Apprentissage fédéré
Aussi appelé : Federated Learning · Federated-learning · apprentissage décentralisé · apprentissage collaboratif
Mis à jour le
L'apprentissage fédéré est une technique d'entraînement où les données restent sur les appareils locaux des utilisateurs, tandis que seul le modèle voyage pour apprendre de façon décentralisée et sécurisée.
📖 Définition
💬 En termes simples
Imaginez plusieurs hôpitaux du réseau de la santé québécois qui souhaitent améliorer un outil de diagnostic sans partager les dossiers médicaux. Chaque établissement entraîne le modèle avec ses propres données, puis envoie uniquement les apprentissages à un coordonnateur central. C'est comme si chaque hôpital contribuait à un savoir collectif tout en gardant ses dossiers sous clé.
🎯 Exemple concret
Des centres hospitaliers québécois utilisent l'apprentissage fédéré pour la détection du cancer du poumon sans qu'aucune image ne quitte l'établissement. Une coalition de caisses Desjardins déploie un modèle fédéré de détection de fraude. Des municipalités partagent un modèle d'optimisation du déneigement.
💡 Le saviez-vous ?
Google a été pionnier en utilisant cette technique dès 2017 pour Gboard, sans jamais collecter ce que les utilisateurs tapaient. Au Canada, cette approche suscite un intérêt croissant en santé car elle permet de respecter la Loi sur la protection des renseignements personnels tout en accélérant la recherche collaborative.
❓ Questions fréquentes
Pourquoi l'apprentissage fédéré est-il une révolution pour la vie privée ?
Quelles sont les applications concrètes pour vous ?
Quels sont les défis techniques de cette méthode ?
📚 Sources
- Google AI Blog - Federated Learning (Google, 2017)
- Wikipedia - Federated learning (Wikipedia, 2024)
🔗 Termes liés
🏷️ Catégorie parente