Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Biais de Client
Distorsion systématique dans les performances du modèle due à la distribution inégale des données ou des ressources entre différents clients participants au système fédéré.
Hétérogénéité Non-IID
Évaluation du degré de variation statistique entre les distributions de données des différents clients, impactant directement la performance de généralisation du modèle fédéré.
Drift de Distribution
Mesure du changement temporel dans les caractéristiques statistiques des données client au cours de l'entraînement fédéré, nécessitant des adaptations du modèle.
Équité Algorithmique Fédérée
Ensemble d'indicateurs évaluant si le modèle fédéré fournit des performances équitables et non discriminatoires à travers les différents groupes de clients.
Robustesse d'Agrégation
Capacité du système fédéré à maintenir des performances stables malgré la présence de clients malveillants ou défaillants dans le processus d'agrégation.
Score de Convergence Fédérée
Indicateur composite combinant vitesse de convergence, stabilité et efficacité énergétique pour évaluer globalement la performance du processus fédéré.
Métrique de Disparité
Quantification des écarts de performance entre les clients, mesurant l'inégalité dans la qualité des prédictions du modèle à travers le réseau fédéré.
Temps de Communication Round
Durée mesurée pour un cycle complet d'échange d'informations entre le serveur et tous les clients participants, incluant latence réseau et temps de traitement.
Coût de Calcul Distribué
Mesure agrégée des ressources computationnelles consommées par l'ensemble des clients durant l'entraînement fédéré, normalisée par performance obtenue.
Équité Inter-Client
Évaluation de l'équilibre dans la contribution et le bénéfice reçu par chaque client participant au système d'apprentissage fédéré.
Stabilité d'Agrégation
Mesure de la cohérence des mises à jour du modèle agrégé à travers plusieurs rounds d'entraînement, indiquant la fiabilité du processus fédéré.
Performance de Généralisation Fédérée
Capacité du modèle fédéré à maintenir des performances élevées sur des données nouvelles et non vues provenant de clients différents de ceux utilisés pour l'entraînement.
Efficacité de Communication
Ratio entre l'amélioration des performances du modèle et le volume de données transmises, optimisant l'utilisation de la bande passante dans les systèmes fédérés.
Taux de Participation Client
Pourcentage de clients actifs participant à chaque round d'entraînement, impactant directement la robustesse et la représentativité du modèle fédéré.
Score d'Équité Fédérée
Indicateur composite mesurant simultanément l'équité algorithmique, la répartition équitable des ressources et l'accès équitable aux bénéfices du modèle.
Latence d'Agrégation
Délai entre la réception des mises à jour locales et la publication du modèle agrégé, affectant la réactivité du système fédéré.
Métrique de Cohérence Modèle
Mesure de la similarité entre les modèles locaux des clients et le modèle global agrégé, indiquant le degré d'uniformité dans l'apprentissage distribué.