Covent Garden, Royaume-Uni, 4 août 2026, Chainwire

FLock.io a été mis en lumière par le programme MINDS du Forum économique mondial (WEF) pour deux trusts du NHS utilisant son IA préservant la confidentialité pour lutter contre les maladies majeures. Les deux trusts utilisent sa plateforme d'apprentissage fédéré pour entraîner des modèles cliniques tout en maintenant une souveraineté des données à 100 %.

Le Moorfields Eye Hospital et les University College London Hospitals (UCLH) utilisent FLock.io dans deux cas d'utilisation : la détection des maladies oculaires et la gestion du diabète. L'approche permet une collaboration sans partager de données sensibles de patients, relevant un défi auquel sont confrontées les industries réglementées telles que la santé, où les réglementations sur la confidentialité et les exigences de sécurité peuvent limiter l'adoption de l'IA. Moorfields est l'un des centres de traitement, d'enseignement et de recherche ophtalmologique les plus anciens et les plus grands d'Europe, tandis que l'UCLH est un grand hôpital universitaire affilié à l'University College London.

Cette reconnaissance situe le travail de FLock.io dans le cadre du programme MINDS plus large et d'un écosystème plus vaste axé sur le déploiement à grande échelle d'applications d'IA à fort impact dans le monde réel, en collaboration avec Accenture. La dernière cohorte MINDS comprend des organisations telles que Lenovo, Occidental, TCL Industries, Hisense Hitachi et KUKA.

Deux cas d'utilisation de l'apprentissage fédéré dans le NHS avec FLock.io

FLock.io travaille avec des chercheurs du NHS de l'UCL et des partenaires cliniques de l'UCLH sur des alertes de surveillance du glucose. Le système fournit aux cliniciens des prédictions basées sur l'IA, entraînées localement sur les données de plus de 400 patients. Il prend en charge l'entraînement collaboratif entre les partenaires au Royaume-Uni, en Europe, aux États-Unis et en Chine, tout en garantissant que les données des patients ne quittent jamais le réseau sécurisé du trust du NHS, préservant ainsi une souveraineté des données à 100 %. La capacité d'entraîner à travers les juridictions est particulièrement pertinente étant donné que les transferts transfrontaliers de données de santé sont soumis à des restrictions strictes en vertu de cadres tels que le RGDP de l'UE et des réglementations équivalentes dans d'autres régions.

Environ 14 000 utilisateurs finaux, y compris les patients utilisant des applications de gestion du diabète, utilisent la plateforme de FLock.io au Royaume-Uni, en Asie du Sud-Est et en Asie de l'Est. La prochaine phase, un essai clinique multinational de prédiction du glucose dans le monde réel impliquant 100 patients, devrait commencer cet été. FLock.io estime que la prévention par l'IA dans le NHS pourrait générer plus de 100 millions de livres sterling d'économies annuelles, sur la base d'une réduction de 1 % des plus de 10 milliards de livres sterling actuellement dépensés pour la gestion du diabète. Les soins liés au diabète représentent l'un des plus grands postes de dépense du NHS, et le service de santé explore activement des outils numériques et l'IA pour gérer les coûts tout en améliorant les résultats pour les patients.

Avec le Moorfields Eye Hospital, FLock.io a terminé la recherche initiale pour la détection fédérée des maladies oculaires. L'entraînement du modèle d'IA utilisant les données d'imagerie de l'hôpital est en cours. Le projet vise à résoudre les problèmes de mise à l'échelle auxquels l'IA centralisée traditionnelle a été confrontée, et à permettre un entraînement multi-sites à travers les trusts du NHS sans qu'il soit nécessaire de partager des données d'imagerie sensibles à l'externe.

L'objectif à long terme est de reproduire ces modèles dans d'autres trusts du NHS. FLock.io a déclaré que le système à payeur unique du NHS et la gouvernance cohérente des données en font un environnement idéal pour faire la preuve de l'apprentissage fédéré à grande échelle avant de s'étendre à d'autres marchés.

L'apprentissage fédéré permet un entraînement collaboratif de modèles d'IA sans partager de données brutes. Chaque participant entraîne le modèle localement et de manière sécurisée sur place ou sur des appareils en périphérie (edge devices). Seules les mises à jour chiffrées du modèle sont partagées, puis agrégées pour améliorer les performances, permettant une inférence en temps réel.

Le problème que FLock.io dit vouloir résoudre

FLock.io a déclaré que les réglementations sur la confidentialité des données et les préoccupations en matière de sécurité limitent l'utilisation de l'IA dans les industries réglementées qui traitent des informations sensibles, y compris les hôpitaux, les banques et les agences gouvernementales. Par conséquent, les organisations peuvent soit éviter l'adoption de l'IA, soit s'appuyer sur des modèles génériques qui manquent de précision dans le domaine ou introduisent un risque de conformité.

L'entreprise a déclaré que les approches conventionnelles, y compris l'entraînement d'IA centralisée basée sur le cloud et le déploiement de modèles sur site, nécessitent généralement des ressources de calcul importantes. Elle a également déclaré que de telles méthodes ne peuvent garantir une protection robuste de la confidentialité ou une protection contre les attaques d'empoisonnement de modèle et les fuites de données, et peuvent compromettre la précision du modèle.

À propos de FLock.io

FLock.io se définit comme une entreprise de recherche et d'infrastructure en IA axée sur l'apprentissage fédéré de qualité entreprise et des solutions d'IA distribuée qui privilégient la confidentialité des données. Son architecture d'apprentissage fédéré décentralisée et ses plateformes prêtes pour la production — AI Arena, FL Alliance et FLock API Platform — sont conçues pour permettre aux organisations d'entraîner et de déployer des modèles d'IA personnalisés sur du matériel local tout en maintenant une confidentialité totale des données, la propriété du modèle et l'alignement réglementaire dès la conception.

L'entreprise a déclaré que sa combinaison d'apprentissage fédéré et de vérification basée sur la blockchain permet une amélioration de 37 % de la précision du modèle, une réduction de 44 % du coût total de possession, une réduction du risque de violations de données ou d'attaques d'empoisonnement de modèle, et un temps de déploiement plus court de 63 %. Elle a également déclaré que l'approche est plus durable, avec 80 % d'énergie d'entraînement en moins par mise à jour du modèle.

Le gouvernement du Sarawak, en Malaisie, termine actuellement un projet pilote d'IA souveraine avec FLock.io, y compris dans le domaine de la santé. FLock.io a déclaré que le pilote sera ensuite déployé par des partenaires hospitaliers aux États-Unis, en Europe et en Chine, et établira une norme pour la collaboration transfrontalière en matière d'IA de santé en Asie-Pacifique et en Europe.

Suivez FLock.io sur LinkedIn et X, ou envoyez un e-mail à l'équipe à [email protected].