Publié le 12/11/2026
Mise à jour le 19/11/2026
Federated learning : l’ESIEA accueille la conférence internationale FLTA 2026 et son école d’été
Du 19 au 30 octobre 2026, le campus de l’ESIEA à Ivry-sur-Seine a accueilli deux rendez-vous internationaux consacrés à l’apprentissage fédéré, ou federated learning : la 4e International School on Federated Learning, puis la 4e conférence IEEE FLTA (Federated Learning Technologies and Applications). Chercheurs, doctorants et industriels venus du monde entier y ont débattu d’une intelligence artificielle capable d’apprendre sans centraliser les données. La conférence a réuni 108 participants sur place, ainsi que des participants en ligne.
Faire progresser l’intelligence artificielle sans centraliser les données
Le Federated Learning, ou apprentissage fédéré, répond à un enjeu important : entraîner des modèles d’intelligence artificielle à partir de données détenues par plusieurs organisations ou appareils, tout en limitant leur circulation. Les modèles sont entraînés localement, puis les résultats peuvent être combinés pour construire un modèle commun. Cette approche ouvre des perspectives dans des domaines comme la santé, l’industrie ou les objets connectés, où les données sont parfois sensibles ou difficiles à mutualiser. Elle ne garantit toutefois pas, à elle seule, leur confidentialité : les échanges et les modèles doivent également être protégés.
International School on Federated Learning : une semaine pour se former au federated learning
Du 19 au 26 octobre, la 4e International School on Federated Learning a ouvert le bal. Destinée aux étudiants de master et de doctorat, aux chercheurs et aux professionnels de l’edge computing, des systèmes distribués et de l’IA respectueuse de la vie privée, elle a abordé l’apprentissage fédéré sous un angle à la fois théorique et pratique.
Les participants ont commencé par les fondamentaux et l’optimisation, avant de prendre en main les principaux frameworks du domaine, comme Flower, NVIDIA FLARE ou Scaleout. L’objectif : comprendre comment passer d’un prototype de recherche à un déploiement sécurisé et à grande échelle. Les cours étaient assurés par des intervenants de Flower Labs, Scaleout, NVIDIA FLARE, de la Queen Mary University of London et de l’Université de Tartu.

FLTA 2026 : quatre jours de conférence avec les grands noms du domaine
Du 27 au 30 octobre, la conférence FLTA 2026, organisée en coopération avec la section France de l’IEEE, a pris le relais. Après Tartu en 2023, Valence en 2024 et Dubrovnik en 2025, c’est l’ESIEA qui accueillait cette 4e édition. Quatre conférences plénières ont rythmé l’événement :
- H. Brendan McMahan, Principal Research Scientist chez Google Research, dont l’équipe a posé les bases du federated learning, a présenté les pistes pour un apprentissage fédéré aux garanties de confidentialité démontrables
- Nicholas D. Lane, professeur à l’Université de Cambridge et cofondateur de Flower Labs, a défendu l’idée que les grands modèles d’IA de demain seront entraînés de manière fédérée et décentralisée
- Camille Salinesi, professeur à l’Université Paris 1 Panthéon-Sorbonne et codirecteur de son Observatoire de l’intelligence artificielle, a interrogé la confiance que l’on peut accorder aux systèmes intégrant de l’IA
- Adrish Sannyasi, vice-président Customer Solutions and Delivery chez Rhino Federated Computing, s’est appuyé sur des déploiements réels dans la santé, la finance et l’industrie pour montrer ce qui freine encore les projets d’apprentissage fédéré.
L’ESIEA au cœur de l’organisation
L’ESIEA n’a pas seulement prêté ses locaux : l’événement s’est également appuyé sur l’esieaLab, le laboratoire de recherche de l’école, dirigé par Manuel Clergue, Directeur de l’unité de recherche esieaLab et enseignant-chercheur à l’ESIEA.
L’organisation locale était assurée par une équipe rattachée à l’ESIEA et à ses universités partenaires (CY Cergy Paris Université, Paris 1 Panthéon-Sorbonne, Arts et Métiers) : Sébastien Thuau, Édouard Nadaud, Zequan Huang, Antoine Leblanc, Lorenzo Lefève, Tristan Maiore et Bastien Tarot.
Des étudiants ingénieurs de l’ESIEA se sont aussi mobilisés comme bénévoles pour l’accueil des participants, la logistique et la coordination. Une occasion rare de découvrir les coulisses d’une conférence scientifique internationale et d’échanger avec des chercheurs et des experts du monde entier.

Des recherches tournées vers des usages concrets
Un Best Paper Award pour des travaux sur les réseaux sans fil
Le prix du meilleur article a récompensé Ahmad Dabaja, attaché temporaire d’enseignement et de recherche (ATER) à Avignon Université, et Rachid El-Azouzi, professeur à Avignon Université, pour « Joint Client Scheduling and Resource Allocation for Optimal Federated Learning over Wireless Networks ».. Leurs travaux portent sur la façon de choisir les participants et de répartir les ressources lorsque l’apprentissage fédéré passe par des réseaux sans fil. Les lauréats ont reçu une NVIDIA DGX Spark, un supercalculateur d’IA de bureau offert par NVIDIA FLARE, qui permet d’entraîner et de tester des modèles en local.
Savoir quand ne pas apprendre
Parmi les autres travaux présentés, Ke Xiao, doctorant à l’Université de Glasgow, a exposé « NTA-Gossip: Learning When Not to Learn in Decentralised Federated Learning », une recherche menée avec des chercheurs de l’Université de Glasgow et de l’Université de Thessalie, avec le soutien du projet européen TERRA.
Cette étude pose une question simple : lorsqu’un participant reçoit un modèle provenant d’un autre, doit-il toujours l’intégrer à son apprentissage ? Lorsque les données sont très différentes, une contribution extérieure peut parfois dégrader les performances locales. L’approche étudiée permet à chaque participant d’évaluer le modèle reçu à partir de ses propres données de validation, avant de décider de l’utiliser ou non, sans ajouter d’échanges supplémentaires entre les participants.
Ce travail rappelle que collaborer ne signifie pas tout accepter : il faut aussi mesurer la pertinence des contributions pour améliorer la qualité de l’apprentissage collectif.
Un numérique utile, du laboratoire à la salle de cours
Santé, finance, industrie, objets connectés : les usages évoqués pendant ces deux semaines montrent à quoi sert concrètement le federated learning. Il permet à des hôpitaux, des entreprises ou des appareils de construire ensemble un modèle d’IA sans partager leurs données brutes, et donc d’exploiter des données sensibles tout en gardant la maîtrise de leur usage.
En accueillant FLTA 2026 et l’International School on Federated Learning, l’ESIEA affirme la vocation de son campus à faire dialoguer recherche et formation. Pour les étudiants de la majeure Intelligence artificielle et Data science, ces sujets n’ont rien de lointain : apprentissage distribué, protection des données et confiance dans les systèmes d’IA font partie des compétences attendues des ingénieurs de demain.
Se former à l’IA à l’ESIEA
Vous souhaitez vous former à l’intelligence artificielle dans une école d’ingénieurs ouverte sur la recherche internationale ? Découvrez la majeure IA et Data science, les modalités d’admission au programme ingénieur et rencontrez nos équipes lors des prochains événements de l’ESIEA, dont les journées portes ouvertes.
Vous pouvez également lire