Le fonctionnement habituel des dispositifs de détection d'incidents réseau ou de filtrage de flux est basé sur des règles construites à partir de connaissances à priori : des accès légitimes ou, l'inverse, les accès interdits ou malveillants. Et pourtant, des techniques d'apprentissage automatique existent mais elles restent dans le domaine de la recherche académique ou, peut-être, dans des systèmes propriétaires et fermés. Les expérimentations académiques sont, et c'est normal, évaluées avec des jeux de données standardisés. Nous avons construit un prototype dans le but de voir ce qu'un dispositif de ce genre peut nous apporter dans un environnement typique d'un organisme d'enseignement/recherche (université ou école). Les résultats que nous avons obtenu jusqu'à maintenant montrent que, déjà avec des heuristiques simples, le résultat positif le plus immédiat est une meilleure connaissance du fonctionnement du réseau et que des anomalies triviales (scans et similaires) sont facilement identifiables.