Intelligence Artificielle
Qu'est-ce que Apprentissage Fédéré
Apprentissage distribué sans transfert de données
Apprentissage Fédéré — approche d'apprentissage automatique où le modèle est entraîné sur des données distribuées sans centralisation, préservant la confidentialité.
Fonctionnement
- Entraînement local — le modèle s'entraîne sur les appareils utilisateurs
- Agrégation des gradients — seuls les paramètres du modèle sont envoyés au serveur
- Mise à jour du modèle — le modèle global se met à jour sans accès aux données
- Moyenne fédérée — algorithme FedAvg pour la fusion des poids
- Confidentialité différentielle — ajout de bruit pour la protection
Avantages
- Confidentialité des données — les données ne quittent jamais l'appareil
- Conformité RGPD — pas de transfert de données personnelles
- Utilisation de données distribuées — accès à de grands volumes
- Latence réduite — traitement local
- Charge réseau réduite — seuls les paramètres sont transférés
Applications
- Claviers de smartphones — entraînement de la saisie prédictive
- Santé — analyse de données de différentes cliniques
- Finance — modèles conjoints sans divulgation de données
- IoT — entraînement sur appareils périphériques
- Véhicules — amélioration de l'autopilote sans transfert vidéo