Demander un devis
Urgence SecteursCarrières À propos Blog Nous contacter
Deux développeurs à un bureau devant deux écrans remplis de code ; le collègue debout pointe une ligne

Pseudonymisation ou anonymisation : ce que fait l’IT pour que les données de test ne soient pas des données personnelles

Pseudonymisation et anonymisation sont souvent confondues, alors que la différence détermine si le RGPD s’applique encore à vos données. Un jeu de données dont on a retiré les noms n’est généralement pas anonyme mais pseudonymisé. Cet article porte sur la technique : ce que fait chaque méthode, où doit se trouver la clé et comment tester et analyser sans données personnelles réelles.

7 min de lecture Écrit par l’équipe ITproposal
Réponse courte

Les données pseudonymisées restent des données personnelles : avec des informations complémentaires conservées à part, on peut les rattacher à une personne. Les données anonymes ne le peuvent plus, et sortent donc du champ du RGPD.

Retirer les noms n’est presque jamais anonymiser. Une combinaison code postal, date de naissance et sexe, une valeur rare ou un champ libre désigne souvent encore une seule personne.

La pseudonymisation tient à la clé : elle doit se trouver dans un autre environnement, chez d’autres administrateurs. Décider si un jeu de données est assez anonyme revient au responsable du traitement ; nous ne sommes pas juristes.

Pseudonymisation ou anonymisation : la différence

Le RGPD définit la pseudonymisation comme un traitement de données personnelles tel qu’elles ne peuvent plus être attribuées à une personne sans informations supplémentaires, à condition que ces informations soient conservées séparément et protégées. Un numéro client à la place d’un nom, avec ailleurs une table qui relie numéro et nom, en est l’exemple type. Les données restent personnelles, et le RGPD s’applique pleinement.

L’anonymisation va plus loin : les données ne peuvent plus être rattachées à une personne par des moyens raisonnablement susceptibles d’être utilisés, par personne, vous compris. Elles ne sont alors plus des données personnelles, et le traitement sort du champ du RGPD. La CNIL insiste sur cette distinction dans ses fiches pratiques.

D’où l’importance du choix. La pseudonymisation est une mesure de sécurité que le RGPD cite lui-même : elle réduit l’impact d’une violation et le nombre de personnes capables de reconnaître quelqu’un. L’anonymisation permet d’utiliser des données qui ne sont plus personnelles. Faire la première en croyant faire la seconde, c’est traiter des données personnelles sans la protection qui va avec.

Quand un jeu de données est vraiment anonyme

Les autorités européennes de protection des données ont formulé trois critères pour vérifier qu’un jeu de données est anonyme. Est-il encore possible :

  • d’individualiser une personne, parce que son enregistrement est le seul à présenter une certaine combinaison de valeurs ;
  • de corréler les données avec une autre source, comme un registre public ou un fichier divulgué, et retrouver ainsi la personne ;
  • d’inférer une information sur une personne avec une forte probabilité, même sans connaître son nom ?

En pratique, le risque se trouve rarement dans le nom et presque toujours dans le reste. Code postal, date de naissance et sexe réunis désignent souvent une seule personne. Un poste rare dans une petite agence fait de même. Les champs libres contiennent des noms, des numéros de téléphone et des diagnostics. Et les métadonnées, horodatages et données de localisation sont souvent plus précis que l’enregistrement lui-même.

L’anonymat n’est d’ailleurs pas acquis pour toujours. Ce qui n’est pas corrélable aujourd’hui peut le devenir demain, dès qu’une nouvelle source apparaît. Consignez donc le test effectué et ses hypothèses, et refaites-le quand les données ou leur usage changent.

Les techniques, ce qu’elles font et ne font pas

Aucune technique n’anonymise à elle seule. Chacune réduit un risque précis, et il en faut généralement plusieurs.

  • Tokenisation. Une valeur identifiante est remplacée par un jeton aléatoire, avec une table de correspondance conservée à part. C’est de la pseudonymisation, réversible pour qui détient la table.
  • Hachage. Un simple hachage d’une adresse e-mail ou d’un numéro de sécurité sociale se retrouve en hachant toutes les valeurs possibles et en comparant. Avec une clé secrète (un hachage à clé), c’est de la pseudonymisation ; sans clé, ce n’est souvent même pas cela.
  • Masquage. Cacher une partie d’une valeur, comme les chiffres centraux d’un IBAN. Utile à l’écran et dans les rapports, mais le reste de l’enregistrement peut rester reconnaissable.
  • Généralisation. La date de naissance devient l’année ou une tranche d’âge, le code postal devient le département. Réduit le risque d’individualisation.
  • Agrégation. Uniquement des totaux et des moyennes, avec un nombre minimal de personnes par case. Proche de l’anonymat, mais les enregistrements individuels disparaissent.
  • Données synthétiques. Des enregistrements artificiels de même structure et de même distribution que l’original. Souvent le meilleur choix pour les tests, à condition que le générateur ne reproduise pas d’enregistrements réels.

La clé à part : ce dont dépend la pseudonymisation

La pseudonymisation vaut exactement ce que vaut la séparation entre les données et l’information qui permet de les rattacher. Une table de correspondance dans la même base, avec les mêmes administrateurs, n’est pas une séparation.

  • Un autre environnement. La table ou la clé se trouve dans un autre système ou un coffre distinct, pas à côté du jeu de données.
  • D’autres personnes. Ceux qui travaillent sur les données pseudonymisées ne peuvent pas les ré-identifier eux-mêmes. La ré-identification est un acte distinct, avec son propre droit.
  • Une trace de qui ré-identifie. Chaque rattachement d’un pseudonyme à une personne est journalisé avec son motif.
  • Renouveler et détruire les clés. Une clé qui dure des années devient un risque en soi. Et détruire la clé ne rend pas automatiquement les données anonymes : le reste de l’enregistrement peut rester reconnaissable.

La gestion des clés en pratique, et les endroits où elles peuvent se trouver, sont décrits dans gestion des clés et chiffrement.

Des environnements de test sans données personnelles réelles

L’endroit le plus courant où des données personnelles se trouvent sans nécessité est un environnement de test ou de recette alimenté par une copie de la production. Développeurs, testeurs et parfois prestataires externes y ont accès, la sécurité y est plus légère, et personne ne supprime la copie.

Une approche qui fonctionne :

  • Faites du masquage une étape fixe de la procédure de copie, et non une opération faite après coup. La copie n’entre dans l’environnement de test qu’une fois les noms, coordonnées, numéros et champs libres remplacés.
  • Préservez les liens. Utilisez des remplacements cohérents, pour qu’un même client ait le même pseudonyme dans toutes les tables et que les tests continuent de fonctionner.
  • Envisagez des données synthétiques pour les nouvelles fonctions et pour les prestataires, afin qu’aucun enregistrement réel ne sorte.
  • N’oubliez pas les sous-produits. Sauvegardes, journaux et exports de l’environnement de test contiennent les mêmes données que l’environnement lui-même.

S’il faut malgré tout tester avec des données réelles, par exemple pour reproduire une anomalie, consignez qui, pourquoi, pour combien de temps et quand la copie a été supprimée.

Reporting, analyses et partage avec des tiers

Pour un environnement de reporting ou de BI, la pseudonymisation suffit souvent : les analystes voient des tendances par client ou par salarié sans savoir de qui il s’agit, et un nombre limité de personnes peut ré-identifier si nécessaire. Retirez les champs inutiles à l’analyse et généralisez là où c’est possible.

Pour un partage avec une autre organisation, comme un chercheur, un consultant ou un prestataire d’analyse, la question est plus exigeante. Si le jeu de données sort pseudonymisé, il reste une donnée personnelle et appelle un accord sur ce que le destinataire peut en faire. Si vous voulez qu’il soit anonyme, le test des sections précédentes doit valoir pour le destinataire, compte tenu des données dont il dispose déjà.

Si le traitement présente un risque élevé, le choix entre pseudonymiser et anonymiser a sa place dans l’AIPD, avec sa justification.

Là où notre travail s’arrête

Ce que nous faisons. Dans les environnements que nous fournissons, configurons ou gérons, nous mettons en place la technique : le masquage comme étape fixe lors de la copie vers le test, la tokenisation et les hachages à clé, la séparation entre données et clé, les droits et la journalisation autour de la ré-identification. Nous décrivons quelle technique a été appliquée à quels champs, pour que votre référent RGPD ou votre DPO puisse apprécier ce choix. Nous travaillons sous ISO/IEC 27001 ; cela décrit notre façon de travailler, ce n’est pas un avis sur vos traitements.

Ce que nous ne faisons pas. Nous ne sommes ni juristes ni délégués à la protection des données. Nous ne déclarons pas qu’un jeu de données est anonyme au sens juridique, nous n’apprécions pas la licéité d’un traitement de données pseudonymisées et nous ne décidons pas si des données peuvent être partagées avec un tiers. Cette appréciation revient au responsable du traitement, avec l’appui d’un avocat spécialisé ou de son DPO.

Questions fréquentes

Les questions qu’on nous pose

Les cinq qui reviennent le plus souvent.

Quelle est la différence entre pseudonymisation et anonymisation ?

La pseudonymisation remplace les données identifiantes par un pseudonyme, et des informations complémentaires conservées à part permettent de revenir à la personne. Avec l’anonymisation, ce n’est plus possible par des moyens raisonnables, pour personne. Les données pseudonymisées sont des données personnelles ; les données anonymes, non.

Les données pseudonymisées sont-elles soumises au RGPD ?

Oui. Les données pseudonymisées restent des données personnelles, car elles peuvent être rattachées à une personne grâce aux informations conservées à part. Le RGPD s’applique donc pleinement. La pseudonymisation reste une mesure de sécurité citée par le RGPD lui-même, car elle réduit l’impact d’une violation.

Le hachage est-il une anonymisation ?

Non. Un simple hachage d’un type de valeur connu, comme une adresse e-mail ou un numéro, se retrouve en hachant toutes les valeurs possibles et en comparant. Avec une clé secrète, c’est de la pseudonymisation. Un jeu de données n’est anonyme que si le reste des données ne désigne plus personne non plus.

Comment créer des données de test sans données personnelles ?

Faites du masquage une étape fixe lors de la copie de la production vers le test, avec des remplacements cohérents pour préserver les liens entre tables. Pour les nouvelles fonctions et les prestataires externes, des données synthétiques sont souvent préférables, car aucun enregistrement réel n’est utilisé. N’oubliez pas les sauvegardes et journaux de l’environnement de test.

Pouvez-vous confirmer que notre jeu de données est anonyme ?

Non. Savoir si un jeu de données est anonyme au sens juridique relève du responsable du traitement, avec l’appui d’un avocat spécialisé ou de son DPO. Nous mettons en place les techniques et décrivons précisément ce qui a été fait à chaque champ, pour que cette appréciation repose sur des faits.

Services liés

Pour aller plus loin

Ce à quoi la pseudonymisation se rattache.

Y a-t-il des données personnelles réelles dans votre environnement de test ?

Nous repérons où se trouvent les copies de la production et mettons en place le masquage comme étape fixe. Savoir si le résultat est assez anonyme revient à votre référent RGPD.

Des connaissances informatiques concrètes dans votre boîte mail

De nouveaux guides sur la gestion, la sécurité et le poste de travail, écrits par ceux qui font le travail. Sans discours commercial, et la désinscription se fait en un clic.

Nous utilisons votre adresse uniquement pour l’infolettre. Consultez notre politique de confidentialité.

Demander un devis Appeler