Dans l'ère numérique actuelle, où la protection des données et la confidentialité des utilisateurs sont des enjeux majeurs, l'anonymisation de données émerge comme une solution incontournable pour concilier sécurité et exploitation des informations. Dans cet article, nous allons plonger au cœur de cette pratique cruciale en explorant principes fondamentaux, méthodes de mise en œuvre et enjeux.
Rappel anonymisation vs pseudonymisation
Premièrement, il est indispensable de rappeler la distinction entre anonymisation et pseudonymisation, qui sont des notions différentes mais très souvent confondues. Au premier abord, le terme « anonymisation » évoque la notion de masque, de dissimulation. On s'imagine alors que le principe d'anonymisation revient à masquer les attributs directement identifiants d'un individu (nom, prénom, numéro de sécurité sociale etc.). Ce raccourci constitue justement le piège à éviter. En effet, le masquage de ces paramètres définit plutôt une pseudonymisation. La pseudonymisation implique la substitution de données directement identifiantes par des données indirectement identifiantes alors que l'anonymisation, elle, vise à rendre impossible la réidentification des individus à partir des données traitées.
1.1 Comprendre les deux notions en détails…
Selon la CNIL, la pseudonymisation est un « traitement de données personnelles réalisé de manière qu'on ne puisse plus attribuer les données relatives à une personne physique sans information supplémentaire ». Elle constitue une des mesures recommandées par le RGPD pour limiter les risques liés au traitement de données personnelles. Mais la pseudonymisation n'est pas une méthode d'anonymisation. La pseudonymisation réduit simplement la corrélation d'un jeu de données avec l'identité originale d'un individu concerné et constitue par conséquent une mesure de sécurité utile mais non absolue. En effet, comme dit précédemment, la pseudonymisation consiste à remplacer les données directement identifiantes (nom, prénom...) d'un jeu de données par des données indirectement identifiantes (alias, numéro dans un classement, etc.) empêchant ainsi la réidentification directe des individus. Cela implique donc que la pseudonymisation ne constitue pas une protection infaillible car l'identité d'un individu peut être déduite à partir d'une combinaison de plusieurs informations appelée "quasi identifiants". Ainsi, en pratique, des données pseudonymisées restent potentiellement réidentifiantes indirectement par croisement d'informations. L'identité de l'individu peut être trahie par une de ses caractéristiques indirectement identifiantes. Cette transformation est donc réversible, justifiant le fait que des données pseudonymisées soient toujours considérées comme des données personnelles. À ce jour, les techniques de pseudonymisation les plus utilisées reposent sur des systèmes cryptographiques à clé secrète, des fonctions de hachage, du chiffrement déterministe ou encore de la Tokenization.
L'anonymisation, elle, consiste à utiliser des techniques de façon à rendre impossible, en pratique, la réidentification des individus à l'origine des données personnelles anonymisées. Ce traitement a un caractère irréversible qui implique que les données anonymisées ne sont plus considérées comme des données personnelles, sortant ainsi du cadre d'application du RGPD. Pour caractériser l'anonymisation, le Comité Européen de la Protection des Données (CEPD, et ex G29) se base sur les 3 critères énoncés dans l'avis du 05/2014 (source en bas de page) :
- Individualisation : les données anonymes ne doivent pas permettre de distinguer un individu. De ce fait, même en disposant de l'ensemble des informations quasi identifiantes relatives à un individu, il doit être impossible de distinguer celui-ci dans une base une fois anonymisé.
- Corrélation : les données anonymes ne doivent pouvoir être ré-identifiées en les croisant avec d'autres jeux de données. Ainsi il doit être impossible de relier deux ensembles de données provenant de sources différentes concernant le même individu. Une fois anonymisées, les données de santé d'un individu ne doivent pas pouvoir être reliées à ses données bancaires sur la base d'informations communes.
- Inférence : les données ne doivent pas permettre de déduire de l'information additionnelle sur un individu de façon raisonnable. Il doit être par exemple impossible de déterminer avec certitude l'état de santé d'un individu à partir de données anonymes. C'est lorsque ces trois critères sont respectés que des données sont considérées comme anonymes à proprement parlé. Elles changent alors de statut juridique : elles ne sont plus considérées comme des données personnelles et sortent du cadre du RGPD.
1.2 Un exemple concret illustrant les risques de la pseudonymisation
L'« affaire AOL (America On Line)» illustre de manière parfaite le malentendu qui existe entre la pseudonymisation et l'anonymisation. En 2006, une base de données contenant vingt millions de mots-clés figurant dans les recherches effectuées par plus de 650000 utilisateurs au cours d'une période de 3 mois a été diffusée publiquement, sans autre mesure destinée à préserver la vie privée que le remplacement de l'identifiant d'utilisateur AOL par un attribut numérique (pseudonymisation). Malgré ce traitement, l'identité et la localisation de certains utilisateurs ont été rendues publiques. En effet, les requêtes transmises à un moteur de recherches, surtout si elles peuvent être couplées avec d'autres attributs, comme les adresses IP ou d'autres paramètres de configuration, ont un potentiel d'identification très élevé. Cet incident ne constitue qu'un exemple parmi les nombreux écueils montrant qu'un ensemble de données pseudonymisées n'est pas anonyme ; le simple fait de modifier l'identité n'empêche pas un individu d'être ré-identifié à partir d'informations quasi identifiantes (âge, sexe, code postal). Dans de nombreux cas, il peut se révéler aussi facile d'identifier un individu dans un ensemble de données pseudonymisées qu'à partir des données originales (jeu du « Qui est ce ? »). Ainsi, ces distinctions cruciales sont à prendre en compte dans vos projets pour garantir à la fois la sécurité des données et leur utilité.
2. Pourquoi anonymiser des données ?
Anonymiser des données est indispensable pour plusieurs raisons fondamentales. Tout d'abord, l'anonymisation est la seule technique garantissant au plus au point la protection de la vie privée des individus en évitant les risques de ré-identification des personnes concernées par les données. Cette mesure renforce la conformité aux réglementations de protection des données telles que le RGPD, assurant ainsi la confiance des utilisateurs. Ensuite, l'anonymisation permet une réutilisation libre et sécurisée des données. En éliminant les contraintes liées à la confidentialité, les entreprises peuvent exploiter ces données pour des analyses, développer la recherche, l'IA ou même des développements de produits, sans compromettre la vie privée des individus. Enfin, au-delà de la protection de la vie privée, anonymiser les données peut également apporter d'autres gains significatifs. Cela inclut une réduction des coûts liés à la gestion et à la sécurité des données sensibles, la réduction du risque d'amende par la CNIL, ainsi qu'une amélioration de la confiance des clients et des partenaires dans les pratiques de l'entreprise en matière de confidentialité des données. En somme, l'anonymisation des données constitue une pratique idéale pour concilier les impératifs de protection de la vie privée avec les besoins croissants en matière d'exploitation et d'analyse des données.
