EDNA

À propos de EDNA

EDNA est un outil de « human sensing » développé par OpenOS, conçu pour fonctionner exclusivement sur l’appareil de l’utilisateur (on-device). Son objectif est de fournir à l’intelligence artificielle un contexte riche sur l’utilisateur en se basant sur des signaux de comportement, plutôt que sur des données biométriques envoyées vers le nuage ou des mécanismes d’authentification traditionnels. L’approche d’EDNA se distingue par sa focalisation sur les interactions naturelles de l’utilisateur avec son environnement numérique : rythme de frappe, mouvements de souris, gestes tactiles, défilement, corrections saisies, ou encore mouvements de l’appareil lui-même. Ces signaux sont captés en temps réel dans le navigateur ou l’application, puis transformés en un flux de données interprétable par des modèles de langage (LLM) ou des agents intelligents.

Contrairement à des solutions comme les CAPTCHA ou les systèmes de vérification d’identité basés sur le nuage, EDNA ne vise pas à confirmer qu’un utilisateur est humain dans un but de sécurité défensive, mais plutôt à enrichir la perception qu’a l’IA de l’état actuel de l’utilisateur : est-il présent, actif, en train de réfléchir, fatigué, distrait ? Cette information contextuelle permet aux agents IA d’adapter leur comportement de manière plus fine et plus naturelle, sans jamais exposer de données sensibles à l’externe. Le traitement local est la pierre angulaire de la proposition de valeur d’EDNA, car il garantit que les données brutes d’interaction ne quittent jamais l’appareil de l’utilisateur, renforçant ainsi la confidentialité.

EDNA s’adresse principalement aux développeurs d’agents IA, aux équipes produit qui intègrent l’intelligence artificielle dans leurs applications web ou mobiles, et à toute organisation cherchant à rendre ses systèmes plus conscients du contexte utilisateur sans recourir à des infrastructures cloud coûteuses ou intrusives. L’outil expose ces signaux comportementaux via une interface standardisée, notamment en supportant le Model Context Protocol (MCP), ce qui facilite l’intégration avec des frameworks d’agents existants.

Fonctionnalités principales

• Capture de signaux comportementaux : EDNA collecte, dans le navigateur ou l’application native, des indicateurs subtils tels que le timing des frappes au clavier, les trajectoires et vélocités du pointeur de souris, les gestes tactiles, la vitesse de défilement, les corrections de texte, et les mouvements de l’appareil (accéléromètre, gyroscope). Ces données sont agrégées localement pour former un portrait instantané de l’interaction humaine.

• Traitement 100 % on-device : La promesse centrale d’EDNA est que l’intégralité du traitement des signaux s’effectue sur l’appareil de l’utilisateur. Aucune donnée brute ni aucun dérivé de ces signaux n’est transmis vers un serveur externe. Seul le résultat interprété (un signal contextuel) peut être partagé avec l’agent IA, si l’application le décide.

• Exposition aux agents IA via MCP : EDNA met les signaux interprétés à la disposition des modèles de langage et des agents via le Model Context Protocol. Ce protocole ouvert permet aux LLM de recevoir en temps réel des informations sur l’état de l’utilisateur (par exemple, « l’utilisateur tape lentement et fait des pauses fréquentes ») sans que le modèle ait besoin d’analyser lui-même les données brutes.

• Aucune biométrie cloud : EDNA ne stocke pas d’empreintes biométriques sur des serveurs distants. Il ne s’agit pas non plus d’un système de reconnaissance faciale, vocale ou d’empreinte digitale. L’approche est purement comportementale et éphémère : les signaux sont interprétés en temps réel puis jetés.

• Intégration légère : L’outil se présente probablement sous forme de SDK ou de bibliothèque JavaScript (pour le web) ou de module natif pour applications mobiles. L’installation et la configuration visent à être minimales pour que les développeurs puissent rapidement ajouter la couche de « human sensing » à leur pile technique existante.

• Respect de la vie privée par conception : En traitant tout localement et en ne demandant pas l’accès à des données identifiantes (nom, courriel, etc.), EDNA réduit les risques de fuite de renseignements personnels et facilite la conformité avec des réglementations comme la Loi 25 au Québec ou le RGPD en Europe.

Tarification

Au moment de la rédaction de cette fiche, aucune information tarifaire officielle n’est accessible publiquement pour EDNA. Le site d’OpenOS (openos.space) ne présente pas de page de prix, ni de grille d’abonnements vérifiables. Il est donc impossible de fournir un montant en dollars canadiains pour les différents plans. Le modèle économique d’EDNA pourrait être basé sur :

• Un accès gratuit pour les développeurs individuels ou les projets open source, avec des fonctionnalités limitées (par exemple, nombre de sessions ou d’appareils).
• Un abonnement professionnel pour les équipes, facturé au volume de signaux traités ou au nombre d’utilisateurs finaux.
• Des licences sur devis pour les déploiements à grande échelle en entreprise.

Étant donné l’absence de transparence tarifaire, il est recommandé de contacter directement l’équipe d’OpenOS via le site web pour obtenir une soumission personnalisée. Les développeurs intéressés peuvent également surveiller les annonces officielles ou la documentation technique qui pourrait à l’avenir préciser les conditions d’utilisation commerciale.

En l’état, la fiche tarifaire reste à vérifier, et l’évaluation des coûts doit être faite au cas par cas selon les besoins d’intégration.

Cas d’utilisation

EDNA trouve sa pertinence dans plusieurs scénarios où la conscience du contexte utilisateur améliore l’expérience et la performance des systèmes IA.

• Adaptation dynamique d’agents conversationnels : Un assistant IA intégré à une plateforme de service client peut ajuster son ton ou sa vitesse de réponse en fonction du rythme de frappe de l’utilisateur. Si celui-ci tape rapidement et sans correction, l’agent peut accélérer ; si l’utilisateur hésite ou fait des pauses, l’agent peut adopter une approche plus patiente ou proposer de l’aide.

• Reconnaissance de présence pour la sécurité comportementale : Dans une application sensible (portail bancaire, environnement de travail à distance), EDNA peut détecter si un utilisateur est réellement présent devant l’écran en analysant les micro-mouvements du pointeur ou les gestes tactiles. Contrairement à une simple détection d’activité (mouvement de souris), le signal comportemental permet de distinguer un humain d’un script automatisé, sans recourir à un CAPTCHA intrusif.

• Amélioration de l’apprentissage automatique sur appareil : Des modèles d’IA embarqués (par exemple, dans des applications de bien-être ou de productivité) peuvent utiliser le flux de signaux d’EDNA comme caractéristique d’entrée pour prédire l’état cognitif de l’utilisateur (concentration, fatigue) et ajuster les recommandations en conséquence.

• Personnalisation temps réel d’interfaces : Une application de rédaction assistée par IA peut moduler ses suggestions automatiques selon la fluidité de la frappe. Si l’utilisateur fait beaucoup de corrections, l’outil peut réduire les propositions ou proposer une révision orthographique avancée.

• Prototypage pour la recherche en interaction humain-machine : Les laboratoires et départements de R&D peuvent utiliser EDNA pour collecter des données comportementales riches et locales, sans exposition des participants, afin d’étudier les patterns d’interaction dans des contextes écologiques.

Notre avis

EDNA représente une avancée intéressante dans le domaine de l’IA contextuelle, car elle répond à un besoin souvent sous-estimé : donner aux modèles une perception fine de l’état réel de l’utilisateur, sans compromettre sa vie privée. L’approche on-device est particulièrement pertinente dans un environnement réglementaire de plus en plus strict, notamment au Québec avec la Loi 25, et elle s’aligne avec la tendance du edge computing.

Le principal atout d’EDNA est sa philosophie : éviter l’écueil des solutions cloud qui centralisent des données comportementales potentiellement intrusives, tout en offrant un signal plus riche qu’une simple mesure d’activité binaire. La compatibilité avec le Model Context Protocol (MCP) est également un choix stratégique qui facilite l’interopérabilité avec les frameworks d’agents les plus récents.

Cependant, plusieurs zones d’ombre restent à éclaircir. L’absence de tarification publique et de documentation technique détaillée sur la précision des signaux (taux de faux positifs, robustesse face à des utilisateurs atypiques) rend difficile une évaluation objective pour un déploiement en production. Les développeurs devront probablement expérimenter eux-mêmes avec une version d’essai ou un SDK pour juger de la qualité du contexte généré. De plus, la dépendance au navigateur ou à l’application native limite potentiellement l’usage sur des appareils anciens ou à faible capacité de calcul.

EDNA n’est pas un outil de sécurité à proprement parler, mais un instrument de perception. Son intégration doit donc être pensée en complément d’autres couches (authentification, cryptage, etc.) pour des usages sensibles. Pour les équipes qui cherchent à humaniser l’interaction avec leurs agents IA tout en respectant la vie privée, EDNA est une solution prometteuse qui mérite d’être testée. La transparence tarifaire et technique sera la clé de son adoption à plus grande échelle.