Apprentissage fédéré : Inria et La Poste font cause commune

Comment améliorer l'accès aux données, le « carburant » de l'apprentissage automatique, sans sacrifier la confidentialité ?

L'institut national de recherche en sciences et technologies du numérique Inria lance, en partenariat avec le groupe La Poste, le défi Fed-Malin (pour Federated machine learning over the Internet). Celui-ci est co-porté par les chercheurs Aurélien Bellet et Giovanni Neglia de l'équipe-projet Magnet (Machine learning in information network).

Quelle est l'ambition ? « Nous proposons de relever un certain nombre de défis qui surviennent lorsque l'apprentissage fédéré est déployé sur Internet, notamment la confidentialité et l'équité, la consommation d'énergie, la personnalisation et les dépendances temporelles et spatiales », indiquent les chercheurs sur le site dédié.

L'apprentissage fédéré est présenté par leurs soins comme un « nouveau paradigme pour l'apprentissage machine ». Il permet à plusieurs entités disposant d'ensembles locaux de données d'entraîner des modèles collaborativement. Et ce, tout en maintenant les données décentralisées, des données de patients collectées dans différents hôpitaux, par exemple, ou encore des données générées par des capteurs d'appareils et objets connectés (IoT).

Un consortium multidisciplinaire s'y attelle.

10 équipes-projet impliquées

Défi scientifique, Fed-Malin implique 10 équipes-projet* de l'institut et de ses partenaires. L'initiative contribuera également au développement de librairies logicielles open source pour expérimenter et déployer l'apprentissage fédéré « dans le monde réel », dont des applications « concrètes » en médecine et dans les mesures participatives (crowdsensing).

Les avancées réalisées dans ce cadre du défi consolideront des projets existants d'Inria et devront bénéficier à un public large, des membres de la communauté scientifique aux citoyens, sans oublier les organisations publiques. De surcroît, elles apporteront au groupe La Poste, fort de 450 spécialistes en data et en intelligence artificielle (IA), de nouvelles opportunités pour innover dans le domaine de l'analyse de données de santé.

*_{Coati (CNRS, Inria, UCA), Comete (CNRS, Inria, IPP), Dyogene (CNRS, Inria, PSL), Epione (Inria), Magnet (CNRS, Inria, U.Lille), Maracas (Inria, INSA Lyon), Neo (Inria), Spirals (CNRS, Inria, U.Lille), Tribe (Inria), Wide (Inria, U.Rennes).}

_{(crédit photo © AdobeStock)}