Le Machine Unlearning (MU) vise à permettre aux modèles d'apprentissage automatique d'oublier ou de supprimer la connaissance de certains points de données dans leur formation pour répondre à des besoins tels que la protection de la vie privée, les exigences légales ou la protection des droits d'auteur.

Il existe deux principales stratégies pour l'oubli automatique : l'oubli précis et l'oubli approximatif. L'oubli précis exclut complètement les données à oublier en réentraînant le modèle de A à Z, mais cette méthode est coûteuse en calcul. L'oubli approximatif tente d'obtenir l'oubli en modifiant le modèle existant, évitant ainsi le coût élevé d'un réentraînement.