Les 10 tendances IT 2025

Les assistants IA pour codeurs (ou TuringBots, nom donné par le cabinet Forrester en référence à Alan Turing) se démocratisent depuis cette année, leur mission est d’aider les développeurs à coder et augmenter ainsi leur productivité. Selon le cabinet d’études Forrester qui a mené une enquête auprès des programmeurs en 2024, 24 % des sondés ont déclaré qu’au cours des 12 prochains mois, ils tireraient parti des atouts des technologies ML et de l’IA Gen dans l’ensemble du cycle de développement logiciel. Il faut dire que les démonstrations offertes par ces outils IA multimodaux (AWS CodeWhisperer, Google Gemini, ChatGPT-4o with Canvas, Github Copilot, IBM Watsonx Code Assistant, etc.) sont parfois impressionnantes en générant du code en quelques secondes depuis un prompt de quelques lignes. Si les TuringBots aideront tous les rôles de développement à court terme, selon le cabinet Forrester, ils deviendront, à moyen terme, plus précis, presque l’égal des humains, puis sur le long terme, plus autonomes avec des capacités de raisonnement supplémentaires. Et pour l’humain, cette fois-ci, son rôle pourrait se limiter à la supervision. La productivité atteindra alors des sommets inimaginables. Rappelons que Matt Garman, le dirigeant d’Amazon Web Services, avait récemment déclaré à ses employés dans un enregistrement divulgué par Business Insider que dans deux ans la plupart des développeurs pourraient bientôt arrêter de coder, car l'IA prendrait le relais. De son côté, Google a d’ores et déjà fait savoir que 25 % de son code était généré par l’IA, une annonce faite par Sundar Pichai, le CEO d’Alphabet, lors de la présentation des résultats financiers du troisième trimestre 2024. Buzz ou pas, la quantité de code produite par les outils IA augmente, peut-être pas dans des proportions égales suivant les acteurs. Cela permet aux développeurs de se concentrer sur des tâches à plus forte valeur ajoutée, notamment celles liées aux tests et aux déploiements.  

Des robots autonomes à deux ou quatre pattes qui s’activent dans les entreprises se font encore très rares. A en croire le cabinet d’études Forrester, moins de 5 % de ces robots qui entreront dans les usines et les entrepôts en 2025 marcheront. Cela dit, certains groupes testent déjà des robots humanoïdes boostés à l’IA comme le fabricant de voitures électriques Tesla avec Optimus, un robot que la firme souhaite aussi commercialiser auprès du grand public aux alentours de 25 000 € pour aider dans des tâches physiques quotidiennes et répétitives assez simples comme le transport d’objets d’un point A à un point B. Autre exemple, celui de la start-up Figure - soutenue financièrement par Microsoft, OpenAI, Jeff Bezos, le fondateur d’Amazon via le fonds Explore Investments LLC, Nvidia et d’autres comme Intel - qui devrait équiper de son robot humanoïde l’usine du constructeur automobile allemand BMW située en Caroline du Sud aux États-Unis. Un test est déjà en cours, le robot est positionné dans les processus de fabrication (atelier de carrosserie, tôlerie et entrepôt). D’autres constructeurs automobiles comme Honda ou encore Hyundai expérimentent l’usage de robots humanoïdes pour effectuer des tâches répétitives et dangereuses sur les lignes de montage. Hyundai teste notamment Atlas, conçu par Boston Dynamics. De même, Mercedes a adopté sur ses chaînes Apollo le dernier-né des robots humanoïdes du fabricant Apptronik qui mesure 1,76 m et qui peut porter une charge de 25 kg pour quatre heures d’autonomie. La mission de ce robot collaboratif bipède est d’effectuer certaines tâches physiquement exigeantes, répétitives et ennuyeuses pour lesquelles il est d’ailleurs de plus en plus difficile de trouver des travailleurs fiables. En France, le robot Talos (1,75 m), développé par les équipes du LAAS/CNRS et bardé de millions de capteurs, intéresse aussi l’industrie dont le groupe Airbus qui scrute ses avancées. Très enthousiaste sur l’arrivée des robots polyfonctionnels, le cabinet d’études Gartner prévoit que d'ici à 2030, 80 % des humains utiliseront quotidiennement des robots autonomes, contre moins de 10 % aujourd'hui. 

Qu’est-ce que l’IA agentique ou un agent IA ? En quelque sorte, c’est une Gen AI ou plutôt des GenAI qui agissent et interagissent de manière intelligente et autonome. Prenons un exemple, celui d’un agent IA dans un centre d'appels qui souhaite résoudre les requêtes des clients. L'agent posera automatiquement différentes questions aux clients, recherchera des informations dans des documents internes et répondra en proposant une solution. Sur la base des réponses des clients, il détermine s'il peut résoudre lui-même la requête ou la transmettre à un humain. Selon le cabinet Gartner, l'IA agentique agit comme une main-d'œuvre virtuelle qui peut décharger et augmenter le travail humain. D’ailleurs, le cabinet d’études s'attend à une prolifération de l'IA agentique, d'ici 2028, au moins 15 % des décisions professionnelles quotidiennes seront prises de manière autonome grâce à l'IA agentique, contre 0 % en 2024. De nombreuses start-ups se positionnent sur cette IA comme la française H (Holistic AI) qui a opéré une récente levée de fonds lui permettant, entre autres, d’investir dans de la puissance de calcul pour la conception de ses modèles agentiques. Autre exemple, celui d’Integrail avec AI Studio qui permet de créer facilement des applications multi-agents. En parallèle, une autre IA se développe, c’est celle qui va aller chercher les émotions et les sentiments afin d’aider les assistants IA à communiquer plus efficacement avec les humains, de la science-fiction, pas si sûr… Des exemples existent déjà dans le secteur des communications unifiées à l’image de Mitel qui, grâce à son outil MIR Insights AI, peut fournir une analyse des sentiments perçus dans la conversation, ce qui contribue à une meilleure compréhension du client. Ringover travaille aussi sur ce sujet d’analyse des émotions depuis sa plateforme d’analyse conversationnelle Empower tout comme Sewan avec son offre Smart Record AI, qui décode l’humeur des interlocuteurs, permettant aux entreprises d’adapter en temps réel leurs stratégies commerciales. Et pour aller plus loin, le cabinet Gartner évoque même l'amélioration neuronale, comment les technologies sont-elles capables de lire et de comprendre l'activité cérébrale. L'amélioration neurologique renforcera les capacités cognitives, permettra aux marques de savoir ce que les consommateurs pensent et ressentent, et renforcera les capacités neuronales humaines pour optimiser les résultats. D'ici 2030, Gartner prévoit que 30 % des travailleurs en col blanc seront améliorés par ces technologies.  

Dans la course au stockage pour les serveurs HPC, une solution fait la différence avec les autres propositions : les systèmes de fichiers parallèles et distribués.  Egalement connu sous le nom de système de fichiers en grappe, un système de fichiers parallèle stocke les données sur plusieurs serveurs en réseau et fournit un accès performant à ces dernières grâce à des opérations d'entrée/sortie (IOPS) simultanées et coordonnées entre les clients et les nœuds de stockage. Sur ce marché, peu d’élus ont vraiment réussi à percer : dans le rapport du cabinet d’études Coldago (High Performance File Storage, huit fournisseurs sont classés parmi les leaders à savoir DDN, Dell, Huawei, IBM, Pure Storage, Qumulo, VAST Data et Weka, devant les challengers Quantum, Hammerspace, HPE, Panasas et ThinkParq. Sur ce segment, un seul point fait la différence : la performance. Comme le souligne Jensen Huang, le CEO de Nvidia : «  Laisser un GPU inactif est un péché ».  

L’autre nouveauté est le développement de pNFS dans NFS 4.x, qui apporte une forme de système de fichiers parallèle au mode fichier grâce à l’utilisation d’un serveur dédié aux métadonnées. La communauté Linux, avec la contribution de Hammerspace, a développé un client de système de fichiers parallèle intégré dans le cadre du protocole NFS. Avec NFS 4.2, les clients Linux standard peuvent désormais lire et écrire directement sur le système de stockage, et augmenter les performances de façon linéaire pour les IOPS et le débit, saturant ainsi les limites des infrastructures de stockage et de réseau. Il n'est plus nécessaire de disposer d'un logiciel propriétaire pour créer un système de fichiers parallèle à hautes performances, car NFS est intégré dans des normes ouvertes et inclus dans les distributions Linux. Précisons que NFS 4.2 est une suite commerciale des concepts pNFS. De plus, avec la montée en puissance des systèmes d'orchestration, qui placent les données sur le stockage approprié à l'emplacement géographique optimal, les charges de travail haute performance peuvent travailler avec des ensembles de données distribuées (GFS poru Global File System). Dans un cadre multisite, les données sont partagées entre les zones qui ont besoin d'être alimentées en contrôlant qui a accès à quel type de données localement ou à distance, sur site ou dans le cloud.    

On entend souvent dire que les Américains inventent, les Asiatiques produisent et les Européens régulent. Ce n’est pas qu’une caricature, il y a un peu de vrai dans cette expression, prenons simplement l’exemple du domaine de la GenAI qui est actuellement en pleine effervescence. L’Europe, dont la mission première devrait être de soutenir des fleurons dans la GenAI, n’attend pas et s’empresse déjà de réglementer l’usage de l’IA en instaurant l’AI Act. En soi, ce règlement, qui a été publié le 1er août dernier, sera sûrement nécessaire à l’avenir mais pourquoi dès maintenant à l’heure où la R&D dans l’IA est encore dans une phase stimulante. Il est certain que la lourdeur des obligations va ralentir le progrès et freiner la compétitivité en rendant l'accès à l'IA plus difficile pour les PME. C’est d’autant plus vrai que ce règlement coexiste avec d’autres textes déjà en vigueur comme le RGPD et la directive sur le droit d'auteur dans le marché numérique. Autre exemple, celui du CRA (Cyber-resiliency Act) qui demande plus de security by design aux fournisseurs (fabricants et importateurs) d’objets connectés, c’est-à-dire de prendre en compte la sécurité dès la conception du produit et qu’aucune faille de sécurité connue soit détectée au moment de la livraison. Parmi les obligations du CRA figure la livraison de mises à jour du produit pour corriger d’éventuelles failles. De même, tout incident devra être notifié à l’Enisa (European Union Agency for Cybersecurity) dans les meilleurs délais, au plus tard 24 heures après en avoir eu connaissance. Le champ d’application du CRA concerne non seulement le matériel connecté intégrant du logiciel mais aussi les applications qui traitent des données à distance. Aujourd’hui, nous ne connaissons pas encore le calendrier exact de la mise en œuvre de la loi et sa transposition dans chaque pays européen mais, le 12 mars dernier, le parlement européen a approuvé la loi sur la cyber-résilience avec 517 voix pour, 12 contre et 78 abstentions. A cette réglementation à venir, l’année 2024 a vu la mise en œuvre de deux directives européennes : NIS 2 et CSRD. La première, entrée en vigueur depuis le mois d’octobre (la transposition est en cours en France), est une évolution de NIS 1. Son objectif est toujours de renforcer la cybersécurité en Europe en élargissant le spectre, ainsi, plus de 20 000 structures en France sont concernées par cette directive, appartenant à plus de 18 secteurs. Quant à la CSRD (Corporate Sustainability Reporting Directive), elle est applicable depuis le 1er janvier 2024 et concerne les grandes entreprises et les PME côtées en bourse (environ 50 000 entreprises en Europe). Cette directive fixe de nouvelles normes et obligations de reporting extra-financier, notamment en matière de développement durable. Ce reporting extra-financier porte donc sur les données ESG (Environnementaux, Sociaux et Gouvernance) de l'entreprise, plus précisément, il est demandé de fournir aux acteurs concernés plusieurs informations. N’oublions pas enfin Dora (Digital Operational Resilience Act), un autre règlement européen qui devrait rentrer en vigueur dès 2025 et qui cible le secteur financier (banques et assurances), là aussi, l’objectif de Dora est d’établir des règles plus strictes en matière de cyber-résilience, de sauvegarde et de gestion des risques pour les entreprises concernées. 

En 2004, Bill Gates annonçait, lors de la conférence RSA Security, la fin des mots de passe. 20 ans plus tard, les mots de passe sont toujours là. D’ailleurs, en moyenne, un seul utilisateur en gère et en retient plusieurs dizaines, c’est d’autant plus compliqué qu’il se voit imposer des mots de passe complexes (augmentation du nombre de caractères, ajout de majuscules et de caractères spéciaux…). Ce n’est pas demain que disparaîtront les mots de passe et pourtant, les approches innovantes de type Passwordless se démocratisent avec de nombreuses solutions à la clé. Le Passwordless est donc une méthode d’authentification qui permet aux utilisateurs de se connecter sans utiliser de mot de passe, en se basant sur un code PIN, sur des facteurs comme la biométrie (empreintes digitales, reconnaissance faciale) ou encore sur des clés de sécurité physiques. Ces clés (ou passkeys), qui exploitent les normes de l’Alliance Fido et du World Wide Web Consortium, génèrent deux clés, une publique et une privée. La clé publique est détenue par le site web ou l’application depuis lequel ou laquelle l’utilisateur se connecte, quant à la clé privée, elle reste stockée dans une zone protégée de l’appareil. Ainsi, lors de la connexion, le site ou l’application va s’assurer qu’il s’agit bien d’un appareil identifié dans sa base. A noter que Fido 2 est la dernière série de normes d'authentification renforcée créées par la Fido Alliance. Fido 2 comprend deux spécifications : l'authentification web du W3C (WebAuthn) et le protocole Client to Authenticator Protocol (CTAP) de la FIDO Alliance.  

Reste qu’une approche Passwordless n’est pas si simple à mettre en œuvre dans les entreprises car ces dernières disposent généralement de systèmes hétérogènes modernes et anciens, dont certains peuvent ne pas prendre en charge les standards d'authentification sans mot de passe. De plus, l’adoption de ces technologies par les utilisateurs doit s’accompagner d’une rigoureuse conduite du changement. Enfin, chaque entreprise est différente avec des réglementations sur mesure et spécifiques à son secteur, ce qui multiplie les cas d’usages. Pour toutes ces raisons, les entreprises doivent s’orienter vers des fournisseurs spécialisés capables de les accompagner comme Thales par exemple. En effet, Thales a lancé l’été dernier Passwordless 360°, un ensemble complet d’outils permettant aux entreprises de déployer l’authentification sans mot de passe sur un large éventail d’applications, tels que l’accès sécurisé aux appareils personnels et professionnels ou l’authentification sur des ressources web aussi bien modernes qu’anciennes. Bien d’autres acteurs en font leur spécialité comme Okta ou encore Ping Identity.  

Aujourd’hui, le traitement des workloads IA repose très largement sur des GPU de Nvidia, c’est par exemple le cas de ChatGPT qui s’accaparerait les ressources de plus de 30 000 GPU (source : Trendforce). Google, Microsoft, AWS et la majorité des fournisseurs Cloud sont aussi des grands consommateurs de GPU Nvidia, et à environ 30 000$ en moyenne le GPU H100 et près de 70 000$ le B200, l’addition est salée.  Selon le rapport du cabinet Jon Peddie Research, Nvidia pesait 88 % des GPU livrés dans le monde au premier trimestre 2024. De plus, la force de Nvidia est de proposer, via son kit de développement Cuda (Compute Unified Device Architecture) lancé en 2007, un écosystème logiciel dédié autour de ses GPU. Face à cette dépendance, la volonté de certains acteurs est d’avoir des alternatives en développant des processeurs IA dédiés. Déjà, il existe chez Intel et AMD des offres concurrentes avec respectivement les accélérateurs IA Gaudi 3 et Instinct MI325X. A noter que ce dernier offre une bande passante mémoire supérieure à celles de l'Instinct MI300X, soit 5,3 To/s contre 3,9 To/s. Toujours du côté des challengers, Ampere Computing travaille sur une puce baptisée Aurora qui embarquera un accélérateur dédié pour l'IA et un réseau d'interconnexion die to die dédié. En parallèle, les quatre grands hyperscalers Microsoft, Meta, AWS et Google conçoivent des puces alternatives qu’ils utilisent dans leurs propres datacenters. A l'occasion de la conférence Ignite, Microsoft avait dévoilé Maia 100 gravée en 5 nm par TSMC : la conception de Maia permettant de fournir des niveaux élevés de performances pour des tâches telles que l'exécution de modèles OpenAI, ChatGPT, Bing, GitHub Copilot et autres. De son côté, Meta a officialisé, il y a peu de temps, la dernière version de sa puce maison MTIA (Meta Training and Inference Accelerator) qui propose une intégration avec PyTorch 2.0 ainsi qu’un compilateur appelé Triton-MTIA. Chez AWS, l’historique autour des accélérateurs IA est déjà plus conséquent, cela fait quelques années que l’hyperscaler conçoit ses propres puces notamment les Inferentia et les Trainium.  Anthropic utilisera d’ailleurs ces dernières pour construire, former et déployer ses futurs modèles. Pour Google, l’évolution de ses TPU (Tensor Processing Unit) dédiés à l’IA passera par Trillium, dont les performances de calcul seraient multipliées par 4,7 par rapport à la génération précédente. Face à ces quatre hyperscalers, IBM souhaite aussi s’imposer sur l’accélération des workloads IA avec AI Spyre embarquant 32 unités de traitement et 25,6 milliards de transistors. Quant à Open AI, il envisagera aussi de lancer ses puces maison. Bien d’autres acteurs se lancent dans la course à l’image de Cerebras Systems et de sa puce WSE-3 dont la taille atteint celle d’un gros wafer, environ 12 pouces. Du côté logiciel cette fois-ci, une coalition de fournisseurs (Arm, Google, Imagination Technologies, Intel, Qualcomm ou encore Samsung) regroupés au sein de la UXL Foundation (une émanation de la puissante Linux Foundation) entend, là aussi, remettre en cause la domination de Nvidia en s'attaquant au kit de développement Cuda qui maintient les développeurs dans son écosystème. À partir de oneAPI, une technologie développée par Intel, la Fondation UXL prévoit de créer une suite de logiciels et d'outils capables d'alimenter plusieurs types d’accélérateurs. Enfin, Groq est bien décidé à surfer sur la vague IA (générative ou autre) avec sa plateforme de calcul LPU taillée pour l'inférence et l'accélération des traitements LLM.

Nourrir une IA générative avec la bonne information représente 80 % de l'effort, le solde étant consacré au paramétrage du LLM et au prompt engineering. De ce constat, la donnée est essentielle et conditionne la pertinence de la réponse apportée par l’IA. Toutefois, les données sont souvent difficiles à collecter en masse, coûteuses, sans oublier qu’elles sont également, pour certaines, sensibles, confidentielles et risquées. Pour toutes ces raisons, l’usage de données synthétiques par des systèmes d’IA peut s’avérer être la meilleure solution. Pour le cabinet d’études Gartner, le fait d’intégrer des données synthétiques dans les modèles permet aux entreprises de simuler des environnements et d’identifier de nouvelles opportunités de développement de produits, en particulier dans des secteurs très réglementés. Cela facilite également le prototypage rapide des expériences logicielles, digitales et hybrides. Typiquement, l’un des usages où les données synthétiques prennent toute leur importance concerne le secteur de la santé notamment dans les essais cliniques où il est très difficile de recruter un nombre suffisant de patients. Ainsi, les données synthétiques permettent aujourd’hui de construire des bras de contrôle en se passant des patients. Dans ce cas, la vraie valeur est d’accélérer le cycle d’innovation, car au lieu de créer des cohortes de patients, on peut en réduire drastiquement leur nombre avec les données synthétiques, l’impact est énorme. D’ores et déjà, des plateformes dédiées existent sur le marché comme InstructLab d’IBM qui permet de générer systématiquement des données synthétiques pour assimiler des connaissances et intégrer des capacités dans le modèle de base, sans écraser ce que le modèle a déjà appris.  

A l’heure où les entreprises souscrivent de plus en plus à des solutions en mode SaaS se pose la question de la continuité de service suite à des pannes ou des incidents majeurs pouvant provenir de leurs fournisseurs. Comment s’assurer effectivement d’une reprise d’activité dans les meilleures conditions quand votre fournisseur SaaS subit une panne ? Cette question est surtout devenue sensible suite à la panne géante CrowdStrike-Microsoft survenue l’été dernier. Du reste, selon le cabinet d'études Gartner, d'ici trois ans, plus de 75 % des entreprises feront de la sauvegarde des applications SaaS et des données stockées chez les fournisseurs de SaaS une de leurs priorités, contre 15 % aujourd'hui. Historiquement, les entreprises imaginaient que tous ces aspects de la sécurité des données étaient gérés par leurs fournisseurs et à la décharge des entreprises, il est vrai qu’un certain nombre d’éditeurs SaaS offre en complément des services de sauvegarde mais souvent rudimentaires. De base, nous sommes plutôt dans un modèle de responsabilité partagée où le fournisseur du service cloud assurera simplement la restauration de l’application en cas de défaillance matérielle, mais pas des données liées au logiciel SaaS. Donc sans option de back-up dédiée, les données ne sont pas protégées. En partant de ces constats, les DSI se doivent aussi d’explorer des moyens plus complets pour protéger leurs données dans le SaaS en s'assurant qu'ils disposent d'une méthode de reprise après sinistre opérationnelle en cas de défaillance. Et, pour ce faire, ils peuvent se tourner vers des solutions de type BaaS (Backup as a Service) qui se multiplient sur le marché. Celles-ci sont proposées par des entreprises ou startups spécialisées comme Hycu ou Keepit qui permettent déjà de sauvegarder une dizaine d’applications en mode SaaS (de Microsoft Office 365 à Zendesk en passant par Salesforce) ou encore comme Asigra, ArcServe, Carbonite ou NinjaOne. A ces fournisseurs, ajoutons aussi les grands éditeurs du secteur, de Cohesity à Veeam sans oublier Commvault ou encore Rubrik. L’objectif de tous ces acteurs est aussi d’élargir le nombre d’applications SaaS à sauvegarder en passant soit par les API des éditeurs concernées et, si besoin, soit par des développements de connecteurs.  

A l’heure où l’IA nécessite une puissance colossale de calcul et que la Terre ne dispose pas de ressources infinies en termes d’énergie et d’eau, est-il farfelu de transférer les datacenters dans l’espace ? Non, à en croire l’étude ASCEND (Advanced Space Cloud for European Net zero emission and Data sovereignty) dévoilée par Thales Alenia Space en juin 2024. L’objectif est bien de réduire de façon significative l’empreinte carbone liée à l’énergie consommée par les datacenters tout en assurant la sécurité des données pour les particuliers et les entreprises européennes. L’avantage d’un datacenter dans l’espace est qu’il profiterait à volonté de l’énergie solaire. Les résultats de l’étude ASCEND démontrent que le projet est économiquement viable avec l’ambition de déployer 1 gigawatt avant 2050 et un retour sur investissement potentiel de plusieurs centaines de milliards d’euros d’ici 2050. Seule condition et non des moindres, disposer d’un lanceur spatial éco-conçu. C’est-à-dire dix fois moins émissif que la génération actuelle. Un impératif donc car selon une étude du cabinet de conseil Carbone4, 70 % de l'empreinte carbone du datacenter proviendrait de sa mise en orbite. Dans les meilleures conditions, ce lanceur, qui ne sera pas prêt avant 2036, devra être capable d’envoyer 35 tonnes à une altitude de 1400 km et serait réutilisable jusqu’à 50 fois. 

En outre, de nombreuses startups sont déjà dans les starting-blocks pour envoyer des datacenters dans l’espace à l’image de Lonestar Data Holdings. Début 2024, cette entreprise californienne a déjà réussi à envoyer, de la Terre à la Lune, la Déclaration d'Indépendance ainsi qu'une copie de la Constitution américaine et de la Déclaration des droits, puis des données pour l'État de Floride. Un deuxième test est programmé, cette fois-ci, pour envoyer un mini datacenter de 8 To (en SSD) avec un seul FPGA Microchip PolaFire SoC. Autre exemple, celui de Lumen Orbit, soutenu par Nvidia et Y Combinator, qui prévoit de lancer son satellite de démonstration en mai 2025 et affirme ainsi qu'il disposera de GPU 100 fois plus puissants que ceux jamais exploités dans l'espace. D’autres facteurs soutiennent les datacenters dans l’espace, ce sont les communications laser bien plus performantes que les radiofréquences actuellement utilisées par les satellites pour leurs liaisons avec la Terre. Les communications laser offrent aussi une faible latence et une faible probabilité de brouillage et d’interception. En avril 2023, la NASA a réussi à établir une liaison de communication laser la plus rapide entre la Terre et l’espace, soit un débit de 200 gigabits par seconde ce qui a permis de transférer 3,6 téraoctets de données en seulement 6 minutes. De son côté, le projet TeQuantS, initié par Thales Alenia Space et l'Agence spatiale européenne (ESA), vise à développer les technologies de communications quantiques ultra sécurisées entre l’espace et la Terre. Derrière ce projet, l’enjeu majeur de cybersécurité consiste à générer des clés cryptographiques sécurisées en utilisant les propriétés quantiques de la lumière et à les distribuer aux utilisateurs qui pourront être localisés n’importe où dans le monde.