Accueil
Accueil
Envoyer à un ami
Version imprimable
Partager
L’accès à des ensembles de données de plus en plus volumineux – en particulier grâce à l’utilisation de l’IA – transforme la recherche, la découverte et l’innovation.
Cependant, les préoccupations concernant la confidentialité, la sécurité et la souveraineté
des données limitent la mesure dans laquelle les données de grande valeur
peuvent être partagées et utilisées à l’échelle nationale et mondiale.
Une suite de technologies émergentes et puissantes permet de partager et d’utiliser
des données sensibles de manière à répondre à ces préoccupations.
des données limitent la mesure dans laquelle les données de grande valeur
peuvent être partagées et utilisées à l’échelle nationale et mondiale.
Une suite de technologies émergentes et puissantes permet de partager et d’utiliser
des données sensibles de manière à répondre à ces préoccupations.
Ces dernières années, les « données synthétiques » suscitent un intérêt croissant.
Ces données reproduisent les modèles et les tendances d’ensembles de données sensibles mais ne contiennent pas d’informations spécifiques qui pourraient être liées à des individus ou compromettre des organisations ou des gouvernements.
Les données synthétiques suppriment de nombreuses restrictions liées au travail avec des données sensibles et ouvrent de nouvelles possibilités en matière de partage mondial de données et de recherche collaborative sur les phénomènes biologiques, d'études liées à la santé, de formation de modèles d'IA et bien plus encore.
Cependant, même avec l’avènement des données synthétiques au niveau national, les tendances en matière de santé dans un pays source seront révélées et ces préoccupations devront être surmontées.
On constate également un regain d’intérêt pour le chiffrement homomorphe, une technologie datant des années 1970. Plutôt que de recréer des ensembles de données présentant les mêmes caractéristiques que les données brutes, le cryptage homomorphe permet d'analyser les données codées sans que les données brutes soient directement accessibles.
Bien que prometteur, un tel cryptage nécessite beaucoup plus d’énergie et de temps pour obtenir un résultat sécurisé.
Ces données reproduisent les modèles et les tendances d’ensembles de données sensibles mais ne contiennent pas d’informations spécifiques qui pourraient être liées à des individus ou compromettre des organisations ou des gouvernements.
Les données synthétiques suppriment de nombreuses restrictions liées au travail avec des données sensibles et ouvrent de nouvelles possibilités en matière de partage mondial de données et de recherche collaborative sur les phénomènes biologiques, d'études liées à la santé, de formation de modèles d'IA et bien plus encore.
Cependant, même avec l’avènement des données synthétiques au niveau national, les tendances en matière de santé dans un pays source seront révélées et ces préoccupations devront être surmontées.
On constate également un regain d’intérêt pour le chiffrement homomorphe, une technologie datant des années 1970. Plutôt que de recréer des ensembles de données présentant les mêmes caractéristiques que les données brutes, le cryptage homomorphe permet d'analyser les données codées sans que les données brutes soient directement accessibles.
Bien que prometteur, un tel cryptage nécessite beaucoup plus d’énergie et de temps pour obtenir un résultat sécurisé.
Respect des droits et de la sécurité des individus et des communautés.
À mesure que les progrès de l’IA transforment la valeur des données, des techniques telles que la génération de données synthétiques et le cryptage homomorphe devraient permettre le partage et l’accès aux données tout en garantissant la confidentialité, la sécurité et la souveraineté des données. Dans le cadre de la recherche liée à la santé, en particulier, l'accès aux données afin que ne soient pas compromis les droits et la sécurité des individus et des communautés s’avèrent déjà prometteurs et accélérent les progrès en matière de détection, de traitement et de prévention des maladies.
Des technologies efficaces de partage et d’utilisation des données qui protègent la confidentialité, la sécurité et la souveraineté des données sont essentielles si l’on veut réaliser le potentiel émergent de l’IA.
Pourtant, malgré leur potentiel, les données synthétiques et le chiffrement homomorphe présentent plusieurs limites. Ceux-ci incluent une mauvaise représentation des cas limites potentiellement significatifs ou des valeurs aberrantes dans le cas de données synthétiques et la capacité potentielle de déduire ou de reconstruire des données. Des travaux supplémentaires sur les technologies et les politiques d'utilisation qui les entourent seront nécessaires pour garantir leur succès.
Des technologies efficaces de partage et d’utilisation des données qui protègent la confidentialité, la sécurité et la souveraineté des données sont essentielles si l’on veut réaliser le potentiel émergent de l’IA.
Pourtant, malgré leur potentiel, les données synthétiques et le chiffrement homomorphe présentent plusieurs limites. Ceux-ci incluent une mauvaise représentation des cas limites potentiellement significatifs ou des valeurs aberrantes dans le cas de données synthétiques et la capacité potentielle de déduire ou de reconstruire des données. Des travaux supplémentaires sur les technologies et les politiques d'utilisation qui les entourent seront nécessaires pour garantir leur succès.
Grâce aux progrès de l'IA, les données synthétiques suppriment de nombreuses restrictions liées au travail avec des données sensibles et ouvrent de nouvelles possibilités en matière de partage mondial de données et de recherche collaborative sur les phénomènes biologiques, d'études liées à la santé, de formation de modèles d'IA et bien plus encore.
Auteurs
- Olga Finck, Professeur assistant, Systèmes intelligents de maintenance et d'exploitation, Ecole Polytechnique Fédérale de Lausanne
- Lisette van Gemert-Pijnen, Professeur, technologie de persuasion de la santé, Université de Twente
- Dongwon Lee, Professeur, Université d'État de Pennsylvanie
- Andrew Maynard, Professeur, École pour l'avenir de l'innovation dans la société, Arizona State University
- Bastiaan van Schijndel, Responsable Innovation, ZORGTTP
