Dans cet article, nous proposons une nouvelle approche pour surmonter les limites des méthodes de désapprentissage existantes en « oubliant » sélectivement certaines données grâce à l'application de correctifs au réseau neuronal. Alors que les méthodes existantes sont coûteuses et difficiles à vérifier car elles réentraînent le modèle avec les données restantes, notre méthode garantit la suppression des données en trouvant et en appliquant un correctif minimal et léger. Pour supprimer plusieurs points de données ou des classes entières, nous utilisons une méthode permettant de supprimer sélectivement et itérativement des points de données représentatifs. Les résultats expérimentaux sur plusieurs jeux de données montrent que la méthode proposée est efficace et consomme moins de mémoire tout en préservant les performances du modèle.
