes, des doublons, des incohérences temporelles et des identifiants Common Platform Enumeration (CPE) invalides.

Les résultats démontrent l’efficacité du modèle proposé pour identifier et corriger les anomalies des données de vulnérabilités dans les jeux de données de la NVD couvrant la période de 2021 à 2025. À titre d’exemple, pour le jeu de données de 2025, le nettoyage des données a permis d’améliorer l’exhaustivité de 89,20 % à 98,01 %, l’exactitude de 85,26 % à 99,99 % et l’unicité de 54,73 % à 91,05 %.

Ces résultats mettent en évidence la capacité du modèle à améliorer la qualité des données et à fournir un cadre systématique pour leur gestion dans les environnements DevSecOps intégrant des systèmes d’IA.