Caemabrelearkeodal - Blog sur l'IA fédérée financière

8 novembre 2026 • Personnalisation • Sophie Reinhardt

Personnalisation fédérée : comment une banque cantonale peut bénéficier de l'intelligence collective d'un réseau sans sacrifier la précision de ses modèles locaux pour ses clients spécifiques

Le compromis entre intelligence collective et pertinence locale est la question pratique la plus importante que les institutions financières posent quand elles évaluent l'apprentissage fédéré — et c'est aussi celle que les présentations académiques résolvent trop facilement sur des jeux de données standardisés qui ne ressemblent pas aux données financières réelles. Voici une analyse honnête des approches disponibles, de leurs hypothèses et de leurs limites dans un contexte financier suisse hétérogène.

Lire l'article

15 octobre 2026 • Cryptographie • Thomas Keller

Chiffrement homomorphe dans les réseaux fédérés financiers : la protection ultime qui a un prix computationnel que personne ne mentionne

Le chiffrement homomorphe est présenté comme la solution définitive aux inquiétudes sur la confidentialité dans les réseaux fédérés — et ses propriétés mathématiques sont effectivement remarquables. Mais ce que les présentations enthousiastes omettent systématiquement, c'est que son coût computationnel est plusieurs ordres de grandeur supérieur à l'agrégation en clair, ce qui le rend actuellement impraticable pour de nombreux contextes financiers réels sans compromis architecturaux significatifs.

Lire l'article

12 octobre 2026 • Algorithmes • Marc-Antoine Villard

FedAvg expliqué : pourquoi la moyenne des gradients n'est pas aussi simple qu'elle paraît

J'ai longtemps cru que FedAvg était une simple moyenne arithmétique des gradients locaux, jusqu'à ce que je comprenne que cette apparente simplicité cache des hypothèses sur l'homogénéité des données que la plupart des contextes financiers réels violent systématiquement. Voici ce que j'aurais voulu savoir avant de lire les benchmarks comparatifs qui circulent dans la littérature sur l'apprentissage fédéré appliqué aux institutions financières — une compréhension que les articles de vulgarisation omettent presque toujours de transmettre.

Lire l'article

5 novembre 2026 • Confidentialité • Sophie Reinhardt

Confidentialité différentielle : la protection mathématique que les présentations marketing omettent toujours d'expliquer honnêtement aux décideurs financiers

La confidentialité différentielle est présentée comme la solution aux attaques par inférence dans les réseaux fédérés, mais ce que les argumentaires commerciaux taisent systématiquement, c'est que l'ajout de bruit calibré pour protéger les données dégrade mécaniquement la précision des modèles — et que ce compromis n'est pas configurable à volonté sans conséquences directes sur la qualité des prédictions financières.

Lire l'article

18 novembre 2026 • Sécurité • Thomas Keller

Les attaques byzantines en apprentissage fédéré : le problème que personne ne veut aborder dans les démonstrations commerciales

Un participant byzantin dans un réseau fédéré peut dégrader silencieusement le modèle global pendant des dizaines de cycles avant d'être détecté — ou ne jamais l'être si les mécanismes de défense sont mal configurés. Ce risque, que les présentations de plateformes évoquent en une phrase avant de passer rapidement aux avantages, mérite une analyse honnête et détaillée que je me propose de fournir ici sans ménager les limites des solutions actuellement disponibles sur le marché.

Lire l'article

25 octobre 2026 • Réglementation • Claire Dubois

FINMA, LPD et apprentissage fédéré : comment le cadre réglementaire suisse s'articule avec les architectures de collaboration entre institutions financières sans centralisation des données

La réglementation suisse sur la protection des données n'interdit pas l'apprentissage fédéré — elle le favorise structurellement. Mais cette compatibilité de principe cache des questions de conformité pratique que ni la LPD ni les circulaires FINMA n'abordent directement, laissant les institutions dans une zone d'incertitude que seule une analyse rigoureuse des obligations existantes permet de naviguer avec prudence.

Lire l'article

1 octobre 2026 • Guide • Marc-Antoine Villard

Guide complet pour comprendre l'apprentissage fédéré en finance quand on part de zéro absolu

Quand j'ai commencé à m'intéresser à l'apprentissage fédéré, j'ai cherché en vain un guide qui parte vraiment de zéro — pas de la maîtrise préalable du machine learning, pas de la familiarité avec la cryptographie, juste une explication honnête de ce que c'est, pourquoi ça existe, et ce que ça change concrètement pour les institutions financières. Ce guide est celui que j'aurais voulu trouver à l'époque, écrit pour quelqu'un qui n'a encore aucune base technique ni financière sur le sujet.

Lire l'article