Apple va commencer à analyser les données des appareils de ses clients afin d'améliorer sa plateforme d'intelligence artificielle, une mesure destinée à protéger les informations des utilisateurs tout en l'aidant à rattraper ses rivaux en matière d'intelligence artificielle. La technologie fonctionne de la manière suivante : Elle prend les données synthétiques créées par Apple et les compare à un échantillon récent de courriels d'utilisateurs dans l'application de messagerie de l'iPhone, de l'iPad et du Mac. En utilisant des courriels réels pour vérifier les données fictives, Apple peut alors déterminer quels éléments de son ensemble de données synthétiques correspondent le mieux aux messages du monde réel.Apple Intelligence n'a pas connu la meilleure année jusqu'à présent. Selon un rapport début janvier 2025, l'Apple Intelligence est déjà confrontée à une crise de confiance après que plusieurs tentatives de résumer les titres de l'actualité ont donné des résultats inexacts et parfois bizarres. Apple avait tenté de condenser les notifications en bribes digestes, mais au lieu de résumer avec précision, l'intelligence artificielle (IA) se laisse parfois aller à une écriture créative. Apple Intelligence, qui est une fonction tant vantée par le fabricant de l'iPhone, fait l'objet de moquerie et certains experts craignent que l'expérience ne se solde par un bide.
Malgré cela, Apple n'abandonne pas. Selon une nouvelle annonce, l'entreprise a de grands projets et propose de nouvelles stratégies de formation de modèles qui pourraient améliorer considérablement les performances de l'IA. Toutefois, ces changements impliquent un examen plus approfondi de vos données, si vous y consentez.
Dans un nouveau document technique de la division Machine Learning Research d'Apple, intitulé "Understanding Aggregate Trends for Apple Intelligence Using Differential Privacy" (Comprendre les tendances globales pour l'Apple Intelligence en utilisant la confidentialité différentielle), Apple a présenté de nouveaux plans visant à combiner l'analyse des données avec les données utilisateur et la génération de données synthétiques afin de mieux former les modèles à l'origine de nombreuses fonctionnalités de l'Apple Intelligence.
Jusqu'à présent, Apple a entraîné ses modèles sur des données purement synthétiques, qui tentent d'imiter les données réelles, mais il y a des limites. Dans Genmoji, par exemple, l'utilisation par Apple de données synthétiques ne correspond pas toujours à la manière dont les utilisateurs réels interagissent avec le système. Selon la recherche : "comprendre comment nos modèles fonctionnent lorsqu'un utilisateur demande des Genmoji contenant plusieurs entités nous aide à améliorer les réponses à ce type de demandes."
En fait, si les utilisateurs acceptent, le système peut interroger l'appareil pour savoir s'il a vu un segment de données. Cependant, votre téléphone ne répond pas avec les données ; au lieu de cela, il renvoie un signal bruyant et anonyme, ce qui est apparemment suffisant pour que le modèle d'Apple apprenne.
Le processus est quelque peu différent pour les modèles qui travaillent avec des textes plus longs, comme les outils d'écriture et les résumés. Dans ce cas, Apple utilise des modèles synthétiques, puis envoie une représentation de ces modèles synthétiques aux utilisateurs qui ont opté pour l'analyse de données. Sur l'appareil, le système effectue ensuite une comparaison qui semble confronter ces représentations à des échantillons de courriels récents.
La recherche affirme : "Ces encastrements synthétiques les plus fréquemment sélectionnés peuvent ensuite être utilisés pour générer des données d'entraînement ou de test, ou nous pouvons exécuter des étapes de curation supplémentaires pour affiner davantage l'ensemble de données."
Fait intéressant, cette annonce intervient alors les fonctions d'IA de l'Apple Intelligence ne sont pas convaincantes. Une enquête fin 2024 a suggéré que l'Apple Intelligence est importante pour les acheteurs d'iPhone, mais la majorité d'entre eux (73 %) estiment que les fonctionnalités initiales n'apportent que peu ou pas de valeur ajoutée.
En outre, à la question de savoir comment l'Apple Intelligence se compare à la Galaxy AI, les réponses des utilisateurs de l'iPhone AI ont été les suivantes : 15,4 % ont déclaré qu'Apple Intelligence était meilleure, 5,9 % ont déclaré que Galaxy AI était meilleure, et 32 % ont admis qu'aucune des deux n'était meilleure. Environ 1 utilisateur d'iPhone sur 6 (16,8 %) a déclaré qu'il envisagerait de passer à Samsung si l'entreprise proposait de meilleures fonctions d'IA, tandis qu'un pourcentage relativement faible de 9,7 % d'utilisateurs de Samsung envisagerait de passer à Apple pour de meilleures fonctions d'IA.
Voici un extrait de l'annonce d'Apple :
Chez Apple, nous pensons que la protection de la vie privée est un droit humain fondamental. Et nous croyons qu'il faut offrir à nos utilisateurs une expérience exceptionnelle tout en protégeant leur vie privée. Depuis des années, nous utilisons des techniques telles que la confidentialité différentielle dans le cadre de notre programme d'analyse des appareils. Cela nous permet d'obtenir des informations sur la manière dont nos produits sont utilisés, afin de les améliorer, tout en protégeant la vie privée des utilisateurs en empêchant Apple de voir les données individuelles de ces utilisateurs.
Ce même besoin de comprendre l'utilisation tout en protégeant la vie privée est également présent dans Apple Intelligence. L'un de nos principes est qu'Apple n'utilise pas les données personnelles privées de nos utilisateurs ni leurs interactions lors de l'apprentissage de nos modèles de base et, pour le contenu disponible publiquement sur Internet, nous appliquons des filtres pour supprimer les informations personnellement identifiables telles que les numéros de sécurité sociale et de carte de crédit. Dans ce billet, nous vous expliquons comment nous développons de nouvelles techniques qui permettent à Apple de découvrir des tendances d'utilisation et des informations agrégées afin d'améliorer les fonctionnalités optimisées par Apple Intelligence, sans révéler à Apple le comportement individuel ou le contenu unique.
Ce même besoin de comprendre l'utilisation tout en protégeant la vie privée est également présent dans Apple Intelligence. L'un de nos principes est qu'Apple n'utilise pas les données personnelles privées de nos utilisateurs ni leurs interactions lors de l'apprentissage de nos modèles de base et, pour le contenu disponible publiquement sur Internet, nous appliquons des filtres pour supprimer les informations personnellement identifiables telles que les numéros de sécurité sociale et de carte de crédit. Dans ce billet, nous vous expliquons comment nous développons de nouvelles techniques qui permettent à Apple de découvrir des tendances d'utilisation et des informations agrégées afin d'améliorer les fonctionnalités optimisées par Apple Intelligence, sans révéler à Apple le comportement individuel ou le contenu unique.
Améliorer les Genmoji
L'un des domaines dans lesquels Apple a expérimenté la protection différentielle de la vie privée à l'Apple Intelligence est celui des Genmoji. Pour les utilisateurs qui acceptent de partager les données d'analyse de leur appareil avec Apple, Apple utilise des méthodes de confidentialité différentielle pour identifier les invites populaires et les modèles d'invites, tout en garantissant mathématiquement que les invites uniques ou rares ne seront pas découvertes et que les invites spécifiques ne pourront pas être liées à des utilisateurs individuels.
Il est important de connaître les invites populaires, car cela permet à Apple d'évaluer les modifications et les améliorations apportées aux modèles en fonction des types d'invites les plus représentatifs de l'engagement réel des utilisateurs. Par exemple, comprendre comment les modèles fonctionnent lorsqu'un utilisateur demande un Genmoji contenant plusieurs entités (comme « dinosaure avec un chapeau de cow-boy ») aide à améliorer les réponses à ce type de demandes.
Cette approche consiste à interroger au hasard les appareils participants pour savoir s'ils ont vu un fragment particulier, et les appareils répondent de manière anonyme par un signal bruité. "Bruité" signifie que les appareils peuvent fournir le véritable signal indiquant si un fragment a été vu, ou un signal choisi au hasard pour un autre fragment, ou encore aucune correspondance. En calibrant la fréquence à laquelle les appareils envoient des réponses sélectionnées au hasard, cela assure que des centaines de personnes utilisant le même terme sont nécessaires pour que le mot puisse être découvert. Par conséquent, Apple ne voit que les invites couramment utilisées, ne peut pas voir le signal associé à un appareil particulier et ne récupère aucune invite unique. En outre, le signal qu'Apple reçoit de l'appareil n'est pas associé à une adresse IP ou à un identifiant qui pourrait être lié à un compte Apple. Apple ne peut donc pas associer le signal à un appareil particulier.
Apple utilise actuellement la confidentialité différentielle pour améliorer les Genmoji et, dans les prochaines versions, nous utiliserons également cette approche, avec les mêmes protections de la confidentialité, pour Image Playground, Image Wand, Memories Creation et Writing Tools dans Apple Intelligence, ainsi que dans Visual Intelligence.
Améliorer la génération de texte à l'aide de données synthétiques
Pour les fonctionnalités d'Apple Intelligence telles que les résumés ou les outils de rédaction qui fonctionnent sur des phrases plus longues ou des messages électroniques entiers, les méthodes utilisées pour comprendre les tendances dans les messages courts tels que les Genmoji ne sont pas efficaces. Une nouvelle méthode est donc nécessaire pour comprendre les tendances tout en respectant les normes de confidentialité, ce qui signifie ne pas collecter le contenu d'un utilisateur individuel. Pour relever ce défi, les recherches récentes peuvent être utiliser pour créer des données synthétiques utiles, représentatives des tendances globales dans les données réelles des utilisateurs, sans collecter d'e-mails ou de textes réels sur les appareils.
Les données synthétiques sont créées pour imiter le format et les propriétés importantes des données utilisateur, mais ne contiennent aucun contenu généré par l'utilisateur. Lors de la création de données synthétiques, l'objectif est de produire des phrases ou des courriels synthétiques dont le sujet ou le style est suffisamment similaire au contenu réel pour nous aider à améliorer nos modèles de résumé, mais sans qu'Apple ne recueille de courriels auprès de l'appareil. L'une des façons de créer un message électronique synthétique est d'utiliser un grand modèle de langage (LLM).
La création d'un seul courriel synthétique sur un sujet spécifique n'est qu'une première étape. Pour améliorer son modèle, Apple doit générer un ensemble de nombreux courriels couvrant les sujets les plus courants dans les messages. Pour...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
