Réidentification dans les requêtes d'IA pseudonymisées : ce que montrent les études

Que signifie la réidentification pour les requêtes d’IA ?

La réidentification signifie qu’une information dont le nom a été retiré peut malgré tout être rattachée à une personne précise. Pour les requêtes d’IA, il s’agit du texte qu’un outil de pseudonymisation envoie à un modèle de langage externe. Le nom est remplacé, mais l’âge, le lieu, le diagnostic, la profession ou un événement inhabituel figurent toujours dans le texte.

Un exemple entièrement inventé : un hôpital fait résumer le cas « Maria Müller, 43 ans, Starnberg, maladie métabolique rare X ». L’outil remplace le nom par « PATIENT_17 » et envoie le texte au modèle. L’âge, le lieu et le diagnostic rare réunis peuvent malgré tout rendre la personne identifiable.

Que montrent les études ?

Étude	Résultat	Ce que cela signifie pour les requêtes d’IA
Sweeney (2000), recensement américain de 1990	87 % de la population étaient probablement uniques par le code postal, le sexe et la date de naissance	Trois informations d’apparence anodine suffisent souvent
Rocher, Hendrickx, de Montjoye (2019)	99,98 % de la population américaine pourraient être correctement réidentifiés dans n’importe quel jeu de données avec 15 attributs démographiques	Même des jeux de données incomplets et « anonymisés » ne satisfont guère aux exigences du RGPD en matière d’anonymat
Staab et al. (2024)	Les modèles de langage déduisent de textes de personnes réelles le lieu de résidence, le revenu ou le sexe, avec 85 % de réussite au premier essai et 95 % parmi les trois premiers, environ 100 fois moins cher et 240 fois plus vite que des humains	Le modèle peut lui-même tirer des conclusions, même à partir de texte libre ; l’anonymisation de texte courante n’a pas protégé efficacement dans l’étude
Palacios et al. (2026), 100 lettres médicales d’oncologie pédiatrique	Des outils prêts à l’emploi pour supprimer les données de patients ont manqué des informations propres à l’établissement comme des abréviations, des noms de bâtiments et des identifiants internes ; même les annotations de référence faites par des humains comportaient 227 passages manqués	Ce que l’outil ne détecte pas part en clair

Les deux premières études portent sur des données structurées des États-Unis. Le mécanisme vaut en général : plus les caractéristiques s’additionnent, plus le groupe auquel elles correspondent est petit.

Quelles sont les voies de réidentification ?

Les lignes directrices du Comité européen de la protection des données (CEPD) sur l’anonymisation (projet 02/2026, consultation jusqu’au 30 octobre 2026) et la CNIL examinent trois questions :

• Individualisation : une personne peut-elle être isolée par une combinaison unique de caractéristiques ? Dans l’exemple : 43 ans, Starnberg, maladie rare.
• Corrélation : des informations peuvent-elles être reliées à d’autres données sur la même personne ? Pour les requêtes d’IA, par exemple lorsque la même balise apparaît dans de nombreuses requêtes, ou avec des sources publiques comme des articles de presse.
• Inférence : peut-on déduire quelque chose de précis sur une personne ? Selon Staab et al., les modèles de langage y sont particulièrement performants.

S’y ajoutent des failles techniques : données non détectées dans le texte libre, les abréviations, les pièces jointes ou les métadonnées des fichiers, et contenus qui sortent par la recherche web, des outils ou des journaux en dehors de la requête proprement dite.

Qu’est-ce que cela signifie juridiquement ?

Selon l’art. 4, point 5, du RGPD, la pseudonymisation est un traitement par lequel les données ne peuvent plus être attribuées sans informations supplémentaires conservées séparément. Pour votre organisation, les données restent personnelles. Le 4 septembre 2025 (C-413/23 P), la CJUE a jugé que des données pseudonymisées ne sont pas nécessairement personnelles pour tout destinataire ; ce qui compte, ce sont les moyens dont le destinataire concret dispose de manière réaliste. L’affaire a été renvoyée devant le Tribunal de l’UE. Le projet 02/2026 du CEPD précise : lorsqu’un organisme traite pour le compte d’un autre, c’est le point de vue du responsable du traitement qui s’applique (points 15 et 21). Un fournisseur de modèle qui traite pour votre compte en tant que sous-traitant reçoit donc des données personnelles. Un texte ne peut être anonyme du point de vue du destinataire que pour un destinataire indépendant qui décide lui-même des finalités et des moyens.

Pour les requêtes d’IA, cela signifie : la pseudonymisation réduit le risque, mais dans la configuration habituelle elle ne rend pas la requête anonyme. Même avec un destinataire indépendant, ce n’est pas le nom remplacé qui compte, mais la question de savoir si l’individualisation, la corrélation et l’inférence sont exclues de manière réaliste pour lui. L’analyse juridique figure dans le guide L’utilisation pseudonymisée de l’IA est-elle conforme au RGPD ?, les conséquences pour les fournisseurs hors de l’UE dans le guide Transferts hors UE avec l’IA.

Comment réduire le risque ?

• Peu de caractéristiques : n’envoyer que les informations nécessaires à la tâche ; l’âge sous forme de tranche d’âge, le lieu sous forme de région.
• Balises changeantes : de nouvelles balises à chaque requête, pour que les requêtes ne puissent pas être reliées.
• Tester la détection : mesurer avec vos propres textes typiques ce que l’outil manque, en particulier les abréviations internes.
• Exclure les cas rares : ne pas traiter les diagnostics rares, les personnes connues et les petites localités via un modèle externe.
• Clarifier la conservation chez le fournisseur : combien de temps le fournisseur du modèle conserve les requêtes et qui peut les consulter.

Chaque restriction coûte en qualité des réponses (perte de contexte par anonymisation). Pour les textes non critiques, un proxy peut tout de même être une solution utile ; pour les données de patients, les données sociales et les données de citoyens, la preuve devient lourde à apporter. Les justificatifs à exiger figurent dans la liste de contrôle pour les proxys d’anonymisation.

Comment cela fonctionne-t-il avec basebox ?

basebox suit une autre approche : la plateforme et le modèle d’IA tournent dans votre environnement, sur un serveur réservé à vous ou dans un environnement dédié de notre cloud, séparé des autres clients, au centre de données de Munich-Est. Par défaut, basebox n’envoie vos données à aucun modèle d’IA d’un autre fournisseur ; les données de patients peuvent donc y entrer sans que vous les anonymisiez au préalable. La question de savoir si un destinataire externe pourrait identifier la personne ne se pose alors que pour l’app optionnelle avec un modèle externe ; c’est vous qui décidez, avec votre délégué à la protection des données (DPO), si vous l’autorisez pour des données personnelles (détails). La situation juridique reste la même : il vous faut une base légale, l’accord de traitement des données et, en cas de secret professionnel, l’accord selon le § 203 StGB (Code pénal allemand).

Pas un conseil juridique : ce guide reflète l’état au 11 octobre 2026. Les lignes directrices du CEPD sur l’anonymisation sont un projet en consultation ; la version définitive peut différer. L’affaire C-413/23 P a été renvoyée devant le Tribunal de l’UE. Vérifiez votre usage avec votre délégué à la protection des données.