Ressources · 90
Données synthétiques : vérifier utilité et confidentialité
Évaluer les données générées avant de les partager ou de les utiliser pour entraîner un modèle.
· 3 min
Ce que ce guide permet
- Définir ce qui doit être préservé
- Cartographier ce qui peut être révélé
- Séparer construction et évaluation
- Éprouver les risques de divulgation
- Décider du mode de partage
Contrôle express
- Synthétique signifie-t-il anonyme ?
- Faut-il garder les cas rares ?
- Une métrique suffit-elle ?
Méthode pas à pas
- 01
Définir ce qui doit être préservé
Choisissez une tâche : tester un formulaire, comparer un algorithme ou reproduire des distributions. Consignez variables, relations et cas rares utiles. Une ressemblance visuelle entre tableaux ne suffit pas à établir l’utilité.
Livrable : Spécification des variables et cas utiles.
- 02
Cartographier ce qui peut être révélé
Identifiez données sources, accès du générateur, identifiants directs et combinaisons rares. Remplacer les noms relève souvent de la pseudonymisation. Le mot synthétique ne démontre pas à lui seul une anonymisation.
Livrable : Carte des sources et risques.
- 03
Séparer construction et évaluation
Conservez un jeu réel de référence autorisé hors du réglage du générateur. Comparez la tâche et les sous-populations sur une méthode fixée à l’avance, sans copier des dossiers réels dans les exemples publics.
Livrable : Protocole indépendant et versionné.
- 04
Éprouver les risques de divulgation
Dans un environnement autorisé, recherchez copies proches, valeurs rares et possibilités de rapprochement avec d’autres données. Notez hypothèses et accès supposés de l’adversaire. Un test négatif n’est pas une garantie universelle.
Livrable : Rapport des scénarios et limites.
- 05
Décider du mode de partage
Comparez publication, accès restreint et environnement protégé. Faites approuver limites, destinataires et durée. Préparez retrait et réévaluation lorsque les sources disponibles ou les techniques de rapprochement changent.
Livrable : Décision de partage et de réévaluation.
Scénarios fictifs de recette
Ces cas proposés ne sont pas des observations de clients. Adaptez les données, permissions et critères à votre environnement autorisé.
| Situation à provoquer | Résultat à vérifier | Preuve à conserver |
|---|---|---|
| Une combinaison rare apparaît dans un jeu synthétique. | Examiner les possibilités de liaison avec des données accessibles, sans conclure à l’anonymat sur le seul caractère généré. | Scénario de liaison, accès utilisés, résultats et limites. |
| Le modèle respecte les moyennes mais supprime un petit sous-groupe. | Comparer les résultats du cas d’usage par sous-groupe autorisé et signaler la perte d’utilité. | Définition des groupes, effectifs et écarts pertinents. |
| Un nouveau jeu est généré après changement de source. | Rejouer les contrôles d’utilité et de confidentialité avant diffusion ; ne pas réutiliser une validation ancienne comme preuve actuelle. | Version de source, protocole et décision de diffusion. |
Fiche de travail à réutiliser
À compléter avec vos observations autorisées. Ces champs constituent une trame de travail, pas des résultats observés.
| Champ | Information à consigner |
|---|---|
| Usage | Tâche, destinataires et variables nécessaires |
| Évaluation | Référence indépendante, segments et critères |
| Divulgation | Scénarios autorisés, résultats et limites |
| Décision | Accès, propriétaire et date de revue |
Exemple d’application
Situation illustrative
Exemple fictif : un jeu de candidatures générées reproduit une combinaison rare de lieu et de parcours.
Décision et preuve attendue
L’équipe retire ce cas de la diffusion, teste l’utilité restante et choisit un accès restreint plutôt qu’une publication ouverte.
Distinguer les mécanismes
| Mécanisme | Utilité | Point de vigilance |
|---|---|---|
| Masquage | Retirer des identifiants évidents | Des combinaisons peuvent rester identifiantes |
| Génération synthétique | Produire des enregistrements artificiels | Évaluer mémorisation et utilité |
| Accès protégé | Limiter les utilisateurs et sorties | Vérifier aussi les exports |
Indicateurs de pilotage
| Indicateur | Ce qu’il mesure | Première action |
|---|---|---|
| Copies proches | Ressemblances avec les sources | Examiner les dossiers concernés |
| Utilité par segment | Résultat de la tâche définie | Signaler les groupes mal représentés |
| Sorties autorisées | Exports effectivement permis | Tester les restrictions |
Erreurs fréquentes
- Des combinaisons peuvent rester identifiantes
- Évaluer mémorisation et utilité
- Vérifier aussi les exports
Questions fréquentes
Synthétique signifie-t-il anonyme ?
Non. Évaluez contexte, techniques et possibilités de réidentification ; l’étiquette commerciale n’est pas une preuve.
Faut-il garder les cas rares ?
Seulement selon la tâche et le risque. Documentez le compromis et mesurez la qualité sur les populations rares.
Une métrique suffit-elle ?
Non. Utilité, confidentialité et couverture répondent à des questions différentes ; gardez leurs résultats séparés.
Références officielles
Date de consultation des références : . La méthode et la fiche de travail proposent des contrôles à adapter à votre contexte ; elles ne constituent pas une certification.
Pour aller plus loin
Analyses associées
