QueryPie publie QEV, un modèle d'IA qui détecte les données sensibles

La société sud-coréenne de cybersécurité QueryPie a annoncé le 2 novembre 2026 avoir développé QEV, un modèle d'IA décisionnel chargé de classer les informations personnelles et les données confidentielles internes. Le modèle et une démo prenant en charge le coréen, l'anglais et le japonais sont publiés sur Hugging Face, selon dailysecu.com.

Lors de sa propre évaluation menée sur des documents en coréen, en anglais et en japonais, QEV a détecté 1 277 des 1 281 documents sensibles, soit un taux de détection de 99,69 %. Sur le même corpus, le modèle commercial JEV API a identifié 1 235 documents.

QEV a donc manqué 4 documents, contre 46 pour JEV API, soit environ 91,3 % de détections manquées en moins. Le modèle obtient par ailleurs un score de 98,98 % sur la métrique F2, qui accorde plus de poids au rappel qu'à la précision.

Quatre catégories et une quantification INT8

QEV classe les contenus en quatre catégories : absence d'informations sensibles, présence de données personnelles, présence de données confidentielles internes, ou présence des deux. Dans une démonstration portant sur 10 courriels et prompts d'IA fictifs, le modèle a identifié les noms de clients, les coordonnées et les adresses de livraison comme données personnelles, et les tarifs de pré-lancement ainsi que les conditions de remise comme informations confidentielles internes.

QueryPie indique avoir appliqué une quantification INT8 qui réduit de 27,5 à 45,2 % la mémoire GPU utilisée par les modèles QEV. Après cette opération, le modèle a conservé ses 4 détections manquées et son score F2 est passé de 98,98 % à 99,02 %.