ML fédéré et architecture IA

À jour au 2026-05-29

Le ML/IA fédéré exécute le ML là où c'est pertinent par rapport aux données — amener le compute aux données (ou partager en live) au lieu de réflexer vers tout copier au même endroit. À l'ère BDC (partage zéro-copie M041; SAP↔Databricks M034), la fédération est souvent la meilleure architecture. Question centrale par cas d'usage : déplacer les données ou le compute ? Par défaut la fédération; copier seulement pour raisons concrètes (réutilisation de features, snapshots point-in-time). La résidence des données (RGPD M082, utilities/banque M099/M097) fait de la fédération une exigence — centraliser pour le ML est non conforme; entraîner/scorer là où les données résident, ne déplacer que modèles/agrégats. Couches : produits gouvernés (M033) source de features → feature store → entraînement dans Databricks → inférence réembarquée dans SAP. La gouvernance doit tenir à travers la jointure (M077/M081/M034). Embarquer l'aller-retour (les sorties atteignent les décisions), ne pas isoler le ML dans un labo. Réserve honnête : la fédération ajoute de la complexité — nommer les arbitrages (§0i). Compétence frontière d'architecte cross-stack.