00 · EN TROIS MINUTES

La réponse en trois idées

  1. 1Supprimer le fichier source ne restaure pas automatiquement les poids.
  2. 2Les méthodes approchent un modèle entraîné sans ces données.
  3. 3Faire disparaître une sortie mémorisée ne suffit pas : il faut un contrefactuel.

01 · INFLUENCE DISTRIBUÉE

Influence distribuée

Un enregistrement agit avec beaucoup d’autres ; il n’existe pas d’opération universelle pour effacer une ligne des poids.

02 · LE RÉENTRAÎNEMENT SERT DE RÉFÉRENCE

Le réentraînement sert de référence

Le contrefactuel propre est un modèle repris de zéro sans les données ; les méthodes pratiques l’approximent.

FIG. 02Suivre les changements du système
Carte conceptuelle du mécanisme ; géométrie, échelle et durée ne sont pas mesurées sauf indication.

03 · VÉRIFIER EST CENTRAL

Vérifier est central

Une phrase peut disparaître tandis que des signaux restent accessibles par une autre requête ou attaque.

04 · D’AUTRES COPIES EXISTENT

D’autres copies existent

Checkpoints, caches, index, journaux et fine-tunings doivent entrer dans l’inventaire.

05 · DÉCLARER LA PORTÉE

Déclarer la portée

Garanties et approximations dépendent de l’algorithme, des hypothèses, de la cible et du test.

06 · SOURCES ET ÉLÉMENTS DE PREUVE

Sources et éléments de preuve

Les affirmations remontent aux articles fondateurs, aux normes ou à l’étude primaire de la mise à jour.

  1. 01
    Machine Unlearning

    Cette source étaye un mécanisme, une mesure ou une limite de preuve définie dans l’article.

    ÉTUDE PRIMAIRE ↗
  2. 02
    Making AI Forget You: Data Deletion in Machine Learning

    Cette source étaye un mécanisme, une mesure ou une limite de preuve définie dans l’article.

    ÉTUDE PRIMAIRE ↗
HISTORIQUE29 août 2026 · Première édition en cinq langues ; mécanisme, limites, figures et sources vérifiés.