L’apprentissage fédéré préserve la confidentialité des données d’entraînement de l’intelligence artificielle
L’apprentissage fédéré permet à plusieurs appareils ou organisations d’entraîner ensemble un modèle d’intelligence artificielle sans centraliser leurs données d’entraînement. Les informations brutes restent dans leur environnement d’origine ; seuls des paramètres ou des mises à jour du modèle sont transmis pour contribuer à une agrégation de modèles. Cette décentralisation peut renforcer la protection des données,











