Reseau de neurones a graphe GNN

Définition

Un reseau de neurones a graphe (Graph Neural Network, GNN) est une architecture d'apprentissage profond concue pour traiter des donnees structurees sous forme de graphe, c'est-a-dire un ensemble de noeuds relies par des aretes, plutot que des donnees en grille comme les images ou des sequences comme le texte. Le principe central est le passage de messages (message passing) : a chaque couche, chaque noeud met a jour sa representation vectorielle en agregeant les informations de ses voisins directs, permettant apres plusieurs couches de capturer des dependances a plusieurs sauts dans le graphe. Les architectures les plus repandues incluent les Graph Convolutional Networks (GCN), les GraphSAGE et les Graph Attention Networks (GAT), ce dernier ponderant l'importance de chaque voisin via un mecanisme d'attention. Les GNN sont utilises en detection de fraude bancaire, en decouverte de medicaments (modelisation de molecules), en systemes de recommandation et en cybersecurite pour l'analyse de graphes de connexions reseau ou de dependances logicielles (supply chain). Pour un RSSI, les GNN sont particulierement pertinents pour la detection d'anomalies dans les graphes d'authentification Active Directory ou l'analyse de propagation laterale (lateral movement) lors d'un incident, en modelisant l'infrastructure IT comme un graphe de relations entre comptes, machines et privileges.