Désapprendre en IA : faut-il mémoriser pour effacer ?

Le centre de gravité · Oct 11, 2026 · 7m

Pour effacer une donnée d'un réseau de neurones sans relancer un entraînement ruineux, il faudrait lui avoir fait mémoriser bien plus de repères dès le départ. Un préprint théorique d'octobre 2026 met en lumière un paradoxe architectural : le désapprentissage algorithmique strict entre en collision frontale avec la minimisation des données. Face aux exigences de conformité, les concepteurs doivent choisir entre sur-rétention préventive et réentraînement intégral.

#modeles #meta-evergreen #unlearning #gouvernance