Le cruel dilemme des données de santé à l’ère de l’IA : vie privée ou équité ?
L’apprentissage fédéré permet d’entraîner des modèles d’intelligence artificielle de manière collaborative. Il représente ainsi une possible solution aux biais des IA, souvent induits par des entraînements sur des échantillons qui manquent de diversité. Dans le domaine de la santé, ces biais peuvent entraîner des problèmes d’équité entre les patients. Le projet EQUIHid étudie comment l’apprentissage fédéré pourrait ainsi permettre de développer des services de santé plus équitables.