En 2017, Google a introduit l'apprentissage fédéré (FL), une technique d'apprentissage automatique qui entraîne des modèles sur des données décentralisées et privées. Il alimente des fonctionnalités telles que la prédiction du mot suivant et Smart Compose sur Gboard, les suggestions de réponse dans Google Messages et Smart Text Selection dans Android. Le développement de FL est guidé par quatre principes essentiels de confidentialité : minimisation des données, anonymisation des données, transparence et contrôle, et vérifiabilité et auditabilité.
Des années de recherche ont conduit à de fortes garanties de confidentialité différentielle (DP) utilisant des algorithmes comme MF-DP-FTRL et DP distribuée avec Secure Aggregation. En 2025, Google a introduit une définition évoluée de FL centrée sur ces principes. Dans “Vers un apprentissage privé prouvable à partir de données fédérées”, Google annonce la prochaine génération de son système FL, qui exploite les environnements d'exécution de confiance (TEE) pour fournir des garanties d'anonymisation des données entièrement vérifiables et auditable.
Les TEE offrent une logique attestable à distance, une confidentialité et une intégrité. Gboard a déjà adopté le nouveau système, bénéficiant de temps de calcul considérablement plus rapides. Le système FL basé sur TEE coordonne le téléchargement de données, la vérification KMS et des politiques, l'exécution des charges de travail et la récupération tolérante aux pannes. Pour plus de détails, consultez le livre blanc.
Source: Google AI Blog · Résumé par HeadlinesBriefing