Apple révisé sa politique d'entraînement des modèles d'IA avec les données personnelles des utilisateurs

Apple a fait un retournement notable dans sa position concernant l'utilisation des données personnelles des utilisateurs pour entraîner ses modèles d'intelligence artificielle. Selon un rapport publié le 13 septembre 2026 par Heise et Machine Learning, la société a retiré une promesse antérieure selon laquelle « vos données personnelles privées et vos interactions ne sont jamais utilisées pour former nos modèles fondamentaux ». L'entreprise a désormais précisé que cette restriction s'applique uniquement lorsque l'utilisateur n'a pas explicitement choisi d'aider à leur amélioration.

Le mécanisme d'opération

La nouvelle politique s'inscrit dans le cadre du déploiement de l'iOS 27, qui introduit plusieurs fonctionnalités liées aux données. Les utilisateurs peuvent désormais stocker leurs conversations complètes avec Siri, y compris les enregistrements audio et les transcrits des requêtes tapées ou parlées. Ces données seront traitées par des employés d'Apple lors de l'activation de Siri AI, mais seront explicitement séparées de tout compte Apple. L'entreprise insiste sur le fait que ces données ne seront pas liées au compte utilisateur et ne seront ni stockées ni partagées avec des tiers.

L'opération repose sur un processus d'accord explicite : lors de l'activation de Siri AI, les développeurs sont invités à aider à améliorer le chatbot. Une option « Pas maintenant » est proposée, bien que le dialogue ne puisse être complètement ignoré. Les utilisateurs peuvent désactiver ce traitement ultérieurement via « Paramètres > Analyse et améliorations ».

Architecture technique des nouveaux modèles

Parallèlement, Apple a annoncé la troisième génération de ses modèles fondateurs (Apple Foundation Models, AFM 3), développés en collaboration avec Google. Cette famille comprend cinq modèles spécialisés, dont trois basés sur serveur exécutés sur Private Cloud Compute. Les modèles AFM 3 Core, AFM 3 Core Advanced et AFM 3 Cloud reposent sur une architecture innovante utilisant l'instruction-following pruning (IFP) pour optimiser l'utilisation de la mémoire flash plutôt que de la DRAM. Contrairement aux grands modèles traditionnels qui nécessitent tous leurs poids dans la mémoire vive, AFM 3 Core Advanced stocke la majorité de ses paramètres dans la mémoire flash (NAND) et charge dynamiquement un sous-ensemble d'experts actifs pendant la génération de tokens.

Cette approche permet une élasticité d'inférence variable selon la tâche spécifique, sans avoir besoin d'une ensembles de modèles plus petits ou d'un modèle unique pour toutes les applications. Les modèles AFM 3 Cloud et ADM 3 Cloud intègrent également Private Cloud Compute, garantissant que les données des utilisateurs ne sont ni stockées ni rendues accessibles à des tiers.

Contexte historique et enjeux de confidentialité

Ce revirement intervient dans un contexte où Apple a déjà connu un scandale majeur en matière de protection des données. Il y a quelques années, des employés de sous-traitants ont signalé que des enregistrements audio involontaires de Siri contenaient des détails personnels et sensibles, traités sous des réglementations laxistes. L'entreprise a temporairement suspendu l'évaluation des enregistrements audio avant de revenir avec un système d'accord explicite.

Les nouvelles fonctionnalités de l'Apple Watch, lancées simultanément, renforcent cette collecte de données : les appareils sont conçus pour écouter en permanence et fournir des résumés des conversations quotidiennes via « Siri Recap », tous deux basés sur Private Cloud Compute. Ce double accent sur la surveillance permanente soulève des questions sur l'équilibre entre les capacités d'intelligence artificielle et la vie privée des utilisateurs.

Vérification et portée

Les informations proviennent de deux sources indépendantes du même domaine médiatique (Hacker News) qui couvrent des aspects complémentaires de l'annonce : Heise détaille le changement de politique et les implications pratiques pour les utilisateurs, tandis que le blog Machine Learning d'Apple explique les avancées techniques sous-jacentes. Aucune affirmation de test exclusif, d'interview directe ou de source interne n'est faite dans cet article. La couverture reflète un effort de vérification croisée entre ces deux publications, sans surestimation de la certitude absolue sur les impacts futurs de ces changements.