Données anonymisées
Les données anonymisées sont des informations modifiées de manière à ce qu'elles ne puissent plus être associées à une personne identifiable et à ce que personne ne puisse rétablir ce lien. C'est cette dernière condition qui pose problème, et c'est pourquoi la plupart des données qualifiées d'« anonymisées » sont en réalité pseudonymisées — une distinction qui a de réelles conséquences juridiques.
| Anonymisé | La réidentification est impossible pour quiconque, y compris le détenteur des données |
| Pseudonymisées | Les identifiants ont été remplacés, mais peuvent être réassociés à l'aide d'une clé conservée ailleurs |
| Conséquences réglementaires | Les données véritablement anonymisées ne relèvent pas du RGPD ; ce n'est pas le cas des données pseudonymisées. |
| Techniques courantes | Agrégation, généralisation, suppression, ajout de bruit, k-anonymat, confidentialité différentielle |
| Défaillance principale | Réidentification par recoupement d'un ensemble de données avec des informations externes |
| Mise en garde concernant la biométrie | Un modèle facial n'est pas une donnée anonymisée : il est conçu pour permettre l'identification. |
| Système de charpente américain | Régie par les dispositions de la loi HIPAA en matière d'anonymisation et par les lois étatiques sur la protection de la vie privée, plutôt que par une norme fédérale unique |
| Position pratique | L'anonymisation est un spectre, et non un état binaire |
Comment ça marche ?
Toutes ces techniques impliquent un compromis entre fonctionnalité et confidentialité, et ce compromis est inévitable.
Suppression supprime les identifiants directs — nom, numéro de compte, adresse e-mail. Il s'agit là d'une mesure minimale qui, à elle seule, est loin d'être suffisante, car les champs restants permettent souvent d'identifier les personnes de toute façon.
Généralisation réduit la précision : une date de naissance devient une année de naissance, un code postal devient une région. Agrégation rend compte des groupes plutôt que des individus. k-anonymat Cela est formalisé en exigeant que chaque enregistrement soit impossible à distinguer d'au moins k−1 autres sur la base des quasi-identifiants, de sorte qu'aucune combinaison d'attributs ne permette d'identifier une personne en particulier.
Confidentialité différentielle adopte une approche différente, en ajoutant un bruit statistique calibré de sorte qu’il soit impossible de déterminer, à partir des résultats, si un individu donné figure ou non dans l’ensemble de données. Il s’agit de la garantie la plus solide qui soit, mais elle se fait au détriment de la précision ; c’est pourquoi son utilisation se concentre davantage sur les travaux statistiques à grande échelle que sur les systèmes opérationnels.
Le mode de défaillance qui importe est le effet de mosaïque. Un ensemble de données dont les identifiants ont été supprimés peut souvent être réidentifié en le recoupant avec une autre source. Les exemples classiques — la réidentification de dossiers médicaux à partir de la date de naissance, du sexe et du code postal, ou celle de l'historique de visionnage Netflix à partir d'avis publics — fonctionnaient tous deux de cette manière. Le caractère anonyme d'un ensemble de données ne dépend pas seulement de cet ensemble lui-même, mais aussi de tout ce qui existe par ailleurs.
Pourquoi est-ce important pour la vérification d'identité ?
La vérification d'identité est, par définition, le contraire de l'anonymisation, et la question intéressante est de savoir ce qu'il advient des données par la suite.
La vérification nécessite l'identifiabilité : l'objectif est justement de déterminer quelle personne spécifique est présente. Aucun élément de ce processus ne peut être rendu anonyme pendant qu'il se déroule. Ce qui peut être réglementé, c'est la conservation des données : ce qui est conservé une fois la décision prise, sous quelle forme et pendant combien de temps.
Les modèles biométriques méritent une attention particulière. Un modèle facial n’est pas une image et est souvent qualifié d’« anonymisé », ce qui est erroné. Il s’agit d’une représentation conçue pour identifier une personne spécifique — c’est là sa fonction — et des recherches ont permis de reconstituer des visages reconnaissables à partir de ces modèles dans certaines conditions. Les modèles constituent des données à caractère personnel biométriques et doivent être traités comme tels, et non pas avec la légèreté que le terme « anonymisé » laisse entendre.
C'est dans le cadre de l'analyse agrégée que s'applique véritablement l'anonymisation : taux d'approbation par type de document, taux de fraude par canal, performances des modèles par cohorte. Ces données sont utiles, ne nécessitent pas d'enregistrements identifiables et peuvent être traitées selon une véritable norme d'anonymisation. Modalités de stockage et de conservation des données de vérification C'est une question qu'il convient de poser à n'importe quel prestataire, et celle de Microblink… Processus KYC et AML est conçu pour ne conserver les données à caractère personnel que pendant la durée requise par la loi.
Anonymisation vs pseudonymisation
| Anonymisé | Pseudonymisées | |
|---|---|---|
| Réidentification | Impossible pour qui que ce soit | Possible avec la clé |
| Touche enfoncée | Il n'y en a pas | Par le responsable du traitement ou un tiers |
| Conformément au RGPD | Hors du champ d'application | Il s'agit toujours de données à caractère personnel, qui relèvent pleinement du champ d'application |
| Manquement aux obligations | Aucune — aucune donnée à caractère personnel n'est concernée | Obligations relatives à la notification des violations de données |
| Utilitaire de données | Réduit, parfois de manière substantielle | En grande partie préservé |
| Erreurs courantes | Appliqué à des données qui sont simplement pseudonymisées | — |
Le dernier point concerne un problème concret. Les organisations qualifient systématiquement de « données anonymisées » les données hachées ou tokenisées. Or, si une clé permettant de les déchiffrer existe quelque part, ces données sont alors pseudonymisées et toutes les obligations continuent de s'appliquer — une distinction que les autorités de régulation ont fait respecter.
Ce qu'il ne peut pas faire
Cela ne peut pas être garanti de manière permanente. Un ensemble de données anonyme aujourd'hui peut redevenir identifiable demain si un nouvel ensemble de données est mis à disposition pour être croisé avec le premier. L'anonymisation est évaluée par rapport à l'environnement informationnel, et cet environnement ne cesse de s'étendre.
Il ne peut pas conserver toute son utilité. Toute technique entraîne une dégradation des données. Des garanties solides impliquent une perte de précision importante, ce qui explique pourquoi les méthodes les plus fiables sont celles qui sont le moins souvent utilisées.
On n'y parviendra pas en supprimant des noms. Les identifiants directs, c'est la partie la plus simple. La combinaison de quasi-identifiants — code postal, date de naissance, sexe, profession — permet souvent d'isoler des individus, et le simple fait de supprimer les noms laisse des données qui peuvent être facilement réidentifiées.
Cela ne s'applique pas aux modèles biométriques. Il existe un modèle permettant d'identifier une personne. Il peut être protégé, chiffré et soumis à une durée de conservation limitée, mais il ne peut pas être anonymisé tout en restant utile pour l'usage auquel il est destiné.
Foire aux questions
Quelle est la différence entre des données anonymisées et des données pseudonymisées ?
Les données anonymisées ne peuvent en aucun cas être associées à une personne physique. Dans le cas des données pseudonymisées, les identifiants ont été remplacés, mais il est toujours possible de les relier à une personne à l'aide d'une clé. En vertu du RGPD, les premières ne relèvent absolument pas de son champ d'application ; les secondes restent quant à elles des données à caractère personnel, soumises à l'ensemble des obligations qui en découlent.
Les données hachées sont-elles anonymisées ?
En général, non. Si l'espace d'entrée est restreint ou facile à deviner — adresses e-mail, numéros de téléphone, numéros d'identification nationaux —, les hachages peuvent être inversés par une attaque par force brute. Le hachage constitue une pseudonymisation à moins d'être associé à d'autres mesures.
Les données anonymisées peuvent-elles être réidentifiées ?
Souvent, en le croisant avec d'autres ensembles de données. Des démonstrations bien connues ont permis de réidentifier des personnes à partir de dossiers médicaux et d'historiques de navigation en utilisant seulement une poignée de quasi-identifiants. L'anonymat dépend des autres données disponibles, et pas uniquement de l'ensemble de données lui-même.
Les modèles biométriques constituent-ils des données anonymisées ?
Non. Un modèle est une représentation mathématique créée spécifiquement pour identifier une personne, et des recherches ont permis de reconstituer des visages reconnaissables à partir de modèles dans certaines conditions. Les modèles constituent des données à caractère personnel biométriques et doivent être traités comme tels.
Lectures complémentaires
- RGPD — lorsque la distinction entre anonymisation et pseudonymisation a une valeur juridique
- Biométrie faciale — pourquoi les modèles ne constituent pas des données anonymisées
- Fuite de données — ce qui facilite la réidentification au fil du temps
- Vérification des pièces d'identité — le processus d'anonymisation s'applique après, et non pendant