Le federated learning clinique tient ses promesses sur deux sites réels — mais la généralisation reste le mur invisible du ML médical

L'article sur DeepCBC + FedMAP (arXiv, 22 mai) est le signal le plus propre de la journée : un pipeline federated learning déployé sur des données non-IID réelles (AUMC + NHSBT), avec un modèle fondation hématologie gelé en extraction d'embeddings et une agrégation personnalisée qui fait effectivement bouger les métriques — ROC-AUC 0.947→0.959 côté Amsterdam, 0.856→0.867 côté NHS. Ce n'est pas un benchmark synthétique. Ce qui est notable : l'architecture FLA³ de gouvernance runtime permet de monitorer les dérives de distribution entre sites sans exposer les données brutes. Pour les équipes qui construisent des pipelines FL en santé, c'est une référence d'implémentation concrète, pas un proof-of-concept académique.

L'étude CKD (même journée, arXiv) est le contrepoint brutal : cinq classifieurs — régression logistique, random forest, XGBoost, SVM, naive Bayes — atteignent tous AUROC 1.00 sur UCI (400 patients), puis s'effondrent entre 0.48 et 0.58 sur MIMIC-IV externe. Calibration Platt et isotonic regression, couverture conforme : tout se dégrade. Aucun modèle ne passe les critères de déploiement clinique définis dans le framework. C'est le cas d'école du surapprentissage sur dataset propre et petit, et ça illustre exactement pourquoi le résultat DeepCBC/FedMAP sur deux sites hétérogènes est plus informatif que n'importe quel AUROC interne à 1.00.

Sur le front réglementaire, la FTC condamne Cox Media Group, MindSift et 1010 Digital Works à ~1 million de dollars pour avoir commercialisé un service « Active Listening » censé cibler les pubs via les micros des appareils intelligents — sans utiliser aucune donnée vocale réelle. La sanction est symboliquement faible, mais le précédent est clair : revendiquer des capacités IA fictives pour vendre du ciblage publicitaire entre maintenant dans le périmètre FTC. Pour les équipes produit qui rédigent des fiches marketing sur des features IA, c'est un signal de compliance à intégrer maintenant, pas après la prochaine levée.