‫اﻟﺠﻤﮭﻮرﯾﺔ اﻟﺠﺰاﺋﺮﯾﺔ اﻟﺪﯾﻤﻘﺮاطﯿﺔ اﻟﺸﻌﺒﯿﺔ‬

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

‫وزارة اﻟﺘﻌﻠﯿﻢ اﻟﻌﺎﻟﻲ و اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬

MINISTÈRE DE L’ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE

SCIENTIFIQUE
Université 20 aout ‫ ﺳﻛﯾﻛدة‬- 1955 ‫ أوت‬20 ‫ﺟﺎﻣﻌﺔ‬
1955 Skikda
‫ﻛﻠﯿﺔ اﻟﻌﻠﻮم‬
Faculté des
sciences ‫ﻗﺴﻢ اﻹﻋﻼم اﻻﻟﻲ‬
Département
d’informatique

Spécialité : SIAA

Un Rapport Technique Sur :

THÈME

Présenté par: Encadré par:

● Bezaz Badr Eddine ● Mr. Boucheham Bachir

Année universitaire: 2023-2024

Table des
Matières
 Titre Page
Liste des figures
Introduction générale 7
Structure du mémoire 8
Chapitre 1 : Histoire de l'intelligence artificielle
1. Introduction 10
2. 1940-1960 : Naissance de l’IA dans le sillage de la cybernétique 10
3. Test de turing 12
4. 1980-1990 : Les systèmes experts 13
5. Depuis 2010 : un nouvel essor à partir des données massives et d’une 14
nouvelle puissance de calcul
15
6 Conclusion
Chapitre 2 : L'intelligence artificielle dans le domaine de la sécurité
(Cybersécurité)
1. Introduction
17
2. Comprendre Cyber IA: Définition et explication
17
3. Applications courantes de l'IA dans le domaine de la cybersécurité
18
4. Avantages de l'utilisation des technologies de l'IA dans le domaine de la
sécurité 18

5. L'avenir de l'IA en sécurité 19

6. Conclusion 20

Conclusion générale
Bibliographie
Liste des
Figures
 Figure Page
Figure 1.1 les pères fondateurs de l'ia 11
Figure 1.2 test de turing 12
Introduction
Générale
Introduction

L'intelligence artificielle (IA) est un domaine passionnant de la technologie

qui vise à créer des systèmes informatiques capables d'imiter certaines fonctions
cognitives humaines. Elle englobe un large éventail de techniques et d'applications
qui visent à permettre aux machines de penser, d'apprendre et d'agir de manière
intelligente, presque comme le ferait un être humain. L'IA se base sur l'idée de
simuler la réflexion, la compréhension, l'apprentissage, la prise de décision et la
résolution de problèmes à travers des algorithmes et des modèles de données
sophistiqués.

L'IA a connu une croissance spectaculaire au fil des années, alimentée par
des avancées dans le domaine de la puissance de calcul, de la collecte de données
massive et des algorithmes d'apprentissage automatique. Cette technologie est de plus
en plus intégrée dans de nombreux aspects de notre vie quotidienne et dans divers
secteurs de l'industrie.

Les applications de l'IA sont vastes et diverses. Elle est utilisée pour La
reconnaissance d'image et de voix, la traduction automatique, la médecine, La
sécurité, Les jeux vidéo, les recommandations de produits, et bien d'autres domaines.
Elle joue un rôle clé dans l'automatisation des tâches, l'optimisation des processus, la
prise de décisions basées sur les données, et l'amélioration de la qualité de vie.

Dans le monde en constante évolution de la technologie, l'intelligence

artificielle est une énigme qui a captivé l'imagination des esprits brillants et des
chercheurs visionnaires depuis des décennies une exploration incessante visant à doter
les machines de la capacité de penser, d'apprendre et de résoudre des problèmes de
manière autonome.

7
Structure du mémoire

Ma présent mémoire est structuré en deux chapitres comme suis:

Chapitre 1 : Histoire de l'intelligence artificielle.

Ce chapitre explore les concepts fondamentaux de l'histoire de l'intelligence

artificielle, détaillant son émergence depuis les premières discussions conceptuelles
jusqu'aux avancées contemporaines.

Chapitre 2 : L'intelligence artificielle dans le domaine de la sécurité (Cybersécurité).

Dans ce chapitre, nous avons examiné le rôle de l'intelligence artificielle dans

le domaine de la sécurité, en mettant en évidence ses diverses applications et
contributions à la cybersécurité.

8
Chapitre 1
Histoire
de
l'intelligence
artificielle
 1. Introduction :

L’intelligence artificielle (IA) est une discipline jeune d’une soixante d’années, qui est un
ensemble de sciences, théories et techniques (notamment logique mathématique, statistiques,
probabilités, neurobiologie computationnelle, informatique) qui ambitionne d’imiter les capacités
cognitives d’un être humain. Initiés dans le souffle de la seconde guerre mondiale, ses développements
sont intimement liés à ceux de l’informatique et ont conduit les ordinateurs à réaliser des tâches de plus
en plus complexes, qui ne pouvaient être auparavant que déléguées à un humain. [1]

2. 1940-1960 : Naissance de l’IA dans le sillage de la cybernétique :

L’époque entre 1940 et 1960 a été fortement marquée par la conjonction de développements
technologiques (dont la seconde guerre mondiale a été un accélérateur) et la volonté de comprendre
comment faire se rejoindre le fonctionnement des machines et des êtres organiques. Ainsi pour Norbert
Wiener, pionnier de la cybernétique, l’objectif était d’unifier la théorie mathématique, l’électronique et
l’automatisation en tant que « théorie entière de la commande et de la communication, aussi bien chez
l’animal que dans la machine ». Juste auparavant, un premier modèle mathématique et informatique du
neurone biologique (neurone formel) avait été mis au point par Warren McCulloch et Walter Pitts dès
1943.

Début 1950, John Von Neumann et Alan Turing ne vont pas créer le terme d’IA mais vont être les
pères fondateurs de la technologie qui la sous-tend : ils ont opéré la transition entre les calculateurs à la
logique décimale du XIXème siècle (qui traitaient donc des valeurs de 0 à 9) et des machines à la
logique binaire (qui s’appuient sur l’algèbre booléenne, traitant des chaines plus ou moins importantes
de 0 ou de 1). Les deux chercheurs ont ainsi formalisé l’architecture de nos ordinateurs contemporains et
ont démontré qu’il s’agissait là d’une machine universelle, capable d’exécuter ce qu’on lui programme.
Turing posera bien en revanche pour la première fois la question de l’éventuelle intelligence d’une
machine dans son célèbre article de 1950 « Computing Machinery and Intelligence » et a décrit un « jeu
de l’imitation », où un humain devrait arriver à distinguer lors d’un dialogue par téléscripteur s’il
converse avec un homme ou une machine. Pour polémique que soit cet article (ce « test de Turing »
n’apparaît pas qualifiant pour nombre d’experts), il sera souvent cité comme étant à la source du
questionnement de la limite entre l’humain et la machine.

10
 La paternité du terme « IA » pourrait être attribué à John McCarthy du MIT (Massachusetts
Institute of Technology), terme que Marvin Minsky (université de Carnegie-Mellon) définit comme « la
construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant,
accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux
de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement
critique ». La conférence durant l’été 1956 au Dartmouth College (financée par le Rockefeller Institute)
est considérée comme fondatrice de la discipline. De manière anecdotique, il convient de relever le
grand succès d’estime de ce qui n’était pas une conférence mais plutôt un atelier de travail. Seulement
six personnes, dont McCarthy et Minsky, étaient restées présentes de manière constante tout au long de
ces travaux (qui s’appuyaient essentiellement sur des développements basés sur de la logique formelle).

Si la technologie demeurait fascinante et remplie de promesse (voir notamment dans le domaine

judiciaire l’article de Reed [Link], avocat au barreau de Californie, de 1963 « What Computers Can
Do : Analysis and Prediction of Judicial Decisions »), l’engouement est retombé au début des années
1960. Les machines disposaient en effet de très peu de mémoire, rendant malaisé l’utilisation d’un
langage informatique. On y retrouvait toutefois déjà certains fondements encore présents aujourd’hui
comme les arbres de recherche de solution pour résoudre des problèmes : l’IPL, information processing
language, avait permis ainsi d’écrire dès 1956 le programme LTM (logic theorist machine) qui visait à
démontrer des théorèmes mathématiques.

Herbert Simon, économiste et sociologue, a eu beau prophétiser en 1957 que l’IA arriverait à
battre un humain aux échecs dans les 10 années qui suivraient, l’IA est entrée alors dans un premier
hiver. La vision de Simon s’avérera pourtant juste… 30 années plus tard. [1]

11
 3. Test de turing:

Le test de Turing, qu'est-ce que c'est ?

Le test de Turing est une proposition de test d’intelligence artificielle ayant la faculté d’imiter la
conversation humaine. Décrit par Alan Turing en 1950 dans sa publication Computing machinery and
intelligence, ce test consiste à mettre en confrontation verbale un humain avec un ordinateur et un autre
humain à l’aveugle. Si l’homme qui engage les conversations n’est pas capable de dire qui est
l’ordinateur et qui est l’autre homme, on peut considérer que le logiciel de l’ordinateur a passé avec
succès le test. Cela sous-entend que l’ordinateur et l’homme essaieront d’avoir une apparence
sémantique humaine. Pour conserver la simplicité et l’universalité du test, la conversation est limitée à
un échange textuel entre les protagonistes. [2]

Inspiration :

Le test a été inspiré d’un jeu d’imitation dans lequel un homme et une femme vont dans des pièces
séparées et les invités tentent de discuter avec les deux protagonistes en écrivant des questions et en
lisant les réponses qui leur sont renvoyées. Dans ce jeu l’homme et la femme essayent de convaincre les
invités qu’ils sont tous deux des femmes.

12
 À l’origine Turing a imaginé ce test pour répondre à sa question existentielle : « une machine
peut-elle penser ? », en donnant une interprétation plus concrète de sa question.

Une idée intéressante de sa proposition de test est que les réponses doivent être donnés dans des
intervalles de temps définis. Il imagine que cela est nécessaire pour que l’observateur ne puisse pas
établir une conclusion qui soit fondée sur le fait qu’un ordinateur puisse répondre plus rapidement qu’un
homme, surtout sur des questions de mathématiques. [2]

4. 1980-1990 : Les systèmes experts :

C’est avec l’avènement des premiers microprocesseurs fin 1970 que l’IA reprend un nouvel essor
et entre dans l’âge d’or des systèmes experts.

La voie avait été en réalité ouverte au MIT dès 1965 avec DENDRAL (système expert spécialisé
dans la chimie moléculaire) et à l’université de Stanford en 1972 avec MYCIN (système spécialisé dans
le diagnostic des maladies du sang et la prescription de médicaments). Ces systèmes s’appuyaient sur un
« moteur d’inférence », qui était programmé pour être un miroir logique d’un raisonnement humain. En
entrant des données, le moteur fournissait ainsi des réponses d’un haut niveau d’expertise.

Les promesses laissaient envisager un développement massif mais l’engouement retombera à

nouveau fin 1980, début 1990. La programmation de telles connaissances demandait en réalité beaucoup
d’efforts et à partir de 200 à 300 règles, il y avait un effet « boîte noire » où l’on ne savait plus bien
comment la machine raisonnait. La mise au point et la maintenance devenaient ainsi extrêmement
problématiques et – surtout – on arrivait à faire plus vite et aussi bien d’autres manières moins
complexes, moins chères. Il faut rappeler que dans les années 1990, le terme d’intelligence artificielle
était presque devenu tabou et des déclinaisons plus pudiques étaient même entrées dans le langage
universitaire, comme « informatique avancée ».

Le succès en mai 1997 de Deep Blue (système expert d’IBM) au jeu d’échec contre Garry
Kasparov concrétisera 30 ans plus tard la prophétie de 1957 d’Herbert Simon mais ne permettra pas de
soutenir les financements et les développements de cette forme d’IA. Le fonctionnement de Deep Blue
s’appuyait en effet sur un algorithme systématique de force brute, où tous les coups envisageables
étaient évalués et pondérés. La défaite de l’humain est restée très symbolique dans l’histoire mais Deep
Blue n’était en réalité parvenu à ne traiter qu’un périmètre très limité (celui des règles du jeu d’échec),
très loin de la capacité à modéliser la complexité du monde. [1]

13
 5. Depuis 2010 : un nouvel essor à partir des données massives et d’une
nouvelle puissance de calcul :

Deux facteurs expliquent le nouvel essor de la discipline aux alentours de 2010.

- L’accès tout d’abord à des volumes massifs des données. Pour pouvoir utiliser des algorithmes de
classification d’image et de reconnaissance d’un chat par exemple, il fallait auparavant réaliser
soi-même un échantillonnage. Aujourd’hui, une simple recherche sur Google permet d’en trouver des
millions.

- Ensuite la découverte de la très grande efficacité des processeurs de cartes graphiques des ordinateurs
pour accélérer le calcul des algorithmes d’apprentissage. Le processus étant très itératif, cela pouvait
prendre des semaines avant 2010 pour traiter l’intégralité d’un échantillonnage. La puissance de calcul
de ces cartes, (capables de plus de mille milliards d’opérations par seconde) a permis un progrès
considérable pour un coût financier restreint (moins de 1000 euros la carte).

Ce nouvel attirail technologique a permis quelques succès publics significatifs et a relancé les
financements : en 2011, Watson, l’IA d’IBM, remportera les parties contre 2 champions du « Jeopardy !
». En 2012, Google X (laboratoire de recherche de Google) arrivera à faire reconnaître à une IA des
chats sur une vidéo. Plus de 16 000 processeurs ont été utilisés pour cette dernière tâche, mais le
potentiel est alors extraordinaire : une machine arrive à apprendre à distinguer quelque chose. En 2016,
AlphaGO (IA de Google spécialisée dans le jeu de Go) battra le champion d’Europe (Fan Hui) et le
champion du monde (Lee Sedol) puis elle-même (AlphaGo Zero). Précisons que le jeu de Go a une
combinatoire bien plus importante que les échecs (plus que le nombre de particules dans l’univers) et
qu’il n’est pas possible d’avoir des résultats aussi significatifs en force brute (comme pour Deep Blue en
1997).

D’où vient ce miracle ? D’un changement complet de paradigme par rapport aux systèmes experts.
L’approche est devenue inductive : il ne s’agit plus de coder les règles comme pour les systèmes experts,
mais de laisser les ordinateurs les découvrir seuls par corrélation et classification, sur la base d’une
quantité massive de données.

14
 Parmi les techniques d’apprentissage machine (machine learning), c’est celle de l’apprentissage
profond (deep learning) qui paraît la plus prometteuse pour un certain nombre d’application (dont la
reconnaissance de voix ou d’images). Dès 2003, Geoffrey Hinton (de l’Université de Toronto), Yoshua
Bengio (de l’Université de Montréal) et Yann LeCun (de l’Université de New York) avaient décidé de
démarrer un programme de recherche pour remettre au goût du jour les réseaux neuronaux.

Des expériences menées simultanément à Microsoft, Google et IBM avec l’aide du laboratoire de
Toronto de Hinton ont alors démontré que ce type d’apprentissage parvenait à diminuer de moitié les
taux d’erreurs pour la reconnaissance vocale. Des résultats similaires ont été atteints par l’équipe de
Hinton pour la reconnaissance d’image.

Du jour au lendemain, une grande majorité des équipes de recherche se sont tournées vers cette
technologie aux apports incontestables. Ce type d’apprentissage a aussi permis des progrès
considérables pour la reconnaissance de texte, mais, d’après les experts comme Yann LeCun, il y a
encore beaucoup de chemin à parcourir pour produire des systèmes de compréhension de texte. Les
agents conversationnels illustrent bien ce défi : nos smartphones savent déjà retranscrire une instruction
mais ne parviennent pas la contextualiser pleinement et à analyser nos intentions. [1]

6. Conclusion :

En conclusion, en refermant cette section consacrée à l'histoire de l'IA, nous sommes à présent
prêts à nous immerger dans le prochain chapitre qui explore le rôle de l'intelligence artificielle dans le
domaine de la sécurité.

15
 Chapitre 2
L'intelligence
artificielle dans le
domaine de la sécurité
(Cybersécurité)
1. Introduction

L'évolution rapide des technologies de l'information a conduit à une complexification

sans précédent des défis en matière de sécurité informatique. Dans ce contexte, l'Intelligence
Artificielle (IA) se positionne comme un atout majeur dans la préservation de l'intégrité des
systèmes et des données. Ce chapitre se penche sur l'impact significatif de l'IA dans le
domaine de la cybersécurité, explorant les avancées, les applications innovantes et les
implications stratégiques de cette alliance technologique. De la détection précoce des menaces
à la réponse automatisée aux incidents, nous plongerons dans l'univers dynamique où l'IA se
déploie au service de la protection des systèmes informatiques contre les menaces toujours
plus sophistiquées.

2. Comprendre Cyber IA: Définition et explication

À la base, les solutions de sécurité basées sur l'intelligence artificielle (IA) sont
programmées pour identifier les comportements "sûrs" et "malveillants" en comparant les
comportements des utilisateurs d'un environnement à ceux d'un environnement similaire. Ce
processus est souvent appelé "apprentissage non supervisé", le système créant des modèles
sans supervision humaine. Pour certaines plateformes d'IA, l'"apprentissage profond" est une
autre application clé pour l'identification des comportements malveillants. Inspiré par la
structure et la fonction biologiques des neurones du cerveau, l'apprentissage profond repose
sur de vastes réseaux interconnectés de neurones artificiels. Ces neurones sont organisés en
couches, les neurones individuels étant connectés les uns aux autres par un ensemble de poids
qui s'adaptent en réponse aux nouvelles entrées. Les outils de cybersécurité sophistiqués de
l'IA ont la capacité de calculer et d'analyser de vastes ensembles de données, ce qui leur
permet de développer des modèles d'activité qui indiquent un comportement malveillant
potentiel. En ce sens, l'IA émule l'aptitude de ses homologues humains à détecter les menaces.
Dans le domaine de la cybersécurité, l'IA peut également être utilisée pour l'automatisation, le
triage, l'agrégation des alertes, le triage des alertes, l'automatisation des réponses, etc. L'IA est
souvent utilisée pour renforcer le premier niveau de travail des analystes. [3]

17
3. Applications courantes de l'IA dans le domaine de la cybersécurité

Les solutions de sécurité basées sur l'IA ont un large éventail d'applications dans le domaine
de la cybersécurité. Voici quelques-unes des utilisations les plus courantes :

➢ Détection et prévision des menaces: L'IA peut analyser de vastes ensembles de données
afin d'identifier des modèles d'activité indiquant un comportement malveillant potentiel.
En apprenant à partir des comportements précédemment détectés, les systèmes d'IA
peuvent prédire et détecter de manière autonome les menaces émergentes.
➢ Contextualisation du comportement et conclusion: L'IA peut contextualiser et tirer des
conclusions à partir d'informations incomplètes ou nouvelles, ce qui facilite l'identification
et la compréhension des événements de cybersécurité.
➢ Développement de stratégies de remédiation: Les outils d'IA peuvent suggérer des
stratégies de remédiation viables pour atténuer les menaces ou remédier aux vulnérabilités
de sécurité sur la base de leur analyse des comportements détectés.
➢ Automatisation et augmentation: L'IA peut automatiser diverses tâches de cybersécurité,
notamment l'agrégation, le tri et la réponse aux alertes. Elle complète le travail des
analystes humains, leur permettant de se concentrer sur des défis plus complexes. [3]

4. Avantages de l'utilisation des technologies de l'IA dans le domaine de la

sécurité

L'adoption de solutions de cybersécurité basées sur l'IA présente plusieurs avantages

pour les organisations et leurs équipes informatiques et de sécurité :

Traitement amélioré des données: Les capacités de l'IA permettent de traiter de

grands volumes de données à grande vitesse, fournissant aux organisations des informations
complètes sur les menaces potentielles.

Renforcement des équipes aux ressources limitées: L'IA comble le manque de

ressources des équipes de cybersécurité plus petites ou moins bien dotées en automatisant les
tâches de routine et en assurant une protection continue.

Protection cohérente et à long terme: Les systèmes d'IA assurent une protection
cohérente et continue, réduisant le risque d'erreur humaine et offrant une défense à long terme
contre les menaces en constante évolution. [3]
18
5. L'avenir de l'IA en sécurité :

Il est indéniable que le rôle de l'IA en cybersécurité ne fera que croître avec le temps.
Voici trois prédictions sur l'évolution du rôle de l'IA en matière de sécurité :

Avancées dans l'IA et l'apprentissage automatique L'IA et l'apprentissage

automatique ont suscité beaucoup d'attention ces dernières années, mais la technologie en est à
ses débuts. À mesure que les technologies d'IA et d'apprentissage automatique s'amélioreront
et progresseront, leur utilité et leurs applications potentielles en matière de sécurité ne feront
qu'augmenter.

Intégration avec d'autres technologies émergentes L'IA émerge et évolue en

parallèle avec d'autres technologies, telles que les réseaux mobiles 5G et l'Internet des objets
(IoT). L'intégration de ces technologies émergentes présente des implications prometteuses
pour la sécurité, combinant la collecte de données et les capacités de gestion à distance de
l'IoT avec les capacités de prise de décision de l'IA.

Impact sur l'industrie de la sécurité et le marché de l'emploi Comme de

nombreuses autres industries, l'IA aura un impact sur l'industrie de la sécurité et le marché de
l'emploi. À mesure que l'IA est utilisée pour effectuer des tâches répétitives et améliorer les
opérations de sécurité, les rôles des opérateurs humains se concentreront de plus en plus sur le
partenariat avec ces systèmes pour fournir une sécurité améliorée à grande échelle. [4]

19
6. Conclusion :

Ces dernières années, l'IA est apparue comme une technologie indispensable pour
renforcer les efforts des équipes humaines de sécurité de l'information. Étant donné que les
humains ne peuvent plus s'étendre suffisamment pour protéger efficacement la surface
dynamique des attaques en entreprise, l'IA fournit une analyse et une identification des
menaces nécessaires, exploitables par les professionnels de la cybersécurité afin de réduire le
risque de violation et d'améliorer la posture de sécurité. Dans le domaine de la sécurité, l'IA
peut identifier et prioriser les risques, repérer instantanément tout logiciel malveillant sur un
réseau, guider la réponse aux incidents et détecter les intrusions avant même qu'elles ne
commencent.

L'IA permet aux équipes de cybersécurité de former des partenariats puissants entre
l'homme et la machine qui repoussent les limites de nos connaissances, enrichissent nos vies
et stimulent la cybersécurité d'une manière qui semble dépasser la somme de ses parties

20
Conclusion
Générale
 En conclusion, l'intelligence artificielle (IA) émerge comme une force
transformative qui a façonné notre compréhension de la technologie, de la sécurité et
de la manière dont nous interagissons avec le monde numérique. À travers
l'exploration de l'histoire de l'IA, nous avons retracé son évolution depuis ses débuts
jusqu'à son rôle central dans la société contemporaine. L'épopée de l'IA, marquée par
des avancées remarquables, a ouvert la voie à des applications diverses, affectant des
secteurs tels que la médecine, la finance, l'éducation et, comme nous l'avons examiné
en détail, la cybersécurité.

Dans le domaine de la sécurité, l'IA se présente comme un allié puissant face

aux menaces émergentes, offrant une capacité sans précédent à anticiper, détecter et
contrer les attaques informatiques. Les progrès constants dans les technologies d'IA et
d'apprentissage automatique promettent de renforcer davantage la posture de sécurité
des organisations, tout en transformant la nature des rôles humains au sein des équipes
de cybersécurité.

En définitive, l'histoire captivante de l'intelligence artificielle et son rôle

essentiel dans la sécurité, en particulier dans le domaine de la cybersécurité,
démontrent l'importance de rester à l'avant-garde des développements technologiques.
Alors que nous contemplons l'avenir, il est indubitable que l'IA continuera à redéfinir
notre réalité, exigeant une approche équilibrée pour maximiser ses avantages tout en
minimisant les éventuels défis.

22
Bibliographie
 Bibliographie

[1]-[Link]
[2]- [Link]
[3]- [Link]
[4]- [Link]
 Algorithme
‫ـــ‬De Tri
QuickSort et InsertionSort
QuickSort et InsertionSort (code) :
Langage et outil de développement :

Éditeur de textes : PyCharm

Langage de programmation : Python

Spécifications de la machine :

Processor : Intel(R) Core(TM) i5-4590S CPU @ 3.00GHz 3.00 GHz

RAM : 6.00 GB

Système d'exploitation : Windows 7 Pro

le résultat :