8.1 Éthique de la collecte de données
Objectifs d'apprentissage
À la fin de cette section, vous devriez être en mesure de :
- 8.1.1 Discuter des considérations relatives à la protection des données et à la conformité réglementaire en science des données.
- 8.1.2 Expliquer l'importance de la confidentialité et du consentement éclairé en science des données.
- 8.1.3 Identifier les avantages et les risques liés à la sécurité et au partage des données.
La collecte de données (data collection) est une pratique essentielle dans de nombreux domaines, et les personnes qui l'effectuent ont la responsabilité de respecter les normes éthiques les plus strictes afin de préserver au mieux les intérêts de toute partie concernée par le projet. Ces normes comprennent le respect de la vie privée des individus, la représentation exacte des données et la divulgation des intentions de collecte. Il est avant tout primordial de veiller à ce que les données soient utilisées de manière appropriée dans le cadre de la finalité pour laquelle elles ont été recueillies et que l'autonomie (autonomy) individuelle soit respectée — en d'autres termes, que les individus conservent le contrôle sur les décisions relatives à la collecte et à l'utilisation de leurs données.
Par exemple, si une personne utilise une application de suivi d'activité physique, elle peut souhaiter enregistrer ses pas quotidiens et sa fréquence cardiaque, mais pas sa localisation ni ses habitudes de sommeil. Elle devrait avoir l'autonomie de choisir les points de données qu'elle souhaite recueillir et ceux qu'elle refuse de partager. De même, les individus devraient également avoir l'autonomie de choisir la méthode de collecte avec laquelle ils sont le plus à l'aise. Pour certains, la saisie manuelle des données peut être préférable, tandis que pour d'autres, l'utilisation d'un appareil connecté pour collecter les données automatiquement s'avérera plus pratique. En outre, les individus doivent avoir le contrôle sur ces décisions — ils doivent pouvoir gérer leurs propres données personnelles et faire des choix éclairés quant à ce qu'ils acceptent de partager. Cela favorise la transparence (transparency) et donne aux personnes le pouvoir de participer pleinement au processus de collecte de données.
Pour garantir une collecte éthique de données (ethical data collection), l'autonomie des données personnelles et la sécurité des données (data security), il est essentiel de consulter et de respecter les normes professionnelles en science des données élaborées par des organisations telles que l'IADSS Initiative for Analytics and Data Science Standards), la DSA (Data Science Association) et l'ADaSci (Association of Data Scientists). De plus, il convient de connaître parfaitement les réglementations gouvernementales et les normes de l'industrie.
Conformité réglementaire
Avant d'entreprendre un projet de science des données, il est crucial de comprendre les règlements et les lois locales ou fédérales applicables, ainsi que les directives professionnelles et sectorielles qui régissent le type de collecte de données nécessaire. Les réglementations protègent la confidentialité et la sécurité des données personnelles et confidentielles tout en garantissant leur exactitude, leur intégrité et leur exhaustivité. Ces règles peuvent varier d'un pays à l'autre ou même d'un État à l'autre au sein d'un même pays. Aux États-Unis, le Privacy Act de 1974 régit la façon dont les organismes fédéraux peuvent collecter, utiliser, conserver et diffuser les informations personnelles. Cette loi a ensuite été complétée par l'E-Government Act de 2002, qui étend les protections aux données conservées sous forme numérique plutôt que matérielle. Un bon résumé de ces lois et d'autres règlements sur la protection de la vie privée est disponible sur le site Protecting Personal Privacy du GAO.
Normes industrielles et mondiales
Les exigences de conformité en matière de confidentialité des données varient en fonction du secteur d'activité et des normes ou lois qui régissent les activités de l'organisation. Tout manquement à ces exigences peut entraîner des sanctions et des poursuites judiciaires contre l'organisation ; les scientifiques des données travaillant dans ces domaines doivent donc connaître et respecter scrupuleusement ces réglementations afin d'éviter toute répercussion préjudiciable.
Les règlementations sur la sécurité des données reposent sur les lois de protection des données, telles que le Règlement général sur la protection des données de l'Union européenne (RGPD) et le California Consumer Privacy Act (CCPA) de 2018 aux États-Unis, accompagné de son amendement, le CPRA (2023). Ces réglementations exigent des organisations qu'elles collectent, traitent et stockent les données confidentielles de manière sécurisée et transparente. La Figure 8.2 et la Figure 8.3 résument les principes du RGPD et du CCPA/CPRA. Cette liste de contrôle RGPD pour les responsables du traitement sur le site web de l'UE présente ces principes sous un format directement exploitable pour les organisations.
Certains pays disposent de lois sur la souveraineté des données (data sovereignty) qui imposent que les données collectées auprès de leurs citoyens soient stockées et traitées à l'intérieur de leurs frontières, d'où l'importance de savoir où les données sont collectées et stockées. De nombreux pays ont également promulgué des lois et des règlements concernant la conservation des données (data retention), c'est-à-dire la durée pendant laquelle des données personnelles peuvent être conservées (par exemple, la loi Sarbanes-Oxley [SOX] (Sarbanes-Oxley Act [SOX]) aux États-Unis ou le Data Protection Act [DPA] au Royaume-Uni) ; la notification d'une violation de données (data breach), à savoir les mesures à prendre lorsque des données sont dérobées par un tiers malveillant (le Gramm-Leach-Bliley Act [GLBA] aux États-Unis ou la Loi sur la protection des renseignements personnels et les documents électroniques [LPRPDE/PIPEDA] au Canada) ; ainsi que de nombreuses autres questions liées à la confidentialité, à la sécurité et à l'intégrité des données.
Certaines réglementations ne s'appliquent qu'à des types particuliers de données ou à des secteurs précis. Par exemple, aux États-Unis, le Health Insurance Portability and Accountability Act (HIPAA) exige la protection des informations sensibles relatives à la santé des patients. Les institutions financières aux États-Unis doivent se conformer aux réglementations édictées par la Financial Industry Regulatory Authority (FINRA) et la Securities and Exchange Commission (SEC), qui réglementent toutes deux l'utilisation des informations financières sensibles. Le Family Educational Rights and Privacy Act (FERPA) protège les dossiers scolaires des étudiants et définit certains droits pour les parents concernant les dossiers de leurs enfants.
Sécurité et confidentialité
Le respect des normes de conformité réglementaire dès les premières étapes du projet garantit que toutes les données pertinentes sont collectées et conservées convenablement, dans le respect des exigences légales et réglementaires. Les mesures de sécurité des données (data security) englobent l'ensemble des démarches entreprises pour protéger les informations numériques contre tout accès non autorisé, toute divulgation, altération ou destruction, garantissant ainsi leur confidentialité, leur intégrité et leur disponibilité. Il relève de la responsabilité du scientifique des données de veiller à ce que toutes les mesures de sécurité appropriées soient mises en œuvre.
Selon les objectifs du projet, les données peuvent nécessiter une anonymisation ou une pseudonymisation. L'anonymisation (anonymization) consiste à supprimer les données d'identification personnelle des jeux de données et d'autres supports afin de rendre les informations sensibles exploitables pour l'analyse sans risquer de divulguer des renseignements personnels. Cela peut faire appel à des techniques comme la suppression ou le chiffrement des données identifiantes. La pseudonymisation (pseudonymization) consiste à remplacer les informations sensibles d'un jeu de données par des identifiants artificiels ou des codes tout en préservant leur utilité pour l'analyse. Ces techniques peuvent être obligatoires pour se conformer aux lois sur la protection des données.
Pour se conformer davantage aux réglementations, certains éléments de données peuvent devoir être isolés ou exclus des jeux de données ; par exemple, des informations propres à un secteur peuvent devoir rester inaccessibles à partir d'autres jeux de données, en particulier dans les domaines médical ou financier. En définitive, le respect des dispositions réglementaires applicables tout au long du cycle de la science des données garantit que toutes les informations et données pertinentes sont recueillies et stockées d'une façon qui répond aux besoins spécifiques du projet sans violer aucune loi ni aucun règlement.
On ne saurait trop insister sur l'importance de respecter la conformité réglementaire lorsqu'il s'agit de pratiques commerciales éthiques, en particulier lors du traitement de données clients sensibles telles que des dossiers médicaux personnels et des relevés financiers. Les entreprises sont tenues de veiller à ce que toutes les informations relatives à leurs clients soient sécurisées et traitées avec le plus grand soin en respectant toutes les lois et réglementations relatives à la sécurité et à la confidentialité des données. Ces politiques comprennent généralement une déclaration écrite des exigences de sécurité et de confidentialité des données, des définitions claires sur le traitement des données clients, une liste des utilisations autorisées et non autorisées des données, ainsi que des procédures détaillées pour la manipulation, le stockage et la suppression des données clients. Les entreprises doivent faire preuve d'un engagement envers des pratiques éthiques et faire en sorte que les clients se sentent en sécurité lorsqu'ils transmettent des informations sensibles. Ces démarches contribuent à instaurer la confiance et à renforcer les relations entre l'entreprise et ses clients. De surcroît, le respect de toutes les lois et réglementations applicables permet de prémunir les entreprises contre d'éventuelles poursuites judiciaires intentées par des clients, des organismes de réglementation ou d'autres tiers.
Équipes de conformité réglementaire
La conformité réglementaire est généralement encadrée par des équipes juridiques et de conformité ou par des consultants externes spécialisés dans différents secteurs. Les responsabilités en matière de conformité sont aussi fréquemment réparties entre divers services tels que les finances, les opérations, les ventes, le marketing et l'informatique. La manière dont les entreprises assurent une conformité rigoureuse aux lois peut varier considérablement selon l'industrie, ainsi que la taille et la complexité de l'organisation. En général, les entreprises élaborent des procédures et des politiques destinées à vérifier que les conditions de conformité sont remplies. Ces processus et politiques peuvent inclure des formations régulières, la tenue de registres et la création d'un système de contrôle mutuel pour garantir la conformité. Ils peuvent également comprendre des mesures plus sophistiquées, comme des revues périodiques des opérations et des processus d'affaires, ou des analyses de risques et des simulations.
En dernier ressort, le responsable de la conformité réglementaire d'une organisation a la charge de veiller à ce que le projet de science des données respecte toutes les exigences réglementaires pertinentes. Un responsable de la conformité réglementaire (RCO) (regulatory compliance officer (RCO)) est une personne qualifiée chargée de vérifier qu'une entreprise ou une organisation respecte les lois, réglementations et politiques qui régissent ses fonctions afin d'éviter tout risque juridique et financier. Le RCO est investi de la responsabilité d'identifier les problèmes potentiels de conformité, d'élaborer et de mettre en œuvre des politiques et procédures efficaces pour y répondre, et de fournir une formation et des conseils complets aux employés. De plus, il mène des enquêtes approfondies pour évaluer et surveiller les niveaux de conformité et signale rapidement tout cas de non-conformité à la direction. À cette fin, le RCO utilise généralement une combinaison d'outils d'aide réglementaire, d'évaluations internes et externes et de cartographie des processus opérationnels pour évaluer la conformité du projet aux lois et règlements applicables. Si une faille en matière de confidentialité ou de sécurité des données est constatée, le RCO collabore avec l'équipe du projet pour concevoir un plan de mise en conformité.
Exemple 8.1
Problème
Une entreprise de vente au détail, Gadget Galaxy, lance un nouveau projet d'étude client pour analyser le comportement d'achat de sa clientèle. L'entreprise a commis plusieurs erreurs dans son processus de collecte de données qui enfreignent les normes de conformité réglementaire. Lequel de ces plans d'action l'entreprise doit-elle suivre s'il s'avère qu'elle a violé la conformité réglementaire ?
- Gadget Galaxy peut sous-traiter son processus de collecte de données à une société tierce spécialisée dans la conformité réglementaire.
- L'erreur commise par Gadget Galaxy lors de son processus de collecte de données réside dans le fait de n'avoir mis en place aucune politique ni procédure pour protéger la confidentialité et la sécurité des données clients. Par conséquent, Gadget Galaxy peut poursuivre son projet sans instaurer de politiques ni de procédures, car il s'agit d'une petite entreprise qui n'est pas tenue de se conformer aux réglementations.
- L'équipe du projet a suivi une formation sommaire sur la conformité réglementaire relative au traitement des données clients. Par conséquent, l'équipe du projet peut mener ses propres recherches et concevoir elle-même des politiques et procédures de confidentialité et de sécurité des données.
- Gadget Galaxy doit interrompre le projet et solliciter les conseils d'un expert en conformité réglementaire pour élaborer des politiques et procédures appropriées.
Solution
Le bon choix est D. Gadget Galaxy doit interrompre le projet et solliciter les conseils d'un expert en conformité réglementaire pour élaborer des politiques et procédures appropriées. L'équipe du projet devrait suivre une formation sur la conformité réglementaire afin de s'assurer que ses membres comprennent et appliquent ces politiques et procédures. Un audit externe ou une analyse des risques devrait également être mené pour repérer les lacunes éventuelles en matière de conformité et y remédier en conséquence.
Confidentialité et consentement éclairé
Plusieurs concepts fondamentaux sont intégrés dans les réglementations régissant la collecte en science des données. Ils comprennent la transparence par le consentement éclairé, permettant aux individus de consulter et de mettre à jour leurs informations personnelles. Ils reposent également sur la sécurisation des protocoles de stockage et d'accès, ainsi que sur la surveillance et la révision périodiques des politiques et procédures associées si nécessaire. Conformément aux principes éthiques de la recherche et à titre de protection juridique, le consentement éclairé doit être obtenu auprès des participants au projet. Le consentement éclairé (informed consent) est le processus par lequel on obtient l'autorisation d'un sujet d'étude attestant qu'il comprend la portée de la collecte de données ainsi que les risques, bénéfices et conséquences potentiels associés, y compris la façon dont les données seront utilisées et stockées.
Le consentement éclairé se compose de la divulgation, qui consiste à fournir des informations complètes et claires sur l'activité, l'étude, l'enquête ou le processus de collecte de données ; de la compréhension, qui veille à ce que le participant soit en mesure d'assimiler les informations ; du caractère volontaire, à savoir l'absence de toute coercition, pression ou influence indue ; et enfin du consentement, c'est-à-dire l'accord formel ou l'approbation du processus.
À titre d'exemple, une scientifique des données, Sarah, mène des recherches pour une entreprise qui collecte des données d'utilisateurs par le biais d'une application mobile. L'entreprise exige le consentement éclairé des utilisateurs de l'application avant toute collecte de données. Sarah décide de réaliser une enquête afin d'obtenir ce consentement. La recherche vise à comprendre le comportement et les habitudes d'utilisation des utilisateurs dans le but d'améliorer l'expérience applicative. Le consentement éclairé est nécessaire pour garantir la transparence et la conformité aux réglementations. En élaborant un questionnaire facile à lire, Sarah divulgue les informations et s'assure de leur bonne compréhension. Les participants répondent à l'enquête de manière volontaire, et les résultats indiqueront leur consentement ou leur refus.
Cookies
Après avoir recherché un produit sur Internet, avez-vous déjà remarqué que vous recevez soudainement des publicités pour ce produit ou que la page d'accueil d'un site marchand l'affiche désormais en premier plan ? Vous pouvez en remercier les cookies. Les cookies sont de petits fichiers de données déposés sur le disque dur des utilisateurs par les sites web qu'ils consultent. Ils enregistrent votre historique de navigation et de recherche, recueillant des informations sur vos centres d'intérêt potentiels afin d'adapter les publicités et le placement des produits sur les pages web. Les cookies peuvent être bloqués ou acceptés en fonction de la politique de confidentialité de chaque entreprise. Le risque potentiel des cookies réside dans le fait qu'ils peuvent conserver des informations sur l'utilisateur, ses préférences et ses habitudes de navigation. Cela dit, ils permettent également de gagner du temps en mémorisant les identifiants de connexion et les préférences de navigation, permettant ainsi aux pages web de se charger plus rapidement que lors d'une première visite. Indépendamment de leur côté pratique, il est judicieux de vider les cookies régulièrement et de restreindre leur utilisation sur certains sites en fonction de vos préférences. L'utilisation de cookies par les sites internet viole-t-elle l'un des principes du consentement éclairé ? Qu'en est-il des sites web qui refusent de charger leur contenu si l'utilisateur n'accepte pas leur politique de cookies ?
La confidentialité (confidentiality) fait référence à la protection de la vie privée et à la sécurité des données par le contrôle de leur accès. Le danger est que des informations personnellement identifiables (PII) (personally identifiable information (PII)), qui permettent d'identifier directement et sans ambiguïté une personne, ne tombent entre de mauvaises mains. Les données anonymes (anonymous data) sont des données dont toute information d'identification personnelle a été retirée (ou qui n'en ont jamais contenu au départ), de sorte qu'elles ne puissent être rattachées à aucun individu, même en cas d'accès illégitime. La confidentialité joue un rôle majeur dans le processus de consentement éclairé, car les personnes qui donnent leur accord doivent avoir l'assurance que leurs données resteront privées. Cela signifie que toute information divulguée lors du processus d'obtention du consentement ne doit pas être communiquée à des personnes ou des entités non autorisées. En outre, le droit à la confidentialité doit être pérenne, et les données confidentielles doivent être détruites en toute sécurité une fois l'étude terminée.
Un exemple de violation de la vie privée d'un individu ou de la confidentialité d'une entreprise lors de la phase de collecte de données se produit lorsque des scientifiques des données collectent des informations sans chercher à obtenir de consentement éclairé. D'autres exemples d'atteintes potentielles à la vie privée au cours de cette phase incluent la collecte d'informations sensibles telles que des données de santé sans consentement explicite (conformément à l'HIPAA mentionné plus haut dans ce chapitre), la collecte de données auprès de mineurs sans l'accord parental, ou la collecte de données auprès d'individus ou de groupes vulnérables ou marginalisés sans information préalable adéquate ni mesures de protection en place. Les professionnels de l'enseignement supérieur doivent connaître le FERPA (Family Educational Rights and Privacy Act), qui interdit la transmission ou l'obtention de données universitaires relatives aux étudiants sans consentement préalable, même si la demande émane de leurs parents ou de leur tuteur légal.
Exemple 8.2
Problème
Un groupe de scientifiques des données est engagé par Gadget Galaxy pour mener une étude sur les comportements d'achat des consommateurs. Ils commencent par recueillir des informations privées auprès des participants concernés. L'équipe a mis en œuvre une procédure de consentement éclairé afin de garantir une collecte de données éthique et transparente. Ce processus comprend un formulaire de consentement décrivant la portée de l'étude, les risques et bénéfices potentiels, le traitement et le stockage des données, ainsi que la faculté pour les participants de consulter et de mettre à jour leurs renseignements personnels. Les participants peuvent examiner les conditions à tout moment pendant l'étude, renouveler leur accord de manière continue et décider si leurs données peuvent être transférées à un tiers.
Parmi les propositions suivantes, laquelle n'est PAS un aspect clé du processus de consentement éclairé décrit ?
- Le formulaire de consentement décrit la portée de l'étude ainsi que les risques et bénéfices potentiels.
- Les participants peuvent consulter et mettre à jour leurs informations personnelles.
- Le consentement des participants est limité à un instant précis dans le temps.
- Les participants ont la possibilité d'accorder ou de refuser leur consentement pour le transfert de leurs données à un tiers.
Solution
Le bon choix est D. Cela ne constitue pas un aspect du consentement éclairé. Le processus de consentement éclairé décrit insiste sur le fait que l'accord des participants doit être continu et non limité à un point unique dans le temps. Toutes les autres options représentent des aspects fondamentaux de la procédure de consentement éclairé.
Sécurité des données
Des politiques et protocoles stricts de sécurité des données sont des composantes indispensables de toute organisation afin d'atténuer le risque de violations de données tout au long du cycle de développement. De plus, les institutions doivent disposer d'une stratégie opérationnelle pour réagir aux violations de données de manière rapide et efficace. Il importe que les organisations s'assurent que toutes les données collectées ou exploitées proviennent de sources fiables et vérifiées, et que tout partage de données s'effectue dans des conditions parfaitement sécurisées.
Les violations de données peuvent avoir des conséquences considérables, allant de pertes financières colossales à l'érosion de la confiance du public envers les organisations. À titre d'exemple, considérons la violation de données survenue chez Equifax en 2017. Equifax, l'une des trois principales agences d'évaluation du crédit aux États-Unis, a subi une fuite massive de données en 2017. Cette faille a exposé les informations personnelles de plus de 145 millions d'Américains (près de la moitié de la population totale des États-Unis), ainsi que de plus de 15 millions de citoyens britanniques et d'un nombre restreint de résidents d'autres pays, ce qui en fait l'une des violations de données les plus vastes et les plus graves de l'histoire. Les données compromises comprenaient des noms, des numéros de sécurité sociale, des dates de naissance, des adresses, des numéros de permis de conduire et, pour une faible proportion de personnes, des coordonnées bancaires. Les informations divulguées ont exposé des millions d'individus à des risques d'usurpation d'identité et de fraude. Des cybercriminels pouvaient utiliser ces données volées pour ouvrir de nouveaux comptes de crédit, déposer des déclarations de revenus frauduleuses et commettre diverses fraudes à l'identité. Les victimes de cette faille ont dû consacrer un temps considérable et des sommes importantes pour protéger leur identité, notamment en gelant leurs dossiers de crédit, en surveillant leurs comptes et en contestant des débits frauduleux. Cette affaire met en lumière l'importance primordiale de la sécurité des données dans notre société de plus en plus numérisée, où des violations à grande échelle peuvent entraîner des conséquences dramatiques et durables tant pour les particuliers que pour les entreprises.
Si les données collectées sont particulièrement sensibles ou confidentielles, elles peuvent nécessiter un chiffrement (encryption), c'est-à-dire le processus consistant à transformer les données en un code très difficile, voire impossible à déchiffrer par un tiers. Il existe de nombreux algorithmes de chiffrement basés sur des concepts mathématiques sophistiqués, couramment employés dans des domaines tels que la finance, la santé, l'éducation et les agences gouvernementales ; toutefois, les détails techniques du chiffrement dépassent le cadre du présent ouvrage.
Pour aller plus loin
Cryptomonnaies
Le bitcoin et d'autres cryptomonnaies (cryptocurrencies) font appel au chiffrement pour sécuriser les transactions et préserver l'intégrité de la blockchain, le registre décentralisé qui consigne l'ensemble des opérations. Les méthodes de chiffrement, telles que la cryptographie à clé publique et privée, garantissent que seuls les propriétaires légitimes peuvent accéder à leurs actifs numériques et les transférer, instaurant ainsi un système fiable et vérifiable pour stocker de la valeur sous une forme purement numérique. Cette sécurité cryptographique sous-tend la confiance et la valeur associées aux cryptomonnaies et offre un moyen de « conserver de la valeur » sur un support immatériel constitué de pures données. Pour en apprendre davantage sur le bitcoin et les autres cryptomonnaies, consultez « How Bitcoin Uses Cryptography » de Riverlearn et le « Beginner’s Guide to Cryptography » de Kraken.
Propriété intellectuelle
Une autre modalité de protection des données qui ne requiert généralement pas de chiffrement est la protection juridique de la propriété intellectuelle. La propriété intellectuelle (intellectual property), définie au sens large comme les œuvres artistiques originales, les marques déposées, les secrets de fabrication, les brevets et autres créations, est souvent protégée contre la reproduction, la modification et l'utilisation non autorisée par des lois spécifiques. Par exemple, aux États-Unis, le droit d'auteur (copyright) protège les œuvres créatives originales pendant toute la vie de leur créateur plus 70 ans. Toute donnée protégée au titre de la propriété intellectuelle peut être exploitée en toute légalité à condition d'obtenir l'autorisation préalable du titulaire des droits et de mentionner correctement la source. La question du droit d'auteur et de l'attribution des données sera approfondie dans Éthique de la visualisation et de la présentation.
Certaines données sont accessibles publiquement. Même dans ce cas, les scientifiques des données doivent tenir compte de la nature de ces données afin de s'assurer qu'elles sont manipulées de manière convenable. Par exemple, si des données publiques renferment des renseignements médicaux ou financiers sur un individu, cela constitue toujours un risque pour la sécurité des données. Les organisations doivent systématiquement s'assurer que toute donnée mise à la disposition du public est sécurisée et encadrée par leurs politiques et protocoles de sécurité. Si des données font l'objet d'une fuite accidentelle au cours du processus de développement (devenant ainsi par inadvertance des données publiques), les répercussions peuvent être graves et dommageables. Par exemple, en 2019, deux jeux de données issus d'applications Facebook ont été compromis et exposés publiquement sur Internet, révélant les numéros de téléphone, les identifiants de compte et les identifiants Facebook de plus de 500 millions d'utilisateurs. Une fois ces données répandues dans la nature, il devient impossible d'en garantir la sécurité pour l'avenir.
Sécurité des données quantitatives et qualitatives
La collecte de données quantitatives et qualitatives (définies dans Données et jeux de données) s'accompagne d'exigences éthiques distinctes en matière de sécurité. La protection des données quantitatives (quantitative data) fait généralement appel au chiffrement et à l'anonymisation, entre autres techniques. Il est impératif de préserver l'intégrité et l'exactitude des données quantitatives, car toute erreur ou falsification risque d'aboutir à des conclusions erronées. La collecte de données qualitatives (qualitative data) peut également être sécurisée par le chiffrement et l'anonymisation, mais elle requiert bien souvent une attention accrue portée à l'établissement et au maintien d'une relation de confiance entre le scientifique des données et le participant. En effet, les données qualitatives sont riches en contexte et peuvent renfermer des éléments d'identification, des détails confidentiels et des renseignements personnels, même lorsque les noms ont été supprimés.
Enfin, la formation et la sensibilisation des membres de l'équipe qui collectent, manipulent et analysent des données sensibles sont cruciales pour garantir la sécurité. Toute personne travaillant avec des données doit respecter les normes juridiques et éthiques et concourir au maintien de la confiance des individus dont les données sont traitées. Dans un nombre important de cas de fuites de données, les membres de l'équipe eux-mêmes n'avaient pas été rigoureusement sélectionnés ni formés. Pour en savoir plus sur la façon dont les entreprises peuvent mieux se préparer à la gestion des données et à la réaction en cas d'incident, consultez le guide Data Breach Response: A Guide for Business de la Federal Trade Commission.
Exemple 8.3
Problème
Considérez une équipe de science des données travaillant sur un projet novateur susceptible d'avoir des retombées majeures dans le secteur des soins de santé. Le projet implique la collecte et l'analyse de dossiers médicaux sensibles de patients, comprenant leurs noms complets, adresses, numéros de téléphone et antécédents médicaux. L'équipe a pleinement conscience de l'importance cruciale de la sécurité des données pour garantir le succès et l'intégrité éthique de ses travaux. Un jour, une demande d'accès aux données est formulée par un chercheur d'un organisme extérieur à l'équipe qui a eu vent de ces travaux. Quelles étapes doivent être suivies pour préserver la sécurité des données ?
Solution
Ces données contiennent des informations personnellement identifiables (PII) (personally identifiable information (PII)). De plus, l'équipe doit veiller à ce que le projet respecte les dispositions du HIPAA dans la mesure où des dossiers médicaux sont en jeu. Les mesures suivantes doivent être prises dès le début du projet et appliquées tout au long de la phase de collecte.
- Examiner les politiques de contrôle d'accès : la première démarche préalable à l'octroi d'un accès à des données sensibles consiste à examiner les règles de contrôle d'accès en vigueur. Il s'agit notamment de savoir qui a accès aux données, quel est le niveau d'habilitation attribué et comment cet accès est octroyé. Cela permettra d'établir si le chercheur peut obtenir une autorisation et quel degré d'accès lui accorder.
- Authentifier la demande : avant de donner accès, l'équipe doit vérifier la légitimité de la requête. Cela implique de confirmer l'identité du demandeur ainsi que son habilitation à accéder aux données. Le chercheur doit apporter la preuve de son rattachement à une organisation légitime et préciser la finalité de sa demande.
- Évaluer la nécessité d'en connaître : l'équipe doit déterminer si le chercheur a un besoin légitime d'accéder à ces données (besoin d'en connaître). Si les données ne sont pas indispensables à ses travaux ou s'il peut les obtenir par un autre moyen, l'accès peut être refusé. Cette étape garantit que seules les personnes autorisées ont accès aux données sensibles.
- Obtenir le consentement du propriétaire des données : comme les données touchent aux dossiers médicaux confidentiels de patients, il est indispensable d'obtenir l'accord du propriétaire des données avant d'autoriser un tiers à y accéder. Cela peut prendre la forme d'une démarche formelle où le responsable valide par écrit l'octroi de l'accès au chercheur.
- Utiliser des protocoles sécurisés de transfert de données : si l'accès est autorisé, l'équipe doit s'assurer que les données sont transmises au moyen de méthodes sécurisées pour prévenir tout risque de fuite. Cela peut comprendre le recours au chiffrement et à des plateformes sécurisées d'échange de fichiers.
- Exercer une veille de diligence raisonnable : une fois l'accès consenti, l'équipe doit continuer à surveiller et à vérifier l'usage qui est fait des données pour veiller à ce que le chercheur ne les consulte qu'aux fins expressément approuvées. Toute faille ou utilisation abusive doit être signalée et traitée sans délai.
- Révoquer l'accès si nécessaire : l'accès à des données sensibles ne doit être accordé que pour une durée limitée et doit être immédiatement révoqué dès lors qu'il n'est plus indispensable. Si les habilitations ou la situation professionnelle du chercheur changent, ses accès doivent être révoqués immédiatement afin de prévenir toute violation potentielle de données.
D'une manière générale, les scientifiques des données doivent commencer par évaluer avec rigueur les besoins réels de collecte dans le cadre de leur mission. Ils doivent s'assurer que les données recueillies sont nécessaires et pertinentes pour le projet. Ensuite, ils doivent identifier la typologie et le volume de données collectées afin d'adapter le niveau des mesures de sécurité aux différentes catégories de données.
Exemple 8.4
Problème
Un scientifique des données dirige un projet pour une entreprise de construction impliquant une vaste collecte de données. L'équipe étudie avec attention les exigences relatives aux données et déploie des mesures pour chiffrer les données stockées lors de leur transfert afin de parer à toute éventuelle violation. Au fur et à mesure de l'avancement du projet, l'équipe prend conscience de la nécessité d'obtenir les autorisations appropriées auprès des détenteurs de droits pour toute donnée protégée par les lois sur la propriété intellectuelle. L'équipe place la responsabilité éthique au premier plan en mentionnant scrupuleusement la source de toutes les données exploitées et en demandant l'accord de tiers dès que nécessaire. Cependant, en dépit de ces démarches proactives, l'équipe sait qu'un risque de violation de données subsiste durant le cycle de développement. Que doivent faire les scientifiques des données s'ils sont confrontés à une violation de la sécurité des données au cours du développement ?
Solution
Une violation potentielle de la sécurité des données ne peut être gérée efficacement que si l'équipe a d'ores et déjà établi un plan d'intervention d'urgence. Disposer d'un tel plan démontre également que les scientifiques des données sont préparés à faire face aux imprévus, qu'ils peuvent minimiser les dommages causés par une fuite et empêcher la survenue de nouvelles violations. Les démarches à entreprendre comprennent les points suivants :
- Identifier et circonscrire la violation : la première étape consiste à déterminer la nature et l'ampleur de la faille. Cela peut nécessiter d'enquêter sur tout accès non autorisé, tout vol ou perte d'appareils, ou tout autre incident de sécurité. Une fois délimitée, la brèche doit être colmatée pour empêcher une exposition supplémentaire de données sensibles.
- Évaluer les dommages : une fois l'incident circonscrit, l'équipe doit évaluer l'étendue des préjudices. Il s'agit notamment de déterminer le type et le volume de données compromises, ainsi que les conséquences envisageables pour les personnes touchées.
- Avertir les autorités compétentes : selon la gravité de la violation, il peut être obligatoire d'en avertir les autorités compétentes, comme les services de police ou les instances de régulation. Cela s'avère particulièrement essentiel pour les fuites impliquant des informations personnellement identifiables (PII) ou des données hautement confidentielles.
- Informer les personnes touchées : l'équipe doit également prévenir toutes les personnes dont les données ont été exposées lors de l'incident. Cette communication doit comporter les détails de la violation, le type de données concernées et les recommandations pratiques que l'individu peut mettre en œuvre pour se protéger.
- Sécuriser les comptes compromis : si la faille touche des comptes utilisateurs, ceux-ci doivent être sécurisés sur-le-champ. Cela peut impliquer la réinitialisation obligatoire des mots de passe ou la désactivation temporaire des comptes.
- Examiner et actualiser les protocoles de sécurité : l'équipe doit effectuer un examen approfondi de ses mesures de sécurité actuelles et procéder aux mises à jour ou améliorations requises pour empêcher de futurs incidents.
- Communiquer avec l'ensemble des parties prenantes du projet : il est primordial de tenir les clients, partenaires et collaborateurs informés de l'incident ainsi que des mesures déployées pour y faire face. Cela permettra de préserver la confiance et d'atténuer le préjudice potentiel pour la réputation de l'organisation.
- Surveiller les risques de nouvelles failles : l'équipe doit maintenir une surveillance étroite afin de détecter toute nouvelle intrusion ou activité suspecte et d'empêcher toute divulgation supplémentaire de données.
- Réaliser un retour d'expérience après incident : une fois la crise résolue, l'équipe doit conduire un audit post-incident pour repérer les faiblesses ou vulnérabilités de ses protocoles et prendre les mesures correctives nécessaires.
- Accompagner les personnes affectées : l'équipe doit par ailleurs offrir une assistance aux personnes touchées, par exemple en proposant des services de surveillance du crédit ou un accompagnement pour régler les éventuels préjudices financiers ou usurpations d'identité résultant de la faille.
Partage des données
Le partage des données (data sharing) est le processus consistant à ouvrir l'accès à des données ou à les transférer d'une entité (un individu, une organisation ou un système) vers une autre. Il répond à des finalités variées, notamment la collaboration, la recherche, la prestation de services, l'amélioration des prévisions et la stimulation de l'innovation. Le partage des données peut s'effectuer selon diverses modalités et porter sur différents types de données. Les organisations et les particuliers peuvent s'appuyer sur des jeux de données publics, des normes de données ouvertes ou des référentiels mutualisés pour partager des données. Mais surtout, ils doivent impérativement définir des protocoles de gouvernance des données (data governance protocols) — un ensemble de règles, de politiques et de procédures permettant un contrôle précis des accès aux données tout en assurant leur préservation. Pour que le partage de données soit couronné de succès, les organisations et les intervenants doivent mettre en place une gestion rigoureuse des infrastructures et des règles bien définies. Il est primordial de prendre en compte le point de vue de l'ensemble des parties prenantes du projet et la façon dont elles exploiteront les données. Imaginons une politique encadrant la classification des données : elle définit quelles données sont considérées comme sensibles ou confidentielles et comment elles doivent être traitées. Elle précise également qui est chargé de gérer et d'accéder aux différents types de données, et quelles mesures de protection doivent être appliquées pour les sécuriser.
Que doit-on partager et en quelle quantité ?
Le périmètre du projet de science des données, ainsi que ses contraintes associées, détermineront la typologie et le volume de données pouvant être partagées. Ces données peuvent recouvrir des formats quantitatifs, qualitatifs, tabulaires, textuels, visuels ou sonores, entre autres, dont chacun peut nécessiter des modes de transmission adaptés. Par exemple, des outils comme Tableau ou Power BI s'avèrent utiles pour diffuser des données tabulaires et des visualisations, tandis que GitHub sert traditionnellement au partage de code source, de jeux de données et de ressources associées (bien qu'aujourd'hui, tout contenu puisse y être partagé). Comme présenté dans le chapitre Bases de Python pour la science des données et abordé au fil de cet ouvrage, Google Colab, associé à Google Drive, permet aux collaborateurs de travailler ensemble à distance sur des tâches de développement. Les fichiers peuvent être hébergés sur Google Drive ou Microsoft OneDrive, ce qui permet aux responsables de la science des données de configurer différents niveaux de droits d'accès pour chaque membre de l'équipe ou intervenant extérieur.
Les personnes directement impliquées dans le projet — collaborateurs, clients, chercheurs et destinataires finaux des livrables — doivent bénéficier d'un accès aux données conforme aux objectifs définis. Le cas échéant, et en l'absence de toute restriction relative à la vie privée, les données peuvent être diffusées auprès du grand public par le biais de plateformes telles que Kaggle, conçue pour le partage ouvert de données dans un contexte de recherche. Pour préserver la confidentialité et l'intégrité des informations transmises à des tiers, des chartes éthiques doivent être appliquées et des dispositifs de sécurité adéquats doivent être mis en œuvre. Des directives claires et des protocoles détaillés doivent également être formalisés pour s'assurer que les données sont manipulées à bon escient et dans le strict respect de leur finalité d'origine.
Qui doit avoir accès aux données ?
L'accès aux données dans le cadre d'un projet de science des données doit être réservé aux personnes directement impliquées et ayant un besoin justifié d'en disposer. Cela peut comprendre les profils suivants :
- Scientifiques et analystes de données. Il s'agit des membres pivots de l'équipe qui sont chargés d'analyser et d'interpréter les données pour en extraire des enseignements et guider la prise de décision.
- Ingénieurs de données. Ces spécialistes ont la responsabilité de gérer et de maintenir l'infrastructure de données, en veillant à ce que les données soient aisément accessibles et conservées de manière sécurisée.
- Chefs de projet. Ils doivent avoir accès aux données pour suivre l'état d'avancement du projet, prendre des décisions éclairées et allouer les ressources de manière judicieuse.
- Propriétaires des données. Il s'agit des personnes ou équipes chargées de la collecte, du traitement et de la conservation des données. Ayant une compréhension approfondie de ces données, ils peuvent apporter des indications précieuses.
- Parties intéressées. Ces acteurs ont un besoin fonctionnel des données et s'appuient sur les enseignements tirés pour prendre des décisions opérationnelles et stimuler la croissance de l'organisation.
- Équipes juridiques et de conformité. Elles s'assurent que l'accès aux données et leur exploitation s'effectuent en totale conformité avec les lois, les réglementations et les politiques internes de l'entreprise.
- Spécialistes de la protection de la vie privée. Ils veillent à ce que les données sensibles soient manipulées et protégées de façon adaptée afin de garantir la confidentialité des informations relatives aux individus.
- Partenaires extérieurs ou clients. Dans certains contextes, l'accès aux données peut être requis pour des prestataires externes ou des clients participant au projet ou ayant un besoin métier légitime pour ces données.
Il est fondamental de mettre en place des mesures de surveillance et de contrôle des accès aux données, telles que la gestion des accès basée sur les rôles, pour s'assurer que seules les personnes dûment habilitées accèdent aux informations et que celles-ci sont utilisées à bon escient. Des chartes d'utilisation des données et des accords de confidentialité peuvent aussi s'avérer nécessaires pour protéger les données ainsi que les intérêts de toutes les parties impliquées.
Exemple 8.5
Problème
John travaille comme analyste de données au sein d'une grande entreprise de distribution. Il a été affecté à un projet de science des données visant à améliorer les prévisions et à accroître le chiffre d'affaires. Son équipe recueille différents types de données pour ce projet, notamment des chiffres de ventes, des caractéristiques démographiques sur la clientèle et les tendances du marché. Au fur et à mesure que les travaux avancent, l'équipe réalise que partager ces données avec d'autres départements et collaborer avec des entités externes pourrait considérablement enrichir ses recherches. Toutefois, avant de communiquer ces données, certains critères doivent être examinés. John et son équipe s'interrogent sur les différentes méthodes de partage envisageables. Quel est le prérequis le plus important à instaurer pour assurer un partage sécurisé des données ? Quel(s) outil(s) s'avérerai(en)t le(s) plus efficace(s) pour diffuser les données dans cette situation ?
Solution
Au fil de leurs échanges, les protocoles de gouvernance des données s'imposent comme l'élément clé pour garantir que les données soient partagées et utilisées de manière responsable et éthique. Cela implique d'établir des directives et des procédures sur l'usage des données, de déployer des dispositifs de sécurité pour préserver leur confidentialité et leur intégrité, et de n'accorder d'accès qu'aux personnes ou organisations autorisées. Par exemple, une politique de gouvernance des données peut exiger que toute information personnellement identifiable (PII) soit anonymisée ou exclue avant toute communication à des entités extérieures à l'entreprise. Dans la mesure où les éléments partagés combinent des données qualitatives et quantitatives, une application de partage de fichiers en ligne comme Google Drive ou Microsoft OneDrive apparaît comme la solution la plus pertinente. Les autorisations d'accès doivent être octroyées aux membres de l'équipe selon le principe du besoin d'en connaître.