Le paradigme de Edge Computing permet la présence dâalgorithmes de Machine Learning installés en local, sur des machines légères et peu coûteuses. Il sâagit dâentraîner des modèles sur des machines puissantes avant de les déployer en périphérie du cloud. Mais quâen est-il si lâon souhaite que lâIA puisse également apprendre en local, là où sont générées les données ? Cette session sâintéresse à lâentrainement de modèles « on-device » en abordant les méthodes et techniques qui le rendent possible, en présentant différents cas dâusage et une démonstration « live ».