Apprentissage fédéré

TThéa

L’apprentissage fédéré, c’est une méthode qui permet à plusieurs appareils d’améliorer un même modèle d’intelligence artificielle sans envoyer leurs données personnelles vers un serveur central. Imaginez un clavier de téléphone qui apprend à mieux anticiper les mots que vous écrivez. L’entraînement se fait sur l’appareil, qui partage des ajustements du modèle plutôt que vos messages eux-mêmes. Le système apprend ainsi à partir de données réparties, tout en limitant la circulation des données brutes, ce qui peut aider à protéger des informations sensibles comme des données de santé ou des habitudes d’écriture. Mais les ajustements transmis peuvent parfois révéler des informations, et leur qualité varie selon les appareils. Des protections supplémentaires restent donc nécessaires : cette méthode ne suffit pas à garantir la sécurité.