Comprendre la confidentialité et les données

Objectifs

À l’issue de cette leçon, vous serez capable de :

• Articuler les préoccupations de confidentialité et évaluer les outils IA selon leurs politiques de gestion des données
• Pratiquer des stratégies d’hygiène des données pour travailler en sécurité avec des informations sensibles

Ce qui se passe avec vos données

La confidentialité des données est l’une des préoccupations les plus fréquentes des professionnels associatifs face à l’IA — et à juste titre. Une association manipule des informations que les gens lui ont confiées dans un cadre précis : coordonnées de donateurs, situations personnelles de bénéficiaires, réponses de sondages. Avant de partager quoi que ce soit avec un outil d’IA, il faut comprendre ce qu’il advient de ces données.

Le premier point à comprendre concerne l’entraînement des modèles. Certains outils IA utilisent vos saisies pour entraîner leurs modèles futurs, ce qui signifie que des motifs issus de vos données pourraient influencer les productions ultérieures du système. Ce n’est pas une raison de paniquer, mais c’est une raison de lire les politiques de chaque outil avant de lui confier autre chose que des informations publiques.

Le deuxième point : différents outils obéissent à différentes règles. L’IA gratuite que vous utilisez pour brainstormer des thèmes d’événements n’offre pas les mêmes protections qu’un compte payant assorti de politiques strictes de rétention des données. La conséquence pratique est simple : adaptez l’outil à la tâche. Chercher des idées de titre pour votre gala annuel peut se faire n’importe où ; analyser les réponses d’un sondage de bénéficiaires exige un outil dont les protections sont à la hauteur de la sensibilité des données.

Troisième point, et c’est peut-être le plus important : l’usage responsable de l’IA ne consiste pas à l’éviter, mais à l’utiliser judicieusement. Retrouvez ici deux compétences de la Délégation : la Conscience du problème et la Conscience de la plateforme. Avant de commencer un nouveau projet, demandez-vous ce que vous cherchez vraiment à obtenir et ce que votre outil fait de vos données. Vous découvrirez souvent que vous pouvez tirer pleinement parti de l’IA sans partager aucune information sensible, simplement en décomposant la tâche : demander à l’IA de construire une trame de rapport ne nécessite aucune donnée réelle, et vous n’insérez les chiffres qu’ensuite, de votre côté.

Dans le même esprit, l’anonymisation résout la majorité des cas restants. Pour une analyse de tendances dans vos dons ou vos inscriptions bénévoles, vous n’avez probablement pas besoin des noms, des coordonnées ni des autres données personnelles : les motifs se voient tout aussi bien sur des données anonymisées. Le bon réflexe est de partir de votre objectif réel et de vous demander quelles données sont réellement nécessaires pour l’atteindre — la réponse est presque toujours « moins que ce que contient le fichier ».

Et si malgré tout vous avez partagé quelque chose que vous n’auriez pas dû ? Des recours existent : supprimez la conversation, demandez la suppression des données via le processus de confidentialité de la plateforme, et suivez les protocoles internes de votre organisation, comme vous le feriez pour tout incident touchant des données.

Note sur les paramètres de confidentialité de Claude

Pour Claude spécifiquement, les politiques de données détaillées sont publiées sur privacy.anthropic.com et trust.anthropic.com. Vous pouvez ajuster vos paramètres de confidentialité directement dans l’application, y compris refuser l’utilisation de vos conversations pour l’entraînement. Les autres fournisseurs d’IA devraient proposer des ressources équivalentes — s’ils n’en proposent pas, considérez cela comme un signal d’alerte.

Exercice 1 : évaluer la sensibilité des données

Choisissez l’un des scénarios suivants, tous familiers dans une association : un tableur d’historique de dons avec noms, montants et coordonnées ; des réponses de sondage de participants au programme avec détails démographiques ; ou un brouillon de rapport de subvention contenant des témoignages de bénéficiaires et des données de résultats.

Analysez ensuite votre scénario champ par champ. Quels champs contiennent des informations personnellement identifiables (PII) ? Quelles informations sont réellement essentielles pour l’analyse souhaitée ? Lesquelles pourraient être supprimées ou anonymisées sans perte de valeur analytique ? Et quel serait le pire scénario si ces données étaient exposées — un donateur démarché par un tiers, un bénéficiaire identifiable dans un rapport public ?

Terminez en planifiant votre approche : ce que vous supprimeriez ou modifieriez avant tout partage avec l’IA, quel outil ou niveau d’abonnement serait adapté à ce niveau de sensibilité, et quelles vérifications vous feriez après avoir reçu l’analyse de l’IA.

Exercice 2 : pratiquer l’hygiène des données

Passez maintenant à la pratique sur un cas réel. Sélectionnez un vrai document de votre travail contenant des informations sensibles — ou, si vous préférez, créez un échantillon réaliste. Assainissez-le méthodiquement :

1. Remplacez les noms par des identifiants génériques (Personne A, Donateur 1…)
2. Supprimez ou généralisez les détails de localisation s’ils ne sont pas essentiels
3. Supprimez entièrement les coordonnées
4. Demandez-vous si les montants doivent être exacts ou peuvent devenir des fourchettes

Partagez ensuite le document assaini avec l’IA et posez-lui une question pertinente pour votre travail. Observez le résultat : la suppression des informations identifiantes a-t-elle limité la capacité de l’IA à vous aider ? Quel contexte supplémentaire avez-vous dû fournir pour compenser ? Et êtes-vous, au final, à l’aise avec le niveau d’information partagé ? Dans la plupart des cas, vous constaterez que l’analyse reste tout aussi utile — c’est la leçon centrale de cette pratique.

Questions de réflexion

• Comment votre réflexion sur la confidentialité avec l’IA se compare-t-elle à celle que vous appliquez à vos autres outils (e-mail, cloud, CRM) ?
• Quel changement concret apporterez-vous à votre manière de partager des données avec l’IA ?

Points clés à retenir

• L’IA introduit de nouvelles considérations de confidentialité, notamment autour de l’entraînement des modèles
• Différents outils ont différentes règles : adaptez l’outil à la sensibilité de la tâche
• L’usage responsable de l’IA ne consiste pas à l’éviter mais à l’utiliser judicieusement
• Vous pouvez souvent supprimer entièrement les informations identifiantes sans perte de valeur analytique
• En cas de problème, des recours existent : suppression de la conversation, demande de suppression des données