Skip to content
Vol. 1 · Ed. 2026
CyberGlossary
Entry № 410

Apprentissage fédéré

Qu'est-ce que Apprentissage fédéré ?

Apprentissage fédéréParadigme d'apprentissage automatique distribué dans lequel de nombreux clients entraînent collaborativement un modèle sous un coordinateur central, tout en conservant leurs données brutes sur leur appareil.


L'apprentissage fédéré (Federated Learning, FL) entraîne un modèle d'apprentissage automatique partagé entre de nombreux participants — téléphones, hôpitaux, banques — sans centraliser les données d'entraînement. Chaque client calcule un gradient ou une mise à jour de modèle sur ses propres données et n'envoie que cette mise à jour à un agrégateur, qui les combine (souvent via FedAvg) en un nouveau modèle global. Comme les mises à jour brutes peuvent encore fuir des informations, les déploiements modernes ajoutent des protections cryptographiques : agrégation sécurisée, confidentialité différentielle et parfois chiffrement homomorphe ou MPC. Google a introduit le FL en 2017 pour les suggestions du clavier Gboard ; il est aujourd'hui largement utilisé en imagerie médicale, détection de fraude inter-institutions et personnalisation sur appareil des LLM.

Exemples

  1. 01

    Gboard apprend les suggestions de mots suivants à partir de millions de téléphones sans envoyer le texte saisi aux serveurs Google.

  2. 02

    Des consortiums hospitaliers entraînent ensemble des modèles diagnostiques sur des données patients qui ne quittent jamais chaque établissement.

Questions fréquentes

Qu'est-ce que Apprentissage fédéré ?

Paradigme d'apprentissage automatique distribué dans lequel de nombreux clients entraînent collaborativement un modèle sous un coordinateur central, tout en conservant leurs données brutes sur leur appareil. Cette notion relève de la catégorie Cryptographie en cybersécurité.

Que signifie Apprentissage fédéré ?

Paradigme d'apprentissage automatique distribué dans lequel de nombreux clients entraînent collaborativement un modèle sous un coordinateur central, tout en conservant leurs données brutes sur leur appareil.

Comment fonctionne Apprentissage fédéré ?

L'apprentissage fédéré (Federated Learning, FL) entraîne un modèle d'apprentissage automatique partagé entre de nombreux participants — téléphones, hôpitaux, banques — sans centraliser les données d'entraînement. Chaque client calcule un gradient ou une mise à jour de modèle sur ses propres données et n'envoie que cette mise à jour à un agrégateur, qui les combine (souvent via FedAvg) en un nouveau modèle global. Comme les mises à jour brutes peuvent encore fuir des informations, les déploiements modernes ajoutent des protections cryptographiques : agrégation sécurisée, confidentialité différentielle et parfois chiffrement homomorphe ou MPC. Google a introduit le FL en 2017 pour les suggestions du clavier Gboard ; il est aujourd'hui largement utilisé en imagerie médicale, détection de fraude inter-institutions et personnalisation sur appareil des LLM.

Comment se défendre contre Apprentissage fédéré ?

Les défenses contre Apprentissage fédéré combinent habituellement des contrôles techniques et des pratiques opérationnelles, comme détaillé dans la définition ci-dessus.

Quels sont les autres noms de Apprentissage fédéré ?

Noms alternatifs courants : FL, Apprentissage automatique fédéré.

Termes liés