Les enjeux du traitement des données massives : données ouvertes, vie privée et biais algorithmique

En 30 secondes

• Les données massives sont un volume de données trop important pour un traitement manuel ou un tableur classique ; leur nombre total de valeurs se calcule en multipliant enregistrements et champs.
• Rendre un jeu de données ouvertes (open data) ne dispense pas de protéger la vie privée : l'anonymisation doit retirer non seulement le nom, mais vérifier qu'aucune combinaison d'informations restantes ne réidentifie une personne.
• Un traitement automatisé applique un algorithme à ses données d'entraînement : si celles-ci ne sont pas représentatives de la réalité, il reproduit un biais sur de nouveaux cas.

Ce que tu sauras faire

• Décrire ce que sont les données massives et calculer le volume total des valeurs d'un jeu de données ouvertes (open data).
• Expliquer pourquoi croiser plusieurs informations d'un jeu de données anonymisé peut suffire à réidentifier une personne, et calculer un exemple de réidentification par recoupement.
• Identifier un biais dans un traitement automatisé à partir d'une répartition chiffrée déséquilibrée de ses données d'entraînement.

Les mots à connaître

Données massives

un très grand volume de données, si important qu'il dépasse les capacités d'un traitement manuel ou d'un simple tableur, et qui nécessite des outils informatiques spécifiques pour être collecté, stocké et analysé.

Données ouvertes

des données structurées rendues librement accessibles et réutilisables par tous, publiées par un organisme public ou privé ; on parle aussi d'« open data », l'expression anglaise pour « données ouvertes ».

Vie privée

le droit de chaque personne à garder secrètes certaines informations qui la concernent, hors de la connaissance ou du contrôle d'autrui sans son accord.

Le piège classique

Croire que « données ouvertes » (open data) signifie que la vie privée n'a plus besoin d'être protégée : au contraire, un jeu de données publié librement doit être anonymisé avant publication.

L'astuce

DONNÉES MASSIVES = volume de données trop grand pour un tableur classique, pas un simple grand nombre.