📊 statistics

Federated Causal Representation Learning in State-Space Systems for Decentralized Counterfactual Reasoning

Cet article propose un cadre d'apprentissage fédéré de représentations causales pour les systèmes d'état-espace, permettant le raisonnement contrefactuel décentralisé entre actifs industriels interdépendants en préservant la confidentialité des données et l'intégrité des modèles locaux grâce à l'échange de seuls états latents compacts.

Auteurs originaux : Nazal Mohamed, Ayush Mohanty, Nagi Gebraeel

Publié 2026-03-19

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Nazal Mohamed, Ayush Mohanty, Nagi Gebraeel

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un vaste réseau d'usines interconnectées, comme une ville où chaque bâtiment (une raffinerie, une station d'épuration, une centrale électrique) dépend des autres pour fonctionner correctement. Si l'usine A ajuste son robinet, cela peut faire trembler les tuyaux de l'usine B, qui elle-même affecte l'usine C.

Le problème ? Chaque usine est une forteresse.

Les données sont secrètes : Personne ne veut partager ses plans ou ses mesures brutes avec les voisins (pour des raisons de confidentialité ou de sécurité).
Les modèles sont propriétaires : Chaque usine a son propre "cerveau" (un modèle mathématique) qu'elle refuse de modifier ou de donner.
La question difficile : Si l'usine A changeait son comportement, que se passerait-il exactement chez l'usine B ? C'est ce qu'on appelle le raisonnement contrefactuel ("Et si... ?").

C'est là que cette recherche intervient. Elle propose une méthode pour que ces usines puissent répondre à la question "Et si... ?" sans jamais se montrer leurs secrets.

Voici comment cela fonctionne, expliqué avec des analogies simples :

1. Le problème : Le "Brouillard" des données

Imaginez que chaque usine observe le monde à travers un brouillard épais (des données brutes, complexes et volumineuses). Elles ne voient que leur propre brouillard. Si l'usine A change quelque chose, l'usine B sent une vibration, mais elle ne sait pas si c'est à cause du vent (sa propre dynamique) ou à cause de l'usine A (l'influence externe).

Les méthodes classiques (comme la "causalité de Granger") sont comme des caméras de surveillance : elles disent "A a bougé, puis B a bougé", mais elles ne peuvent pas prédire ce qui se passerait si A avait agi différemment. De plus, elles exigent que tout le monde mette ses données dans un même sac central, ce qui est impossible ici à cause de la confidentialité.

2. La solution : Une conversation de "Résumés" (Federated Learning)

Au lieu de se montrer leurs données brutes (les vidéos de surveillance), les usines vont se parler par résumés.

L'Usine (Le Client) : Chaque usine a un modèle local (son propre cerveau). Elle prend ses données brutes et les transforme en un résumé compact (un "état latent"). C'est comme si elle disait : "Je ne vous donne pas mes vidéos, mais voici un petit résumé de mon état actuel : 'Je suis stable, mais je ressens une légère pression'."
Le Serveur Central (Le Chef d'orchestre) : Il reçoit ces résumés de toutes les usines. Il ne voit jamais les données brutes. Son travail est de comprendre comment ces résumés s'influencent mutuellement. Il apprend la "carte des relations" : "Ah, quand l'usine A dit 'pression', l'usine B réagit souvent de telle manière."

3. La Magie : Le "Démêlage" (Disentanglement)

C'est le cœur de l'innovation. Le défi est de séparer deux choses qui sont mélangées dans le résumé :

Ce qui vient de l'usine elle-même (sa propre inertie, ses propres machines).
Ce qui vient des autres usines (les influences extérieures).

Imaginez un mélangeur de smoothie. Vous avez des fruits locaux (dynamique interne) et des fruits importés (influences externes). Le but est de pouvoir dire : "Si on enlevait les fruits importés, à quoi ressemblerait le smoothie ?"

Le système utilise une astuce mathématique (un "pénalité de démêlage") pour forcer les usines à apprendre à isoler ces deux ingrédients dans leur résumé. Une fois séparés, l'usine peut simuler : "Si l'usine voisine avait envoyé un signal différent, mon résumé aurait été différent de cette manière précise."

4. Le Résultat : La Prédiction Contrefactuelle Décentralisée

Grâce à ce système, chaque usine peut maintenant faire des prédictions magiques :

Question : "Que se passerait-il à ma production si l'usine voisine fermait sa vanne demain ?"
Réponse : L'usine utilise son modèle local, enrichi par les résumés appris du serveur, pour simuler le scénario. Elle obtient une réponse précise sans avoir besoin de voir les données de la voisine et sans que la voisine ait besoin de modifier son modèle.

5. La Sécurité : Le "Brouillard" Protégé

Le papier garantit aussi que même ces "résumés" ne peuvent pas être piratés pour retrouver les données brutes. Ils ajoutent un peu de "bruit" (comme un peu de neige sur une vieille télévision) aux messages échangés. C'est suffisant pour que le système apprenne, mais pas assez pour qu'un espion puisse reconstituer les secrets de l'usine. C'est comme envoyer un message codé qui change légèrement à chaque fois, rendant la décryptage impossible.

En résumé

Cette recherche crée un orchestre symphonique décentralisé.

Chaque musicien (usine) garde sa partition secrète.
Ils ne se parlent pas en jouant toute la partition, mais en s'envoyant de petits signaux rythmiques (les états latents).
Le chef d'orchestre (serveur) apprend comment les rythmes s'harmonisent.
Résultat : Chaque musicien peut maintenant imaginer comment la symphonie sonnerait si un autre musicien changeait de tempo, sans jamais avoir vu la partition de son voisin.

C'est une avancée majeure pour la sécurité industrielle et la prise de décision proactive, permettant de prévenir les catastrophes en simulant des scénarios "Et si..." dans un monde où la confidentialité est reine.

1. Problématique

L'article aborde le défi de la raisonnement contrefactuel dans les réseaux d'actifs industriels interdépendants (par exemple, raffineries, réseaux de traitement de l'eau). Ces systèmes sont caractérisés par :

Couplage physique : Les actions de contrôle d'un client (ex. : ajustement d'une pompe) affectent causalement les performances d'autres clients.
Contraintes de données : Les données sont de haute dimension, privées et ne peuvent être centralisées pour des raisons de confidentialité, de bande passante et de réglementation.
Modèles propriétaires : Chaque client possède déjà un modèle local (souvent un filtre de Kalman) qu'il ne peut modifier.
Limites des approches existantes : Les méthodes classiques comme la causalité de Granger sont prédictives mais ne permettent pas de répondre à des questions d'intervention (« Que se passerait-il si le client B changeait son entrée ? »). De plus, elles confondent la dynamique intrinsèque du système avec les influences des contrôles externes.

L'objectif est de permettre à chaque client de prédire comment ses propres sorties changeraient si un autre client modifiait ses contrôles, sans partager ses données brutes ni ses modèles propriétaires.

2. Méthodologie

Les auteurs proposent un cadre d'apprentissage fédéré basé sur des systèmes linéaires invariants dans le temps (LTI) modélisés par des équations d'espace d'état.

A. Modélisation du Système

Le système global est décrit par des équations d'état où les états latents $h_t$ et les mesures $y_t$ sont endogènes, tandis que les entrées de contrôle $u_t$ sont exogènes (variables d'intervention).

Hypothèse clé : La matrice d'observation $C$ est bloc-diagonale (chaque client observe uniquement son propre état latent).
Objectif causal : Estimer les matrices de transition d'état inter-clients ( $A_{mn}$ ) et d'entrée inter-clients ( $B_{mn}$ ) pour calculer l'effet moyen du traitement (ATE) : $CB(u_1 - u_0)$ .

B. Architecture Fédérée

Le cadre distingue deux entités :

Le Client (Modèle Propriétaire + Modèle Augmenté) :
- Le client conserve son modèle propriétaire (filtre de Kalman local) qui utilise uniquement ses données locales.
- Un modèle augmenté est introduit avec des paramètres appris ( $\theta_m, \phi_m$ ) pour capturer les dépendances inter-clients.
- Le client envoie des estimations d'états latents de faible dimension ( $\hat{h}_t$ ) et des entrées ( $u_t$ ) au serveur, mais jamais les mesures brutes $y_t$ .
Le Serveur Central :
- Il ne voit pas les données brutes. Il reçoit les états latents et les entrées.
- Il estime explicitement les matrices globales hors-diagonale ( $\hat{A}_{mn}, \hat{B}_{mn}$ ) qui représentent les couplages entre clients.
- Il calcule une fonction de perte globale et renvoie les gradients aux clients.

C. Algorithme d'Optimisation et Désentanglement

Le cœur de la méthode réside dans la désentanglement (séparation) des dynamiques endogènes (propagation d'états passés via $A_{mn}$ ) et des effets exogènes (entrées de contrôle via $B_{mn}$ ).

Le serveur utilise une fonction de perte avec un terme de pénalité fort ( $\xi$ ) pour forcer la séparation des effets.
Les clients mettent à jour leurs paramètres locaux en combinant leurs gradients locaux avec les gradients reçus du serveur.
Preuve théorique : Les auteurs démontrent que lorsque le paramètre de pénalité $\xi \to \infty$ , les paramètres appris par le client ( $\phi_m$ ) convergent vers l'effet agrégé des entrées des autres clients, permettant ainsi un raisonnement contrefactuel local.

D. Confidentialité (Differential Privacy)

Le papier intègre une analyse de confidentialité différentielle. En ajoutant du bruit gaussien aux messages (états) et aux gradients échangés, et en utilisant un mécanisme de "clipping" (limitation de la norme), le système garantit que la révélation d'une seule mesure ne compromet pas la vie privée des clients.

3. Contributions Clés

Premier cadre de raisonnement contrefactuel décentralisé : C'est la première méthode permettant de répondre à des questions « Et si... » dans un système multi-clients sans centralisation des données.
Apprentissage de représentations causales fédérées : Utilisation du cadre « Abduction-Action-Prédiction » de Pearl pour dériver formellement l'effet moyen du traitement (ATE) dans un contexte fédéré.
Désentanglement prouvé : Un schéma d'optimisation itératif qui garantit théoriquement la séparation des dynamiques intrinsèques et des influences de contrôle, condition sine qua non pour le raisonnement contrefactuel.
Convergence vers un Oracle Centralisé : Preuve que le cadre fédéré converge vers les performances d'un modèle centralisé idéal (oracle) ayant accès à toutes les données, avec une garantie de confidentialité différentielle.
Validation sur données réelles : Application réussie sur des jeux de données industriels complexes (HAI et SWaT) et des données synthétiques.

4. Résultats Expérimentaux

Les expériences ont été menées sur des données synthétiques et deux jeux de données industriels réels (HAI pour la production d'énergie et SWaT pour le traitement de l'eau).

Performance de Prédiction : Les modèles augmentés (clients et serveur) surpassent significativement les modèles propriétaires locaux (qui ignorent les couplages) et se rapprochent de l'oracle centralisé.
Robustesse : Le modèle montre une meilleure résilience face aux changements de régime (non-stationnarité) par rapport aux modèles de base.
Désentanglement : Les métriques montrent que le terme de pénalité permet effectivement de séparer les effets des entrées des effets d'état, validant la théorie.
Évolutivité (Scalability) : Le système reste stable et performant lorsque le nombre de clients ou la dimension des mesures augmente, bien que le coût de calcul et de communication croisse (complexité $O(M^2)$ pour le serveur).
Identifiabilité Causale : L'analyse des fonctions de transfert (pôles, zéros) confirme que le modèle décentralisé apprend la structure dynamique causale sous-jacente, même si les paramètres exacts ne sont pas uniques (problème d'identifiabilité classique des systèmes d'état).

5. Signification et Impact

Ce travail est significatif car il comble le fossé entre l'apprentissage fédéré (privé) et l'inférence causale (interventionnelle).

Pour l'industrie : Il permet aux opérateurs de systèmes critiques de simuler des scénarios de défaillance en cascade ou d'optimiser les contrôles globaux sans compromettre la sécurité des données ni modifier les modèles de contrôle existants.
Pour la recherche : Il établit un nouveau paradigme pour l'apprentissage de représentations causales dans des environnements distribués, prouvant qu'il est possible de raisonner sur les interventions (contrefactuels) sans jamais voir les données brutes des autres nœuds.
Confiance : L'intégration de garanties de confidentialité différentielle rend la méthode applicable dans des secteurs fortement réglementés.

En résumé, l'article propose une solution élégante et mathématiquement fondée pour transformer des réseaux d'actifs industriels isolés en un système intelligent capable de prédire les conséquences d'interventions croisées, tout en respectant strictement la confidentialité des données.