Gboard : Google dit rendre vérifiable la confidentialité de son apprentissage

D'après Google Research - « Toward provably private learning from federated data » (2 octobre 2026) et arXiv - document technique 2609.31494

Image générée par IA (Google Gemini)

Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.

Annonce commerciale : ce document émane de l'entreprise concernée.

À retenir

• Le système s'appuie sur des environnements d'exécution de confiance (TEE), dont le code peut être vérifié à distance par des tiers.
• Les règles d'accès aux données sont publiées dans un journal de transparence public que des auditeurs externes peuvent consulter.
• Seuls des indicateurs et des poids de modèle protégés par la confidentialité différentielle sont visibles pour les opérateurs, selon Google.
• Google dit que l'entraînement, qui pouvait prendre un à deux mois, est accéléré parce que le calcul passe des appareils au serveur.
• Google reconnaît que les TEE ont des limites actuelles, dont les attaques par canaux auxiliaires (« side-channel »), et présente ce système comme une étape (« next milestone ») : ne plus avoir à faire confiance à l'opérateur du serveur n'est pas encore atteint.

Pourquoi ça compte

Citation

« Logic that runs in TEEs is remotely attestable (third parties can verify the logic that is being executed) » Google Research

Action concrète

Repères datés

• 2 octobre 2026 - Publication de l'article de Google Research sur l'apprentissage fédéré vérifiable.

Fondée sur la source originale

Sources

• Google Research - « Toward provably private learning from federated data » (2 octobre 2026)
• arXiv - document technique 2609.31494