Google pousse HEIR vers l'inférence privée, entre promesses et coûts de calcul

Le 14 août 2026, dans une mise à jour du Security Blog signée par Jeremy Kun, Staff Software Engineer, Google a repris HEIR (Homomorphic Encryption Intermediate Representation). Ce n'est pas un projet débutant — il a été lancé en 2023 comme infrastructure fondée sur MLIR — mais une maturation vers une plateforme de développement open source distribuée sur GitHub sous licence Apache-2.0. La fonction technique est claire : convertir des modèles d'apprentissage automatique déjà entraînés afin qu'ils puissent exécuter l'inférence sur des entrées chiffrées, avec la prise en charge de plusieurs schémas cryptographiques comme BGV, BFV, CKKS et le schéma CGGI via les backends tfhe-rs et Jaxite. L'objectif annoncé est une solution « en un clic » permettant même aux non-spécialistes d'intégrer l'inférence chiffrée dans des applications de production.

L'annonce s'accompagne d'une série de démonstrations pratiques développées avec des partenaires précis : le modèle de recommandation avec Belfort Labs, LG et la New York University ; le détecteur de fraude à la carte bancaire avec Niobium et hardshell.ai ; le détecteur d'intrusions Kitsune sur le trafic réseau avec Niobium ; le détecteur de mot-clé audio avec Belfort Labs. Le billet évoque aussi des collaborations avec des fabricants d'accélérateurs matériels comme Optalysys, ce qui laisse deviner un écosystème en construction. Google précise que les latences des quatre applications sont mesurées sur un CPU monothread ; les chiffres exacts ne sont pas vérifiables.

Sur le versant académique, Google s'appuie sur un article intitulé « HEIR: A Universal Compiler for Homomorphic Encryption », soumis sur arXiv en août 2025, et sur des partenariats avec des institutions comme Carnegie Mellon et l'université Tsinghua. Malgré l'ambition de rendre l'IA privée praticable, l'entreprise elle-même reconnaît dans le billet que la surcharge de calcul n'est pas négligeable (« homomorphic encryption has a nontrivial cost overhead »). Pour l'instant, les sources vérifiables ne livrent ni chiffres précis sur cet écart de performance ni confirmation d'un produit grand public de Google déjà fondé sur cette technologie, laissant l'efficacité réelle du système dans une zone d'incertitude technique.

Construire un compilateur qui masque la complexité de la cryptographie est une prouesse d'ingénierie remarquable, mais tant que la surcharge de calcul demeure une inconnue non quantifiée, l'IA privée risque de rester une solution brillante à des problèmes que nous n'avons pas encore les moyens de résoudre. — Olya