donnée personnelle

En profondeur

Le critère décisif est l’identifiabilité, et il s’apprécie au regard des moyens que l’on peut raisonnablement mobiliser pour remonter à la personne. Cela donne à la notion un caractère relatif que l’on sous-estime : un même fichier peut être personnel pour qui détient la table de correspondance et ne pas l’être pour un destinataire qui n’a aucun moyen d’y accéder. L’identification indirecte est la source d’erreur la plus fréquente, car des attributs anodins pris séparément deviennent identifiants une fois combinés, surtout quand la population concernée est petite. Une commune, une fonction et une tranche d’âge suffisent parfois à ne désigner qu’une personne, sans qu’aucun nom n’apparaisse.

Dans un système d’IA, la question se pose à des endroits plus nombreux que la base de données d’origine. Ce qu’une personne écrit dans un prompt, ce qu’un système retient d’une conversation à l’autre, les documents indexés pour être retrouvés, les journaux techniques conservés pour comprendre un incident et les réponses produites forment autant de lieux où la donnée circule. Ces journaux sont d’ailleurs le point aveugle le plus courant, car on les tient pour de simples traces machine alors qu’ils rattachent des actions datées à des personnes nommées. S’y ajoute une question propre à l’entraînement : lorsqu’un modèle a été construit sur des données personnelles, savoir si ses paramètres en portent encore n’a pas de réponse générale et s’examine cas par cas. La conséquence pratique est que la donnée personnelle a un cycle de vie à l’intérieur du système, et que l’inventaire utile suit ce cycle plutôt que la liste des applications.

Certaines catégories reçoivent un traitement plus strict, parce qu’elles exposent davantage : santé, opinions, convictions, origine, orientation, appartenance syndicale, données biométriques employées pour identifier. L’IA y ajoute une difficulté propre, celle de l’inférence : un système peut déduire un attribut de cette nature à partir d’informations qui n’en relèvent pas, ce qui fait entrer le traitement dans le régime le plus strict sans que personne n’ait rien collecté de tel. Le deuxième piège est la revendication trop rapide de l’anonymat, souvent affirmée après une simple suppression de noms alors que le recoupement reste possible. Le troisième est le raisonnement par outil : une organisation qui classe ses règles par logiciel se retrouve démunie dès qu’un logiciel change, alors qu’une classification par catégorie de données survit aux outils.