Transparence IA : ce texte a été généré avec des systèmes d’intelligence artificielle dans la chaîne éditoriale du Relieur. XÉDRIA assume sa publication.
Le point de départ
Un fichier retire noms et e-mails mais conserve âge exact, fonction rare, site et dates détaillées, ce qui permet de retrouver une personne. Ce cas n’est pas anecdotique. Il ramène directement au problème de fond : la ré-identification peut passer par la combinaison d’attributs. Les critères d’individualisation, de corrélation et d’inférence obligent à regarder le jeu de données dans son contexte.
Ce que les sources permettent de dire
Il y a un signal concret derrière cette question. En juillet 2026, le CEPD a mis en consultation une première version de lignes directrices sur l’anonymisation et sur le web scraping dans le contexte de l’IA générative, avec une consultation publique ouverte jusqu’au 30 octobre 2026. Elles proposent notamment trois critères pratiques pour tester l’anonymisation, l’absence d’isolement des enregistrements, de couplage et d’inférence, et rappellent que le RGPD s’applique au web scraping lorsqu’il implique des données personnelles. Je les prends comme des repères, pas comme une recette. Le travail consiste ensuite à voir ce qu’ils changent dans une situation précise.
Là où le raisonnement devient plus difficile
Avec l’IA, la donnée circule plus facilement entre une consigne, un document, une mémoire, un connecteur et un historique. Cette fluidité est utile, mais elle élargit vite le périmètre de données accessible si personne ne le limite. Le RGPD ne se résume pas à masquer un nom : il demande une finalité, une base légale lorsqu’il y a des données personnelles, des mesures de sécurité, une durée de conservation et des droits réellement exerçables. La question opérationnelle est plus simple à formuler : La ré-identification peut passer par la combinaison d’attributs. Les critères d’individualisation, de corrélation et d’inférence obligent à regarder le jeu de données dans son contexte. Si cette étape disparaît, on optimise facilement ce qui se mesure bien tout en ratant le résultat qui compte.
Il y a quand même un piège. Le cas moyen ne suffit pas. Les exceptions disent souvent si le système est réellement prêt. Un fichier retire noms et e-mails mais conserve âge exact, fonction rare, site et dates détaillées, ce qui permet de retrouver une personne.
Ce que ça change dans une organisation
Pour vérifier l’idée, je partirais de là : tester le risque de ré-identification plutôt que se fier à l’absence d’identifiant direct. Regarde qui récupère le travail restant. Une optimisation peut simplement déplacer la charge d’un poste vers un autre. Ajoute le temps de vérification. Une minute gagnée à produire et cinq minutes ajoutées à relire ne font pas un gain.
Construire un contrôle qui tient
Lister les données réellement nécessaires à la tâche et supprimer le reste du périmètre. Ce détail compte : sans lui, on risque simplement de déplacer la charge vers la personne qui devra contrôler le résultat.
Distinguer données saisies, données observées, données dérivées et données conservées. L’intérêt est surtout de créer un critère observable. Si personne ne peut dire si ce point est respecté, la règle restera décorative.
Choisir une durée de conservation et une règle d’accès avant que l’historique ne devienne une habitude. Le but n’est pas d’ajouter une couche de procédure. C’est de rendre visible la décision qui existait déjà, souvent de manière implicite.
Prévoir comment une personne peut exercer ses droits lorsqu’elle est concernée par le traitement. Autrement dit, il faut regarder le travail qui existe vraiment, avec ses détours et ses exceptions.
Ce qu’il ne faut pas conclure trop vite
Le fait qu’un traitement soit techniquement possible ne suffit pas à le rendre licite. Dès que des données personnelles sont concernées, la finalité, la base juridique, la minimisation, l’information, les droits, la conservation et la sécurité doivent être examinés dans le contexte réel.
Je terminerais avec un contrôle plutôt qu’avec une promesse : tester le risque de ré-identification plutôt que se fier à l’absence d’identifiant direct. C’est moins spectaculaire qu’une démo, mais beaucoup plus utile pour faire tenir l’usage dans le temps.
Tester l’anonymisation comme une attaque, pas comme un nettoyage
Le test intéressant commence après avoir retiré les identifiants évidents. Prends le jeu de données et demande si une personne peut encore être isolée par combinaison de caractéristiques. Une fonction très rare, une date précise, un site géographique et un historique inhabituel peuvent suffire. Ensuite, cherche si plusieurs lignes peuvent être reliées entre elles. Enfin, demande si une information sensible peut être déduite avec une probabilité raisonnable.
Cette façon de travailler change aussi la discussion avec les métiers. Au lieu de demander « avez-vous supprimé les noms ? », on demande « qu’est-ce qu’un tiers raisonnablement équipé pourrait encore apprendre sur quelqu’un ? ». La réponse dépend du volume, de la granularité, des données disponibles ailleurs et du contexte dans lequel le fichier circule.
Pour un projet IA, je garderais une distinction très nette entre anonymisation et pseudonymisation. Remplacer le nom par un identifiant interne protège utilement certains usages, mais cela ne transforme pas automatiquement les données en informations anonymes. Si une table de correspondance existe ou si les personnes restent reconnaissables par leurs attributs, le RGPD continue de compter.
Enfin, l’anonymisation ne doit pas devenir un réflexe qui détruit la valeur du jeu de données. Supprimer trop d’information peut rendre le test inutile. Il faut donc documenter le compromis : quelles variables ont été généralisées, supprimées ou agrégées, quel risque résiduel est accepté et pourquoi le niveau obtenu est adapté à l’usage prévu.
Sources vérifiées
Ce qui a servi de point de départ
- CNIL / CEPD, anonymisation et moissonnage pour l’IA générative, lignes directrices en consultation 2026-07-09
Les sources servent à établir les faits cités et le contexte. Les recommandations pratiques et l’analyse éditoriale sont celles d’IA BLOG.