Le 14 août 2026, j'ai publié un article sur le blog de sécurité de Google avec une mise à jour sur HEIR, notre compilateur de chiffrement homomorphe (HE). Cet article compagnon n'a aucune limite de mots ni jargon, donc je peux être honnête. HEIR convertit un programme d'entrée en un programme qui opère directement sur des données chiffrées, garantissant que l'ordinateur qui l'exécute n'obtient aucune information sur les données en clair.

L'article de blog se concentre sur la capacité de HEIR à compiler des modèles ML pré-entraînés, donnant quatre exemples de modèles petits mais non triviaux. Cela permet une inférence parfaitement privée. Je discuterai de quand cela est utile plus tard. D'abord, je veux donner une idée concrète de comment HEIR fonctionne et esquisser la feuille de route du projet.

L'exemple le plus simple est le détecteur de fraude par carte de crédit, un réseau feed-forward à trois couches avec des activations sigmoïdes. L'exécuter sur des entrées chiffrées a pris environ 2 secondes sur un CPU monothread, contre 0,5 ms pour le texte en clair, un ralentissement de 4000x. Le calcul implique deux produits matrice-vecteur et deux évaluations sigmoïdes.

Il y a de nombreuses mises en garde à cette démo qu'il vaut la peine de mentionner brièvement, mais le point central est que HEIR peut compiler ces modèles, et la performance, bien que lente, est un point de départ pour une optimisation supplémentaire.