Apprentissage fédéré
L’apprentissage fédéré est un paradigme d’IA où plusieurs machines entraînent collaborativement un modèle tout en gardant leurs données localement, sans les centraliser sur un serveur unique.Chaque appareil ou serveur entraîne un mini-modèle sur ses propres données, puis transmet uniquement les paramètres appris — pas les données — à un modèle central qui les agrège.
En RH, l’intérêt tient à la confidentialité : un SIRH multi-sites pourrait entraîner un modèle prédictif (turnover, matching) sans faire remonter les données individuelles des salariés vers un serveur central, limitant l’exposition aux risques RGPD.
Cette approche s’oppose au machine learning centralisé classique, qui exige de rassembler toutes les données au même endroit.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.