IA et confidentialité

Quand l’intelligence artificielle apprend en mode distribué via les smartphones

Google teste une nouvelle approche d’apprentissage machine pensée pour protéger les données personnelles. Au lieu d’être mis à jour une fois dans le cloud, les algorithmes sont affinés directement au sein des smartphones des utilisateurs.

Votre téléphone personnalise le modèle localement, en fonction de votre utilisation (A). Les mises à jour de nombreux utilisateurs sont agrégées (B) pour former un modèle partagé (C). (Source: Google)
Votre téléphone personnalise le modèle localement, en fonction de votre utilisation (A). Les mises à jour de nombreux utilisateurs sont agrégées (B) pour former un modèle partagé (C). (Source: Google)

Pour entraîner leur intelligence artificielle (IA), les géants des TIC comme Google ont besoin de collecter les données personnelles des utilisateurs dans le cloud. Une méthode qui va à l’encontre des règles de confidentialité. Google a ainsi imaginé une nouvelle approche pour protéger les données personnelles tout en s’assurant de pouvoir affiner ses algorithmes.

Testée actuellement avec les suggestions du clavier Gboard pour Android, l’approche Federated Learning, c'est-à-dire d’apprentissage fédéré, consiste à procéder à un apprentissage collaboratif de intelligence artificielle de façon décentralisée, en puisant directement dans les capacités de calcul des smartphones. Dans un premier temps, l’appareil télécharge et installe un modèle d’IA, lequel est ensuite affiné en se basant sur les données de l’utilisateur. Le modèle amélioré qui résulte de cet apprentissage localisé est ensuite uploadé dans le cloud via une communication chiffrée. Le nouvel algorithme est ensuite intégré à un modèle partagé, fruit de l’agrégation des toutes les mises à jour provenant de l’ensemble des utilisateurs. Les données d’apprentissage restent sur l’appareil, et aucune des mises à jour individuelles n'est stockée dans le cloud, assure la firme.

Pour pouvoir décentraliser de la sorte l’apprentissage machine à travers un réseau de smartphones aux capacités de communication somme toute limitée au niveau de la bande passante, Google a dû mettre au point l’algorithme Federated Averaging. La firme de Mountain View explique que celui-ci est en mesure de former des réseaux profonds en communicant 10 à 100 fois moins qu’avec les modèles actuels adaptés à un apprentissage opéré sur des serveurs dans le cloud.

Webcode
DPF8_36478