{"id":378699,"date":"2024-11-01T06:26:07","date_gmt":"2024-11-01T06:26:07","guid":{"rendered":"https:\/\/www.ninjaone.com\/?post_type=content_hub&#038;p=378699"},"modified":"2024-11-01T06:26:07","modified_gmt":"2024-11-01T06:26:07","slug":"apprentissage-automatique","status":"publish","type":"content_hub","link":"https:\/\/www.ninjaone.com\/fr\/it-hub\/remote-access\/apprentissage-automatique\/","title":{"rendered":"Qu&rsquo;est-ce que l&rsquo;apprentissage automatique\u00a0? Utilisation dans le cadre du RMM"},"content":{"rendered":"<p><strong>L&rsquo;apprentissage automatique<\/strong>\u00a0 (ou Machine Learning en anglais) est un sous-domaine de l&rsquo;intelligence artificielle et une m\u00e9thode d&rsquo;analyse des donn\u00e9es qui automatise la construction de mod\u00e8les analytiques. En utilisant une vari\u00e9t\u00e9 d&rsquo;algorithmes form\u00e9s sur le\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/it-hub\/remote-access\/qu-est-ce-que-le-big-data\/\" target=\"_blank\" rel=\"noopener\">big data<\/a>, l&rsquo;apprentissage automatique cr\u00e9e des mod\u00e8les d&rsquo;auto-apprentissage qui peuvent ensuite \u00eatre utilis\u00e9s pour faire des pr\u00e9dictions pr\u00e9cises bas\u00e9es sur des donn\u00e9es historiques.<\/p>\n<p>Il s&rsquo;agit d&rsquo;un domaine vaste et en pleine expansion, dans lequel diverses industries, de la linguistique (avec ses\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/it-hub\/remote-access\/qu-est-ce-qu-un-grand-modele-linguistique-llm\/\" target=\"_blank\" rel=\"noopener\">grands mod\u00e8les linguistiques<\/a>) \u00e0 la finance (qui peut utiliser l&rsquo;apprentissage automatique pour pr\u00e9voir les tendances), s&rsquo;int\u00e9ressent toutes \u00e0 l&rsquo;apprentissage et l&rsquo;appliquent avec succ\u00e8s \u00e0 leurs diff\u00e9rents secteurs.<\/p>\n<p>Dans ce guide, nous allons discuter de ce qu&rsquo;est l&rsquo;apprentissage automatique, de ses utilisations possibles dans la\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/blog\/definition-de-la-surveillance-et-gestion-a-distance\/\" target=\"_blank\" rel=\"noopener\">surveillance et la gestion \u00e0 distance<\/a>\u00a0(RMM), et de la fa\u00e7on dont les dirigeants d&rsquo;entreprises\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/quest-ce-quun-msp\/\" target=\"_blank\" rel=\"noopener\">MSP<\/a>\u00a0peuvent l&rsquo;optimiser efficacement.<\/p>\n\n<h2>Comment fonctionne l&rsquo;apprentissage automatique\u00a0?<\/h2>\n<p><a href=\"https:\/\/ischoolonline.berkeley.edu\/blog\/what-is-machine-learning\/\" target=\"_blank\" rel=\"noopener\">L&rsquo;universit\u00e9 de Berkeley<\/a>,\u00a0en Californie, a divis\u00e9 le processus d&rsquo;apprentissage automatique en trois parties\u00a0:<\/p>\n<ul>\n<li><strong>Prise de d\u00e9cision\u00a0:<\/strong> au cours de cette \u00e9tape, l&rsquo;intelligence artificielle g\u00e9n\u00e8re un mod\u00e8le ou un cadre approximatif d&rsquo;une question ou d&rsquo;une action sp\u00e9cifique sur la base de toutes les donn\u00e9es qu&rsquo;elle a recueillies.<\/li>\n<li><strong>M\u00e9thode essai et erreur\u00a0:<\/strong>\u00a0l&rsquo;IA mesure ensuite la qualit\u00e9 ou la viabilit\u00e9 de la pr\u00e9diction en la comparant \u00e0 des exemples connus (s&rsquo;ils sont disponibles). Le processus d\u00e9cisionnel a-t-il \u00e9t\u00e9 pr\u00e9cis\u00a0? Si ce n&rsquo;est pas le cas, \u00e0 quel point \u00e9tait-ce un \u00ab\u00a0rat\u00e9\u00a0\u00bb\u00a0?<\/li>\n<li><strong>Optimisation et mise \u00e0 jour\u00a0:<\/strong>\u00a0c&rsquo;est ici que l&rsquo;IA analyse et \u00e9value sa pr\u00e9diction et met \u00e0 jour sa pr\u00e9diction ou sa d\u00e9cision, de mani\u00e8re \u00e0 ne pas r\u00e9p\u00e9ter son erreur (ou \u00ab\u00a0rat\u00e9\u00a0\u00bb) \u00e0 l&rsquo;avenir.<\/li>\n<\/ul>\n<p><em>Gardez \u00e0 l&rsquo;esprit que les mod\u00e8les d&rsquo;IA sont capables d&rsquo;effectuer ces trois \u00e9tapes plusieurs fois avec une grande pr\u00e9cision et une grande fiabilit\u00e9 en quelques secondes.\u00a0<\/em><\/p>\n<p>Dans sa d\u00e9finition la plus simpliste, l&rsquo;apprentissage automatique tente d&rsquo;identifier des mod\u00e8les et de prendre des d\u00e9cisions (et des pr\u00e9dictions) pr\u00e9cises avec une intervention humaine minimale, tout en restant \u00ab\u00a0naturel\u00a0\u00bb ou semblable \u00e0 l&rsquo;homme. Apr\u00e8s tout, la pr\u00e9cision avec laquelle une machine peut r\u00e9pondre \u00e0 une question n&rsquo;a pas d&rsquo;importance si l&rsquo;homme qui r\u00e9pond ne comprend pas ce qui est dit.<\/p>\n<p>Id\u00e9alement, l&rsquo;apprentissage automatique compl\u00e8te les technologies actuelles pour am\u00e9liorer <a href=\"https:\/\/www.ninjaone.com\/it-hub\/endpoint-security\/what-is-operational-efficiency\/\" target=\"_blank\" rel=\"noopener\">l&rsquo;efficacit\u00e9 op\u00e9rationnelle<\/a> et r\u00e9duire le risque\u00a0<a href=\"https:\/\/www.ninjaone.com\/blog\/how-human-error-relates-to-cybersecurity-risks\/\" target=\"_blank\" rel=\"noopener\">d&rsquo;erreur humaine<\/a>.<\/p>\n<h2>Types d&rsquo;apprentissage automatique<\/h2>\n<p>Selon\u00a0<a href=\"https:\/\/blogs.nvidia.com\/blog\/supervised-unsupervised-learning\/\" target=\"_blank\" rel=\"noopener\">Nvidia<\/a>, il existe quatre mod\u00e8les diff\u00e9rents d&rsquo;apprentissage automatique.<\/p>\n<ul>\n<li><strong>Apprentissage supervis\u00e9\u00a0:\u00a0<\/strong>dans ce mod\u00e8le d&rsquo;apprentissage, les mod\u00e8les d&rsquo;IA sont form\u00e9s \u00e0 partir d&rsquo;un ensemble complet de donn\u00e9es \u00e9tiquet\u00e9es. Les donn\u00e9es \u00ab\u00a0\u00e9tiquet\u00e9es\u00a0\u00bb signifient que chaque exemple ou point de donn\u00e9es dans l&rsquo;ensemble de donn\u00e9es de formation est \u00e9tiquet\u00e9 avec une r\u00e9ponse sp\u00e9cifique. Par exemple, un ensemble de donn\u00e9es \u00e9tiquet\u00e9es de\u00a0<a href=\"https:\/\/www.ninjaone.com\/blog\/endpoint-devices-explained-with-examples\/\" target=\"_blank\" rel=\"noopener\">terminaux<\/a>\u00a0permettrait de classer sp\u00e9cifiquement les photos selon qu&rsquo;elles sont d&rsquo;ordinateurs portables, de t\u00e9l\u00e9phones mobiles ou d&rsquo;appareils IdO.<\/li>\n<\/ul>\n<ul>\n<li><strong>Apprentissage non supervis\u00e9\u00a0:<\/strong>\u00a0inversement, l&rsquo;apprentissage non supervis\u00e9 est un mod\u00e8le d&rsquo;apprentissage automatique qui ne fournit aucune instruction explicite sur un ensemble de donn\u00e9es. \u00c0 la place, les mod\u00e8les d&rsquo;IA re\u00e7oivent des exemples sans r\u00e9ponse \u00ab\u00a0correcte\u00a0\u00bb sp\u00e9cifique. Les machines tentent ensuite de trouver une structure dans les donn\u00e9es, que ce soit par le biais d&rsquo;un regroupement, d&rsquo;une association ou de la d\u00e9couverte d&rsquo;une anomalie dans l&rsquo;\u00e9chantillon.<\/li>\n<\/ul>\n<ul>\n<li><strong>Apprentissage semi-supervis\u00e9\u00a0:\u00a0<\/strong>il s&rsquo;agit d&rsquo;un juste milieu entre l&rsquo;apprentissage supervis\u00e9 et l&rsquo;apprentissage non supervis\u00e9. Ici, un ensemble de donn\u00e9es de formation comprend \u00e0 la fois des donn\u00e9es \u00e9tiquet\u00e9es et non \u00e9tiquet\u00e9es. Cette m\u00e9thode est utile lorsque vous ne disposez pas d&rsquo;un ensemble d&rsquo;exemples pr\u00e9cis avec des descriptions lin\u00e9aires, mais que vous avez n\u00e9anmoins besoin d&rsquo;associations structur\u00e9es et pertinentes.<\/li>\n<\/ul>\n<ul>\n<li><strong>Apprentissage par renforcement\u00a0:\u00a0<\/strong>semblable aux jeux vid\u00e9o, l&rsquo;apprentissage par renforcement encourage les mod\u00e8les d&rsquo;IA \u00e0 trouver le meilleur moyen d&rsquo;atteindre un objectif ou d&rsquo;am\u00e9liorer les performances d&rsquo;une t\u00e2che afin de recevoir une r\u00e9compense. L&rsquo;objectif principal de ce type de mod\u00e8le d&rsquo;apprentissage est de permettre au mod\u00e8le d&rsquo;IA de pr\u00e9dire l&rsquo;\u00e9tape suivante afin d&rsquo;obtenir la plus grande r\u00e9compense finale.<\/li>\n<\/ul>\n<p>Enfin, il existe un nouveau type de mod\u00e8le d&rsquo;apprentissage appel\u00e9\u00a0<em>deep learning<\/em> (apprentissage profond), qui apprend \u00e0 l&rsquo;IA \u00e0 traiter des donn\u00e9es similaires \u00e0 celles du cerveau humain et \u00e0 s&rsquo;en inspirer. Il s&rsquo;agit d&rsquo;un type d&rsquo;apprentissage automatique qui utilise des r\u00e9seaux neuronaux artificiels pour reconna\u00eetre des mod\u00e8les complexes dans des images, des textes, des sons et d&rsquo;autres donn\u00e9es non lin\u00e9aires afin de produire des pr\u00e9dictions pr\u00e9cises.<\/p>\n<h2>Algorithmes courants d&rsquo;apprentissage automatique<\/h2>\n<ul>\n<li><strong>R\u00e9seaux neuronaux\u00a0:\u00a0<\/strong>les r\u00e9seaux neuronaux imitent le cerveau humain et peuvent reconna\u00eetre des mod\u00e8les dans la traduction du langage naturel, la reconnaissance des images et de la parole, etc.<\/li>\n<li><strong>R\u00e9gression lin\u00e9aire\u00a0:<\/strong>\u00a0il s&rsquo;agit d&rsquo;un mod\u00e8le statistique utilis\u00e9 pour pr\u00e9dire des valeurs num\u00e9riques sur la base d&rsquo;une relation lin\u00e9aire entre diff\u00e9rentes valeurs.<\/li>\n<li><strong>R\u00e9gression logistique\u00a0:\u00a0<\/strong>il s&rsquo;agit d&rsquo;un sous-type d&rsquo;apprentissage supervis\u00e9 qui permet de faire des pr\u00e9dictions pour des variables de r\u00e9ponse cat\u00e9gorielles, telles que des r\u00e9ponses \u00ab\u00a0oui\u00a0\u00bb ou \u00ab\u00a0non\u00a0\u00bb.<\/li>\n<li><strong>Regroupement\u00a0:<\/strong>\u00a0il s&rsquo;agit d&rsquo;une partie de l&rsquo;apprentissage non supervis\u00e9 qui consiste \u00e0 identifier des mod\u00e8les dans les points de donn\u00e9es qui peuvent \u00eatre regroup\u00e9s.<\/li>\n<li><strong>Arbres de d\u00e9cision\u00a0:\u00a0<\/strong>ils sont utilis\u00e9s pour pr\u00e9dire des valeurs num\u00e9riques et les classer dans des cat\u00e9gories. Ils sont souvent repr\u00e9sent\u00e9s visuellement sous la forme d&rsquo;un arbre, dont chaque s\u00e9quence de ramifications est li\u00e9e \u00e0 des d\u00e9cisions sp\u00e9cifiques.<\/li>\n<li><strong>For\u00eats d&rsquo;arbres d\u00e9cisionnels\u00a0:\u00a0<\/strong>cet algorithme d&rsquo;apprentissage automatique pr\u00e9dit une valeur ou une cat\u00e9gorie en combinant plusieurs arbres de d\u00e9cision, puis en prenant la d\u00e9cision la plus probable d&rsquo;un point de vue math\u00e9matique.<\/li>\n<\/ul>\n<h2>Avantages et inconv\u00e9nients des algorithmes d&rsquo;apprentissage automatique<\/h2>\n<p>L&rsquo;avantage le plus \u00e9vident de l&rsquo;apprentissage automatique est que les entreprises informatiques peuvent apprendre de nouvelles fa\u00e7ons plus efficaces de g\u00e9rer et de traiter leurs donn\u00e9es. Cela s&rsquo;ajoute \u00e0 leur\u00a0<a href=\"https:\/\/www.ninjaone.com\/it-hub\/it-service-management\/what-is-a-governance-plan\/\" target=\"_blank\" rel=\"noopener\">plan global de gouvernance<\/a> des donn\u00e9es.<\/p>\n<p>Parce que ces mod\u00e8les d&rsquo;IA peuvent apprendre seuls et identifier des mod\u00e8les et des tendances dans d&rsquo;\u00e9normes volumes, les entreprises peuvent continuellement am\u00e9liorer et perfectionner leurs services, ce qui conduit \u00e0 un parcours d&rsquo;exp\u00e9rience client beaucoup plus personnalis\u00e9.<\/p>\n<p>Cela dit, l&rsquo;apprentissage automatique n\u00e9cessite une formation r\u00e9guli\u00e8re et approfondie sur des ensembles de donn\u00e9es pr\u00e9cis et impartiaux. Il s&rsquo;agit de respecter strictement la strat\u00e9gie \u00ab\u00a0garbage in\/ garbage out\u00a0\u00bb (GIGO), une expression informatique qui \u00e9value\u00a0<a href=\"https:\/\/www.ninjaone.com\/it-hub\/endpoint-security\/what-is-data-integrity\/\" target=\"_blank\" rel=\"noopener\">l&rsquo;int\u00e9grit\u00e9 des donn\u00e9es<\/a>\u00a0(ou la qualit\u00e9 des r\u00e9sultats) en fonction de la fiabilit\u00e9 et de l&rsquo;exactitude des donn\u00e9es initiales introduites dans l&rsquo;ensemble de donn\u00e9es.<\/p>\n<h2>Cas d&rsquo;utilisation de l&rsquo;apprentissage automatique dans le domaine du RMM<\/h2>\n<p>L&rsquo;apprentissage automatique devrait transformer radicalement la fa\u00e7on dont les entreprises MSP,\u00a0<a href=\"https:\/\/www.ninjaone.com\/blog\/what-is-a-managed-security-service-provider\/\" target=\"_blank\" rel=\"noopener\">MSSP<\/a> et les entreprises informatiques surveillent et g\u00e8rent \u00e0 distance leurs terminaux pour\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/blog\/comment-ameliorer-efficacite-informatique-entreprise\/\" target=\"_blank\" rel=\"noopener\">am\u00e9liorer l&rsquo;efficacit\u00e9 informatique.<\/a> Voici quelques cas d&rsquo;utilisation \u00e0 prendre en consid\u00e9ration\u00a0:<\/p>\n<h3>Maintenance pr\u00e9dictive et proactive<\/h3>\n<p>Rappelons que l&rsquo;apprentissage automatique, lorsqu&rsquo;il est correctement form\u00e9, peut pr\u00e9dire avec pr\u00e9cision des tendances sur la base de donn\u00e9es historiques et de mod\u00e8les pass\u00e9s. Cela permet d&rsquo;am\u00e9liorer\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/guide-gestion-informatique-proactive\" target=\"_blank\" rel=\"noopener\">la gestion proactive de l&rsquo;informatique<\/a>, en vous permettant de pr\u00e9voir les probabilit\u00e9s de d\u00e9faillance d&rsquo;un composant ou d&rsquo;un mat\u00e9riel ou logiciel obsol\u00e8te sur la base d&rsquo;\u00e9v\u00e9nements ant\u00e9rieurs.<\/p>\n<h3>D\u00e9tection des menaces<\/h3>\n<p>L&rsquo;apprentissage automatique peut contribuer \u00e0 une <a href=\"https:\/\/www.ninjaone.com\/blog\/machine-learning-in-cybersecurity\/\" target=\"_blank\" rel=\"noopener\">strat\u00e9gie de cybers\u00e9curit\u00e9 plus forte<\/a>. Par rapport aux syst\u00e8mes de s\u00e9curit\u00e9 traditionnels, l&rsquo;apprentissage automatique peut d\u00e9tecter des sch\u00e9mas inhabituels au sein de votre r\u00e9seau informatique qui peuvent signaler une\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/it-hub\/endpoint-security\/qu-est-ce-qu-une-cyberattaque\/\" rel=\"nofollow\">cyberattaque<\/a> imminente ou r\u00e9cente.<\/p>\n<h3>Gestion des correctifs<\/h3>\n<p>L&rsquo;apprentissage automatique peut consid\u00e9rablement am\u00e9liorer la\u00a0<a href=\"https:\/\/www.ninjaone.com\/patch-management\/overview\/\" target=\"_blank\" rel=\"noopener\">gestion des correctifs<\/a>\u00a0en automatisant et en optimisant le processus. En analysant les donn\u00e9es historiques sur les installations de correctifs, les\u00a0<a href=\"https:\/\/www.ninjaone.com\/it-hub\/endpoint-security\/what-is-security-vulnerability\/\" target=\"_blank\" rel=\"noopener\">vuln\u00e9rabilit\u00e9s de s\u00e9curit\u00e9 sur<\/a> et les performances du syst\u00e8me, les algorithmes d&rsquo;apprentissage automatique peuvent pr\u00e9dire les risques potentiels et hi\u00e9rarchiser les correctifs en cons\u00e9quence.<\/p>\n<h3>Service d&rsquo;assistance et gestion des tickets<\/h3>\n<p>En analysant les donn\u00e9es historiques des demandes des clients, les algorithmes d&rsquo;apprentissage automatique peuvent identifier les probl\u00e8mes courants, fournir des r\u00e9ponses automatis\u00e9es et m\u00eame sugg\u00e9rer des solutions. Cela permet de r\u00e9duire les temps de r\u00e9ponse, d&rsquo;am\u00e9liorer la satisfaction des clients et de lib\u00e9rer les agents humains pour qu&rsquo;ils traitent des probl\u00e8mes plus complexes.<\/p>\n<h3>Gestion des difficult\u00e9s de la gestion informatique et de l&rsquo;affectation des ressources<\/h3>\n<p>L&rsquo;un des\u00a0<a href=\"https:\/\/www.ninjaone.com\/blog\/the-top-four-it-challenges-in-2024\/\" target=\"_blank\" rel=\"noopener\">quatre principaux d\u00e9fis informatiques de en 2024<\/a>\u00a0est la gestion de l&rsquo;infrastructure informatique qui ne cesse de s&rsquo;\u00e9tendre, en particulier \u00e0 mesure que votre entreprise se d\u00e9veloppe. L&rsquo;apprentissage automatique simplifie la prise de d\u00e9cision en analysant les tendances et les modes d&rsquo;utilisation et en pr\u00e9disant la demande future. Cela permet d&rsquo;optimiser l&rsquo;allocation des ressources, telles que l&rsquo;\u00e9nergie ou la bande passante.<\/p>\n<p><em>Et c&rsquo;est justement ce que l&rsquo;on peut constater cette ann\u00e9e.<\/em> Au fur et \u00e0 mesure que les technologies \u00e9voluent, l&rsquo;apprentissage automatique et ses cas d&rsquo;utilisation possibles pour le RMM \u00e9voluent \u00e9galement. Il est probable que les\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/blog\/meilleur-logiciel-rmm\/\" target=\"_blank\" rel=\"noopener\">meilleurs outils RMM<\/a>\u00a0maximiseront \u00e0 l&rsquo;avenir l&rsquo;apprentissage automatique dans leurs diverses caract\u00e9ristiques et fonctionnalit\u00e9s afin de proposer un meilleur service \u00e0 leurs utilisateurs finaux.<\/p>\n\n<h2>NinjaOne adopte l&rsquo;apprentissage automatique<\/h2>\n<p>NinjaOne est la soci\u00e9t\u00e9 de gestion unifi\u00e9e des terminaux \u00e0 laquelle font confiance plus de 17 000 clients satisfaits dans le monde entier. Son efficace\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/rmm\/\" target=\"_blank\" rel=\"noopener\">solution RMM<\/a>\u00a0tout-en-un permet de surveiller et de g\u00e9rer efficacement vos terminaux Windows, macOS et Linux dans un\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/blog\/logiciel-a-guichet-unique-explications\/\" target=\"_blank\" rel=\"noopener\">panneau de contr\u00f4le centralis\u00e9<\/a>. De plus, l&rsquo;entreprise est particuli\u00e8rement attentive et fi\u00e8re d&rsquo;int\u00e9grer les derni\u00e8res technologies et innovations afin d&rsquo;offrir une efficacit\u00e9 radicale aux entreprises MSP de toutes tailles d\u00e8s le premier jour.<\/p>\n<p>Si vous \u00eates pr\u00eat, demandez un\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/tarifs\" target=\"_blank\" rel=\"noopener\">devis gratuit<\/a>, profitez d&rsquo;un\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/essai-rmm\/\" target=\"_blank\" rel=\"noopener\">essai gratuit de 14 jours<\/a>, ou\u00a0<a href=\"https:\/\/www.ninjaone.com\/fr\/planifiez-une-demo-gratuite-fr\/\" target=\"_blank\" rel=\"noopener\">regardez une d\u00e9mo<\/a>.<\/p>\n","protected":false},"author":152,"featured_media":0,"parent":0,"template":"","meta":{"_acf_changed":false,"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"","_relevanssi_noindex_reason":"","_lmt_disableupdate":"no","_lmt_disable":""},"hub_categories":[4202],"class_list":["post-378699","content_hub","type-content_hub","status-publish","hentry","content_hub_category-remote-access"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/content_hub\/378699","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/content_hub"}],"about":[{"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/types\/content_hub"}],"author":[{"embeddable":true,"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/users\/152"}],"wp:attachment":[{"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/media?parent=378699"}],"wp:term":[{"taxonomy":"content_hub_category","embeddable":true,"href":"https:\/\/www.ninjaone.com\/fr\/wp-json\/wp\/v2\/hub_categories?post=378699"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}