Les projets d’intelligence artificielle en santé avancent vite.
Ils peuvent aider à détecter des risques plus tôt, prioriser certains dossiers, soutenir la recherche ou améliorer l’organisation des soins. Mais dès qu’un projet utilise des données médicales, la performance du modèle ne suffit pas.
Le sujet de l’IA appliquée aux données de santé face au RGPD commence bien avant l’entraînement du modèle. Il commence au moment où l’on prépare le dataset.
Quelles données faut-il vraiment utiliser ?
Quelles variables sont nécessaires ?
Quels champs peuvent être supprimés, généralisés ou anonymisés ?
Le modèle a-t-il réellement besoin d’identifier les patients ?
C’est cette question que la controverse NHS / DeepMind a rendue très visible.
IA données santé RGPD : ce que le cas NHS / DeepMind a révélé
Au Royaume-Uni, le Royal Free London NHS Foundation Trust a partagé des données de patients avec DeepMind dans le cadre du développement de l’application Streams, destinée à aider à détecter des risques d’insuffisance rénale aiguë. L’ICO rappelle que DeepMind avait eu accès aux dossiers médicaux d’environ 1,6 million de patients, et que l’affaire a montré le besoin de davantage de clarté autour de l’usage des données de santé dans les nouveaux produits data-driven.
Le débat ne portait pas simplement sur la technologie. Il portait surtout sur la manière dont les données avaient été partagées, expliquées, encadrées et proportionnées au besoin du projet.
Autrement dit, le vrai sujet n’était pas seulement :
“Est-ce que l’outil peut aider les soignants ?”
Mais aussi :
“Le dataset utilisé était-il limité, justifié et suffisamment protégé ?”
C’est précisément ce qui rend ce cas utile pour les organisations qui travaillent sur des projets d’IA impliquant des données de santé soumises au RGPD.
Le problème n’est pas l’IA, mais la préparation des données
Un projet d’IA en santé peut être utile, prometteur et techniquement solide.
Mais il peut aussi devenir fragile si la préparation du dataset est insuffisante.
Dans un projet médical, les données peuvent contenir :
- des diagnostics ;
- des dates de soins ;
- des résultats biologiques ;
- des informations hospitalières ;
- des traitements ;
- des pathologies rares ;
- des parcours cliniques détaillés.
Ces informations ont une forte valeur analytique. Mais elles peuvent aussi créer un risque élevé pour les patients si elles circulent sans réduction préalable.
La question centrale n’est donc pas de savoir si l’IA a besoin de données. Oui, elle en a besoin.
La vraie question est : de quelles données a-t-elle réellement besoin ?
L’IA a besoin de signaux, pas toujours d’identités
Dans beaucoup de projets, le modèle n’a pas besoin de connaître l’identité des patients.
Il a besoin de signaux.
Il peut avoir besoin de comprendre :
- des corrélations entre variables ;
- des tendances cliniques ;
- des séquences de soins ;
- des facteurs de risque ;
- des relations statistiques ;
- des profils médicaux agrégés ou transformés.
Mais le nom, l’adresse, le numéro de patient ou certaines dates précises n’apportent pas toujours de valeur au modèle.
C’est là que la minimisation devient stratégique.
La CNIL rappelle que le principe de minimisation impose de réfléchir en amont de l’entraînement afin de ne pas utiliser des données personnelles qui ne seraient pas utiles au développement du système, avec une vigilance renforcée lorsque les données sont sensibles.
Pourquoi la pseudonymisation ne suffit pas toujours
La pseudonymisation peut être utile, mais elle ne règle pas tout.
Remplacer un nom par un identifiant technique ne signifie pas que le risque disparaît.
Dans les données de santé, certaines combinaisons peuvent rester très identifiantes :
- une pathologie rare ;
- un âge précis ;
- une date d’hospitalisation ;
- un établissement spécifique ;
- un historique médical détaillé.
Pris séparément, ces éléments peuvent sembler peu dangereux. Ensemble, ils peuvent faciliter une ré-identification indirecte.
C’est pourquoi la préparation d’un dataset IA ne doit pas se limiter à retirer les noms. Elle doit aussi intégrer une réflexion sur les identifiants directs, les identifiants indirects et la granularité des variables.
Cette logique rejoint directement le sujet du risque de ré-identification, qui devient central dès que l’on travaille sur des données médicales riches.
Minimiser avant d’entraîner : une étape de conception, pas une correction tardive
La minimisation ne devrait pas arriver à la fin du projet.
Elle devrait intervenir dès la conception.
Avant de lancer un projet IA en santé, l’organisation doit définir :
- l’objectif exact du modèle ;
- les données strictement nécessaires ;
- les variables inutiles à supprimer ;
- les champs à anonymiser ;
- les données à généraliser ;
- les conditions d’accès au dataset.
Cette étape permet d’éviter une erreur fréquente : transmettre ou exploiter une base complète “au cas où”.
Or, dans un contexte d’IA et de données de santé régies par le RGPD, le “au cas où” est dangereux. Il augmente inutilement l’exposition juridique, technique et réputationnelle.
Détecter les données sensibles avant le projet IA
Avant de minimiser un dataset, il faut d’abord savoir ce qu’il contient.
C’est le rôle de la détection intelligente des données sensibles.
Cette étape permet d’identifier les champs qui peuvent poser problème :
- données directement identifiantes ;
- données médicales sensibles ;
- variables indirectement identifiantes ;
- données administratives inutiles ;
- informations rares ou très spécifiques ;
- colonnes utiles au modèle mais à transformer.
Sans cette cartographie, les équipes risquent de préparer un dataset incomplet sur le plan de la sécurité, même s’il semble exploitable sur le plan technique.
La donnée médicale doit donc être analysée avant d’être utilisée par le modèle, pas seulement après.
Comment NymData aide à préparer les datasets IA en santé
NymData intervient précisément à cette étape : avant l’entraînement, avant le partage, avant l’exploitation.
La solution permet de scanner les bases et fichiers afin d’identifier les données sensibles et de préparer un dataset plus sûr pour les projets IA, recherche ou analyse.
Concrètement, NymData aide à :
- détecter les données sensibles dans les bases médicales ;
- repérer les identifiants directs et indirects ;
- identifier les colonnes inutiles au projet ;
- anonymiser les données lorsque l’identité n’est pas nécessaire ;
- réduire le risque de ré-identification ;
- conserver la base originale dans un environnement maîtrisé.
L’objectif n’est pas de freiner l’innovation médicale.
Il est de permettre aux équipes data, IA, conformité et santé de travailler sur des datasets mieux préparés, plus limités et plus défendables.
Pour aller plus loin, téléchargez NymData et préparez vos données de santé avant tout projet d’analyse, de recherche ou d’intelligence artificielle.
La leçon stratégique
Le cas NHS / DeepMind montre qu’un projet IA peut devenir controversé même lorsqu’il poursuit un objectif utile.
Le problème ne vient pas forcément de l’intention. Il vient parfois d’un dataset trop large, mal expliqué ou insuffisamment préparé.
Dans les projets de santé, la donnée ne doit pas seulement être disponible. Elle doit être proportionnée.
La bonne séquence devient donc :
- définir l’objectif ;
- détecter les données sensibles ;
- minimiser le dataset ;
- anonymiser ce qui peut l’être ;
- puis seulement entraîner ou exploiter le modèle.
Conclusion
L’IA en santé a besoin de données fiables, structurées et pertinentes.
Mais elle n’a pas toujours besoin de l’identité des patients.
C’est tout l’enjeu des projets d’IA en santé soumis au RGPD : permettre l’innovation sans exposer inutilement des informations médicales sensibles.
La minimisation du dataset n’est pas une contrainte secondaire. C’est une condition de confiance.
Plus les données sont préparées en amont, plus le projet devient solide sur le plan technique, juridique et réputationnel.
FAQ
Pourquoi minimiser un dataset avant un projet IA en santé ?
Parce qu’un modèle d’IA n’a pas toujours besoin de toutes les données disponibles. La minimisation permet de réduire l’exposition tout en conservant les variables utiles au projet.
La pseudonymisation suffit-elle pour les données médicales ?
Pas toujours. Certaines variables médicales peuvent permettre une ré-identification indirecte, surtout lorsqu’elles sont combinées.
L’IA a-t-elle besoin de l’identité des patients ?
Dans la majorité des cas, non. Elle a surtout besoin de signaux, de tendances, de structures et de relations statistiques.
Quel est le lien entre IA, données de santé, RGPD et anonymisation ?
L’anonymisation permet de réduire le risque lorsque l’identité des personnes n’est pas nécessaire à l’objectif du projet IA.
Comment NymData aide-t-il les projets IA en santé ?
NymData détecte les données sensibles, identifie les champs à risque et aide à préparer des datasets anonymisés ou minimisés avant exploitation.
