L'apprentissage fédéré est une méthode dans le domaine de l'apprentissage automatique, où de nombreux appareils ou ordinateurs entraînent ensemble un modèle sans avoir à partager leurs données.
Au lieu de rassembler toutes les données en un seul endroit central, chaque appareil conserve ses propres données.
Les appareils apprennent localement et n'envoient que les informations apprises, comme par exemple les mises à jour du modèle, à un serveur central.
Ces mises à jour sont ensuite fusionnées pour améliorer un modèle commun.
Ainsi, la vie privée des utilisateurs est protégée, tout en bénéficiant des données de tous.