Skip to content
AI

Pourquoi ne puis-je pas faire en sorte qu'un modèle déployé oublie mes données ?

85

Opportunité

L’article 17 du RGPD me confère le droit à l’effacement, mais une fois qu’un modèle a été entraîné sur mes données, personne ne peut supprimer efficacement ma contribution des poids. Les méthodes actuelles de « désapprentissage » consistent soit à supprimer la couche de sortie finale tout en laissant mes informations encodées dans des représentations intermédiaires, soit à exiger un réentraînement complet qu’aucun opérateur de production n’effectuera à grande échelle. Un article publié en juin 2026 sur arXiv concernant les chaînes d’approvisionnement en apprentissage automatique conclut que le droit à l’effacement est structurellement inapplicable dans les chaînes de réglage fin. Le fossé entre le droit légal et la réalité technique se creuse à chaque fois qu’un modèle de base est affiné davantage à partir de données à caractère personnel.

Pourquoi c'est important

Les droits légaux à l'effacement n'ont aucun sens tant qu'un modèle n'est pas capable d'oublier réellement, et non pas simplement de supprimer ses résultats.

Comment j'évalue l'opportunité

Le Score d'Opportunité est mon évaluation personnelle, pas une mesure : l'intensité de la douleur, sa fréquence et le peu de solutions qui existent aujourd'hui. Plus il est élevé, plus je pense que le problème vaut la peine d'être résolu.

Gravité9/10

L'intensité de la douleur qu'il provoque lorsqu'il se manifeste.

Fréquence7/10

La fréquence à laquelle les gens y sont réellement confrontés.

Espace libre9/10

Le peu de bons outils qui existent pour y remédier aujourd'hui.

D'autres problèmes qui méritent d'être résolus