Une plateforme enregistre qu’une personne consulte fréquemment des avis sur des appareils photo et, à partir de ce comportement, estime qu’elle prévoit d’en acheter un. Cette personne n’a jamais déclaré une telle intention. Pourtant, le système a produit une nouvelle information à son sujet : une inférence.
Les inférences sur les données personnelles sont des conclusions, des estimations ou des prédictions générées à partir d’autres données et attribuées à une personne identifiée ou identifiable. Elles peuvent servir à hiérarchiser des contenus, à anticiper des préférences ou à évaluer une demande. Elles ne sont pas nécessairement vraies, sensibles ou illicites. Leur importance réside ailleurs : elles peuvent influencer la manière dont une organisation traite une personne, y compris lorsque celle-ci ignore que cette attribution existe.
Idée clé : Une inférence n’a pas besoin d’avoir été déclarée par la personne pour devenir une donnée personnelle ; ce qui compte, c’est de savoir si elle peut être reliée à elle.
Comment se forme une inférence
Le processus commence généralement avec des données relativement simples. Un service enregistre des visites, des recherches ou des achats ; compare ces traces à certains modèles ; et produit une conclusion probable. La chaîne peut être représentée ainsi :
données d’entrée → analyse → inférence → profil possible → décision possible
Chaque étape remplit une fonction distincte. Si quelqu’un consulte à plusieurs reprises des produits de photographie, cet historique constitue la donnée observée. L’estimation « a l’intention d’acheter un appareil photo » est l’inférence. Son intégration dans une catégorie telle que « client potentiel en photographie » peut faire partie d’un profil. Lui afficher une offre, modifier l’ordre d’une page ou soumettre une demande à un examen supplémentaire constitue une action ou une décision ultérieure.
Cette distinction évite deux erreurs. La première consiste à qualifier d’inférence n’importe quelle donnée traitée. La seconde consiste à supposer que toute inférence produit automatiquement une décision. Certaines servent uniquement à personnaliser une interface ; d’autres interviennent véritablement dans des opportunités significatives.
Quatre manières d’obtenir des informations sur une personne
Une taxonomie simple permet de distinguer ce que l’analyse apporte. Ces catégories ont une visée pédagogique et peuvent varier selon les cadres juridiques :
- Données fournies : elles sont communiquées par la personne elle-même, comme son adresse électronique ou une préférence indiquée dans un formulaire.
- Données observées : elles sont enregistrées à partir de son comportement, comme les pages consultées ou la fréquence d’utilisation.
- Données dérivées : elles résultent d’une opération directe sur d’autres données, comme le calcul des dépenses mensuelles à partir des achats enregistrés.
- Données inférées : elles expriment une conclusion ou une probabilité concernant une caractéristique, une intention ou un comportement futur.
La différence ne dépend pas uniquement de la technique employée. Calculer une somme et estimer une préférence sont des opérations analytiques, mais la seconde ajoute une affirmation qui n’était pas présente de manière explicite dans les données initiales.
L’origine ne détermine pas non plus, à elle seule, si l’information mérite d’être protégée. Le Règlement général sur la protection des données de l’Union européenne définit la donnée personnelle par son lien avec une personne identifiée ou identifiable, et non par le fait qu’elle ait été transmise directement. D’autres régimes adoptent des approches comparables : le guide officiel de la Californie sur la CCPA, par exemple, inclut certaines inférences utilisées pour établir des profils. La portée concrète dépend toujours de la juridiction et du cas d’espèce.
Une estimation n’est pas un fait avéré
Toute inférence comporte un certain degré d’incertitude. « Cherche probablement un appareil photo » n’équivaut pas à « a acheté un appareil photo ». Même une estimation techniquement bien calculée peut décrire de manière erronée une personne : celle-ci cherchait peut-être un cadeau ou aidait un ami.
Cela ne rend pas toutes les inférences inutiles pour autant. Les recommandations peuvent réduire les frictions et rendre un service plus pertinent. Mais cela oblige à les présenter et à les utiliser selon leur nature. Une probabilité ne devrait pas se transformer, par facilité institutionnelle, en une certitude sur l’identité, les préférences ou les intentions d’une personne.
Il convient de distinguer trois questions :
- L’inférence est-elle exacte ou raisonnable ? Examine la qualité des données, la méthode et l’incertitude.
- Peut-elle être utilisée à cette fin ? Examine les règles applicables, les attentes légitimes et la proportionnalité.
- Quel effet produit-elle ? Examine si elle se contente d’organiser du contenu ou si elle limite une option significative.
Une inférence exacte n’est pas automatiquement licite. Et une inférence erronée ne perd pas de son importance si elle détermine la manière dont la personne est traitée.
Distinction utile : L’exactitude, la légitimité et l’effet sont des questions distinctes. En résoudre une ne résout pas nécessairement les deux autres.
Quand une conclusion sur un groupe devient-elle personnelle ?
Tout schéma statistique ne constitue pas une donnée personnelle. Dire que « 30 % des utilisateurs d’une zone préfèrent les livraisons l’après-midi » décrit un groupe et, en principe, n’attribue pas cette préférence à un individu. Dire qu’« il est estimé qu’Ana préfère les livraisons l’après-midi » formule en revanche une conclusion sur une personne précise.
La frontière dépend de la possibilité raisonnable d’identifier, d’individualiser ou de rattacher l’information à une personne. Supprimer les noms ne suffit pas toujours. Un ensemble prétendument agrégé peut conserver des combinaisons permettant de distinguer des individus, tandis qu’une statistique véritablement anonyme échappe à ce lien personnel.
Le guide de l’autorité britannique de protection des données sur l’anonymisation souligne précisément cette dimension contextuelle : les corrélations et les prédictions peuvent générer de nouvelles informations, et ces informations peuvent être personnelles lorsqu’elles se rapportent à une personne identifiable.
Inférence, profilage et décision ne sont pas synonymes
Le profilage organise ou évalue certains aspects d’une personne au moyen d’un traitement automatisé. Il peut regrouper de nombreuses observations et inférences au sein d’une représentation opérationnelle : centres d’intérêt probables, habitudes d’utilisation ou propension à accomplir une action donnée.
La décision automatisée, en revanche, est un résultat ou une mesure reposant sur un traitement automatique. Elle peut s’appuyer sur un profil, mais également sur une règle simple ; et un profil peut exister sans déclencher de décision majeure.
Dans le cadre européen, les articles 4 et 22 du RGPD ainsi que les lignes directrices approuvées par le Comité européen de la protection des données distinguent ces deux notions. Les garanties spécifiques face aux décisions exclusivement automatisées s’appliquent dans des cas délimités, notamment lorsqu’il existe des effets juridiques ou des effets d’une importance similaire. Elles ne constituent pas un droit universel à connaître l’intégralité du code d’un quelconque système.
Cette précision est importante car le contrôle approprié dépend de l’étape en cause. Corriger une donnée d’entrée, contester une inférence et demander le réexamen d’une décision sont des démarches liées, mais non interchangeables.
Quels contrôles permettent de les contester
Lorsqu’une inférence affecte des options significatives, l’autonomie exige davantage que l’acceptation passive de la classification. Le contrôle n’implique ni d’interdire l’analyse des données, ni d’obliger à divulguer des secrets d’affaires. Il signifie que la personne doit pouvoir en comprendre suffisamment pour détecter les erreurs, contester les attributions et en connaître les conséquences.
Un cadre raisonnable devrait permettre de demander :
- quelles catégories de données ont alimenté l’inférence ;
- dans quel but elle a été générée et est utilisée ;
- si elle exprime un fait, une estimation ou un score ;
- quel est son degré d’incertitude et pendant combien de temps elle est conservée ;
- si elle produit une décision significative et comment celle-ci peut être réexaminée.
Dans l’Union européenne, il existe des droits d’accès et de rectification, ainsi que des garanties précises pour certaines décisions exclusivement automatisées. Leur application comporte des limites et des exceptions. Un réexamen humain, le cas échéant, n’apporte un contrôle réel que si la personne chargée de l’examen comprend le résultat, prend en compte des informations supplémentaires et a le pouvoir de le modifier ; une confirmation mécanique ne modifie pas la substance du processus.
Ces contrôles s’inscrivent dans une réflexion plus large sur le contrôle des données personnelles et sur la manière de protéger l’autonomie individuelle face à des organisations dotées d’une forte capacité de classification. Pour des recommandations opérationnelles, l’utilisation de l’IA et des données personnelles soulève également des enjeux spécifiques de mise en œuvre.
Principe de contrôle : Plus l’effet d’une inférence sur les opportunités d’une personne est important, plus la transparence, la possibilité de la contester et un réexamen effectif sont importants.
Le point décisif n’est pas d’empêcher toute prédiction
Inférer est une pratique courante et, dans de nombreux contextes, utile. Le problème surgit lorsqu’une conclusion incertaine acquiert une autorité sans que la personne n’en connaisse l’origine, la finalité ou la manière de la contester.
Une société ouverte n’a pas besoin de choisir entre l’innovation et la liberté individuelle. Elle peut autoriser des usages légitimes de l’analyse tout en exigeant des limites proportionnées là où les classifications altèrent les opportunités. La question pratique n’est pas seulement de savoir quelles données possède une organisation, mais ce qu’elle croit savoir sur chaque personne, sur quelle base et dans quel but.
Partager