Contexte
La numérisation industrielle dépend de données que les organisations hésitent à communiquer, ou n’ont légalement pas le droit de communiquer. Les données d’exploitation révèlent les volumes de production, le comportement des clients et les vulnérabilités. Le choix le plus sûr est donc souvent de les garder enfermées dans une seule organisation, où elles créent bien moins de valeur qu’elles ne le pourraient.
SID (Säker datadelning för Industriell Digitalisering) a travaillé sur les techniques qui lèvent ce dilemme : confidentialité différentielle, apprentissage automatique fédéré et méthodes apparentées, qui permettent d’entraîner des modèles et d’en tirer des enseignements sans que les données brutes quittent leur propriétaire.