{"id":9228,"date":"2026-11-06T08:25:37","date_gmt":"2026-11-06T07:25:37","guid":{"rendered":"https:\/\/variances.eu\/?p=9228"},"modified":"2026-11-06T09:17:22","modified_gmt":"2026-11-06T08:17:22","slug":"droit-et-statistique-une-liaison-plus-que-centenaire","status":"publish","type":"post","link":"https:\/\/variances.eu\/?p=9228","title":{"rendered":"Droit et statistique : une liaison plus que centenaire"},"content":{"rendered":"

J\u00e9r\u00f4me Tassi est avocat au cabinet AGIL\u2019IT, et sp\u00e9cialiste en propri\u00e9t\u00e9 intellectuelle<\/em><\/p>\n

\u00a0<\/em>Philippe Tassi a \u00e9t\u00e9 professeur-chercheur \u00e0 l\u2019Ensae, DGA de M\u00e9diam\u00e9trie, et est actuellement membre de la Commission Nationale des Sondages<\/em><\/p>\n

\n

La statistique et la probabilit\u00e9 n\u2019ont pas pour seul objectif la compr\u00e9hension et la description du r\u00e9el\u00a0: ce sont des instruments de connaissance. Leur mode de fonctionnement et de raisonnement (observation, mod\u00e9lisation, \u2026) se retrouve dans de multiples domaines\u00a0: d\u00e9mographie, \u00e9conomie, finance, m\u00e9decine et biom\u00e9trie, marketing, physique, sciences humaines ou sociales, climatologie, etc.<\/p>\n

Elles prennent place \u00e9galement en droit o\u00f9 elles sont \u00e0 la fois objet de r\u00e9gulation,\u00a0instrument de preuve, outil de gouvernement, valeur \u00e9conomique, parfois vecteur de discrimination. Elles mesurent, quantifient ou qualifient des comportements, comme le nombre de d\u00e9lits par type donn\u00e9, agr\u00e8gent des trajectoires individuelles, fondent des politiques publiques, nourrissent des mod\u00e8les pr\u00e9dictifs ou de causalit\u00e9, \u00e9clairent des expertises judiciaires et participent \u00e0 la fabrication de d\u00e9cisions publiques ou priv\u00e9es.<\/p>\n

Statistique, probabilit\u00e9 et droit font face \u00e0 une double exigence :\u00a0contribuer au d\u00e9veloppement de la connaissance pour les deux premi\u00e8res, emp\u00eacher que cette connaissance ne transforme les n\u00e9cessaires donn\u00e9es individuelles en une atteinte aux droits fondamentaux pour le troisi\u00e8me, dans un monde devenu num\u00e9rique.<\/p>\n

Nous emploierons le mot statistique au sens tr\u00e8s large, pour parler \u00e0 la fois de recueil de donn\u00e9es et de comptage, mais aussi de probabilit\u00e9, statistique et mod\u00e9lisation. Nous allons aborder successivement le XIX\u00e8me<\/sup> si\u00e8cle, la deuxi\u00e8me partie du XX\u00e8me<\/sup> si\u00e8cle domin\u00e9e par l\u2019informatique, et le monde actuel num\u00e9rique.<\/p>\n

1 \u2013 Au dix-neuvi\u00e8me si\u00e8cle<\/strong><\/h3>\n

Deux si\u00e8cles avant le XIX\u00e8me<\/sup> si\u00e8cle, le XVII\u00e8me<\/sup> si\u00e8cle est une \u00e9poque o\u00f9 la culture \u2013 quand elle existe \u2013 est g\u00e9n\u00e9rale\u00a0; un premier exemple de lien entre droit et sciences est donn\u00e9 par Pierre de Fermat (1607 \u2013 1665)\u00a0: magistrat, commissaire aux requ\u00eates au parlement de Toulouse, puis conseiller \u00e0 la premi\u00e8re chambre des enqu\u00eates, de 1631 \u00e0 1637, et il devient alors conseiller \u00e0 la chambre de l\u2019\u00e9dit, \u00e0 Castres\u00a0; mais Fermat est \u00e9galement c\u00e9l\u00e8bre pour ses \u00e9nonc\u00e9s math\u00e9matiques (sa derni\u00e8re \u00ab\u00a0intuition\u00a0\u00bb, d\u00e9nomm\u00e9e le \u00ab\u00a0grand th\u00e9or\u00e8me de Fermat\u00a0\u00bb, ne sera d\u00e9montr\u00e9e qu\u2019en 1994) (Singh [17]).<\/p>\n

\"\"

Enonc\u00e9 du \u00ab\u00a0grand th\u00e9or\u00e8me de Fermat\u00a0\u00bb (1670, r\u00e9\u00e9dition) Observatio Domini Petri de Fermat<\/p><\/div>\n

Si Fermat s\u2019int\u00e9resse \u00e0 la fois au droit et aux sciences, il ne les met pas en relation. Le langage commun entre le droit et la statistique remonte a minima<\/em> au XIX\u00e8me<\/sup> si\u00e8cle.<\/p>\n

Un nom en est le symbole\u00a0: celui de Sim\u00e9on Denis Poisson (1781 \u2013 1840). C\u2019est un math\u00e9maticien fran\u00e7ais, \u00e0 la fois ouvert aux th\u00e9ories math\u00e9matiques et aussi \u00e0 leurs applications en physique, en astronomie, et en droit. Entrant major \u00e0 l\u2019Ecole Polytechnique en 1798 (il a 17 ans), il en deviendra professeur en 1806.<\/p>\n

 <\/p>\n

\"\"

Sim\u00e9on Denis Poisson\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 Premi\u00e8re page du livre de Poisson (1837)<\/p><\/div>\n

\u00a0<\/em>En 1837, il publie aux Editions Bachelier, 55 quai des Augustins, \u00e0 Paris, un ouvrage m\u00ealant droit et statistique, intitul\u00e9 \u00ab\u00a0Recherches sur la probabilit\u00e9 des jugements en mati\u00e8re criminelle et en mati\u00e8re civile<\/em>\u00a0\u00bb, en cinq chapitres. C\u2019est dans cette publication qu\u2019appara\u00eet la c\u00e9l\u00e8bre loi de Poisson comme processus de d\u00e9nombrement d\u2019\u00e9v\u00e9nements de m\u00eame nature survenant par unit\u00e9 de temps, le mot loi \u00e9tant \u00e0 prendre non pas dans le sens l\u00e9gal mais au sens math\u00e9matique.<\/p>\n

Les quatre premiers chapitres sont des \u00e9l\u00e9ments de probabilit\u00e9 \u2013 Poisson est passionn\u00e9 de p\u00e9dagogie, de vulgarisation et de transmission \u2013, le cinqui\u00e8me est intitul\u00e9 \u00ab\u00a0Application des r\u00e8gles g\u00e9n\u00e9rales des probabilit\u00e9s aux d\u00e9cisions des jurys et aux jugements des tribunaux\u00a0<\/em>\u00bb.<\/p>\n

Dans la table des mati\u00e8res de son imposant ouvrage (415 pages, dont 97 pour le seul chapitre 5), il pr\u00e9cise sa vision\u00a0:<\/p>\n

\u00ab\u00a0On d\u00e9termine les probabilit\u00e9s qu\u2019un accus\u00e9 sera condamn\u00e9 ou acquitt\u00e9 \u2026..\u00a0 par des jur\u00e9s dont chacun a une probabilit\u00e9 de ne pas se tromper, et en ayant \u00e9gard \u00e0 la probabilit\u00e9, ainsi donn\u00e9e, de la culpabilit\u00e9 qui avait lieu avant le jugement. Par la r\u00e8gle de la probabilit\u00e9 des causes ou des hypoth\u00e8ses, on d\u00e9termine \u00e9galement la probabilit\u00e9 que l\u2019accus\u00e9, ainsi condamn\u00e9 ou acquitt\u00e9, est coupable ou innocent.<\/em>\u00a0\u00bb\u00a0 <\/em><\/p>\n

La probabilit\u00e9 des causes (probabilit\u00e9 conditionnelle\u00a0: P(A\/B) et P(B\/A)) \u00e0 laquelle Poisson fait allusion est une innovation majeure du XVIII\u00e8me<\/sup> si\u00e8cle, due au pasteur et math\u00e9maticien anglais Thomas Bayes (1702 \u2013 1761). Ce r\u00e9sultat sera publi\u00e9 apr\u00e8s sa mort, en 1763, et fait toujours partie des bases des mod\u00e8les les plus r\u00e9cents de la math\u00e9matique statistique.<\/p>\n

En outre, la liaison entre droit et statistique est confirm\u00e9e car, en bas de la page 318, Poisson fait r\u00e9f\u00e9rence au math\u00e9maticien russo-ukrainien Mikha\u00efl Ostrogradski (1801 \u2013 1862) qui a trait\u00e9 le m\u00eame sujet en 1834, dans le cadre de l\u2019Acad\u00e9mie de Saint Petersbourg. Ostrogradski a \u00e9t\u00e9 enseignant au Lyc\u00e9e Henri IV \u00e0 Paris et il conna\u00eet bien Poisson, qui a \u00e9t\u00e9 son co-directeur de th\u00e8se avec Cauchy.<\/p>\n

Certes, les \u00e9crits de Poisson sont tr\u00e8s math\u00e9matis\u00e9s\u00a0(et difficilement lisibles pour l\u2019\u00e9poque tant il est virtuose) ; il commence par \u00e9tudier le cas d\u2019un seul jur\u00e9, avec le calcul de la probabilit\u00e9 de condamnation de l\u2019accus\u00e9, ainsi que la probabilit\u00e9 que le jur\u00e9 ne se trompe pas. Il passe ensuite au cas de deux jur\u00e9s, puis de trois (ce qui lui permet d\u2019aborder les notions d\u2019unanimit\u00e9 ou de majorit\u00e9 de d\u00e9cision), et enfin de n jur\u00e9s avec des majorit\u00e9s variables de d\u00e9cision. Ses \u00e9quations sont souvent complexes, int\u00e9grant de nombreux param\u00e8tres qu\u2019il convient d\u2019estimer (mais les m\u00e9thodes d\u2019estimation sont alors balbutiantes).<\/p>\n

En fin de XIX\u00e8me<\/sup> si\u00e8cle, mentionnons \u00e9galement un article publi\u00e9 en 1891 par Fernand Faure dans la Revue Internationale de l\u2019Enseignement (Tome 22), intitul\u00e9 \u00ab\u00a0La statistique dans les Facult\u00e9s de droit<\/em>\u00a0\u00bb. Faure (1853 \u2013 1929) est avocat, docteur en droit et agr\u00e9g\u00e9, professeur d\u2019\u00e9conomie\u00a0; il est aussi homme politique. La Revue est publi\u00e9e par la Soci\u00e9t\u00e9 de l\u2019Enseignement Sup\u00e9rieur, dont le pr\u00e9sident est Marcellin Berthelot, membre de l\u2019Institut et s\u00e9nateur. Faure y expose les d\u00e9finitions de la statistique et ses fonctions, dans le contexte des \u00e9changes et d\u00e9bats de l\u2019\u00e9poque.<\/p>\n

\"\"

Revue Internationale de l\u2019Enseignement, 1891<\/p><\/div>\n

Rappelons que la statistique, en cette fin de dix-neuvi\u00e8me si\u00e8cle, est essentiellement de nature administrative\u00a0: le premier Bureau de la Statistique voit le jour en 1801, puis revient sous l\u2019appellation Statistique G\u00e9n\u00e9rale de la France (SGF) en 1833\u00a0puis Service national des Statistiques pendant la deuxi\u00e8me guerre mondiale, avant la cr\u00e9ation de l\u2019INSEE en 1946.<\/p>\n

Elle devient peu \u00e0 peu une science proche de la recherche math\u00e9matique dans la deuxi\u00e8me partie de XIX\u00e8me <\/sup>si\u00e8cle, par exemple gr\u00e2ce aux avanc\u00e9es du belge Adolphe Quetelet (1796 \u2013 1874) ou des britanniques Francis Galton (1822 \u2013 1911) et Karl Pearson (1857 \u2013 1936) puis, au d\u00e9but du si\u00e8cle suivant avec les travaux de Sir Ronald Fisher (1890 \u2013 1962), Jerzy Neyman 1894 \u2013 1981), Egon Pearson (1895 \u2013 1980), puis les d\u00e9buts de la mod\u00e9lisation avec l\u2019\u00e9conom\u00e9trie en 1933.<\/p>\n

2 \u2013 Le virage des ann\u00e9es 1950\u00a0: secret statistique et respect de la vie priv\u00e9e<\/strong><\/h3>\n

Apr\u00e8s la Deuxi\u00e8me Guerre mondiale, la relance \u00e9conomique et industrielle devient vite une r\u00e9alit\u00e9. L\u2019informatique commence \u00e0 se d\u00e9velopper, m\u00eame lentement : en juin 1968, il y a 3268 ordinateurs en France. Les math\u00e9matiques appliqu\u00e9es se d\u00e9veloppent, des entreprises (EDF, Air France, etc) cr\u00e9ent les premiers d\u00e9partements de Recherche Op\u00e9rationnelle\u00a0; en \u00e9t\u00e9 1956, la d\u00e9nomination \u00ab\u00a0intelligence artificielle\u00a0\u00bb na\u00eet lors du Congr\u00e8s de Dartmouth, aux Etats-Unis. En outre, les r\u00e9flexions conduisant \u00e0 Internet et au num\u00e9rique, apparues d\u00e8s 1945, deviennent peu \u00e0 peu r\u00e9alit\u00e9 dans les ann\u00e9es 60\u00a0: l\u2019e-mail date de 1971, le protocole TCP\/IP de 1978, Microsoft est fond\u00e9e en 1975, Apple en 1976 (Bush [4], Licklider [11]).<\/p>\n

La r\u00e9volution qui d\u00e9bute va soulever de nouvelles questions de secret, de s\u00e9curit\u00e9 et de protection.<\/p>\n

2.1 \u2013 La construction du cadre juridique<\/em><\/strong><\/h5>\n

La loi de 1951<\/em><\/p>\n

La statistique publique fran\u00e7aise se red\u00e9finit et se structure avec l\u2019apparition de l\u2019INED en 1945 et de l\u2019INSEE en 1946, atouts majeurs de la statistique publique fran\u00e7aise \u00ab\u00a0moderne\u00a0\u00bb, dont les mots-cl\u00e9s sont recensement, classement (nomenclatures), mesure, \u00e9valuation, pr\u00e9vision, sans oublier les directions statistiques des divers minist\u00e8res.<\/p>\n

D\u00e8s 1951, droit et statistique se rapprochent par la loi n\u00b051-711 du 7 juin portant sur l\u2019obligation, la coordination et le secret en mati\u00e8re de statistiques publiques, avec la notion d\u2019\u00ab\u00a0impossibilit\u00e9 d\u2019identification\u00a0\u00bb, l\u2019interdiction de communiquer des donn\u00e9es confidentielles obtenues par le service public, \u00e0 l\u2019exception de certaines finalit\u00e9s scientifiques ou historiques.<\/p>\n

Ainsi, pour les personnes physiques, les donn\u00e9es personnelles, familiales, priv\u00e9es sont interdites de communication dans un d\u00e9lai de soixante-quinze ans. Dans le cas des entreprises, aucun r\u00e9sultat ne peut \u00eatre obtenu par cumul pour un p\u00e9rim\u00e8tre de moins de trois entreprises ou si une entreprise repr\u00e9sente au moins 85 % de l\u2019indicateur faisant l\u2019objet de l\u2019agr\u00e9gation. Croiser un secteur d\u2019activit\u00e9 \u00e0 un niveau fin, une taille d\u2019entreprise et des crit\u00e8res d\u2019exportation n\u2019est donc pas toujours possible.<\/p>\n

La loi de 1951 concerne la statistique publique\u00a0; son importance est n\u00e9anmoins majeure car elle a introduit des notions qui seront ult\u00e9rieurement reprises et \u00e9tendues, et elle a apport\u00e9 aux personnes r\u00e9pondant aux enqu\u00eates des premi\u00e8res garanties de confiance.<\/p>\n

La loi de 1978<\/em><\/p>\n

La fin des ann\u00e9es 1960 et le d\u00e9but des ann\u00e9es 1970 sont marqu\u00e9s par le d\u00e9veloppement de l\u2019informatique, de la recherche op\u00e9rationnelle et de l\u2019intelligence artificielle.<\/p>\n

En 1974, appara\u00eet un projet appel\u00e9 Safari (Syst\u00e8me automatis\u00e9 pour les fichiers administratifs et le r\u00e9pertoire des individus) dont l\u2019objectif est de mettre en connexion les fichiers nominatifs des administrations.<\/p>\n

La r\u00e9flexion soci\u00e9tale et politique qui s\u2019ensuit conduit \u00e0 la loi n\u00b078-17 du 6 janvier 1978 relative \u00e0 l’informatique, aux fichiers et aux libert\u00e9s. Celle loi fixe les r\u00e8gles de protection de la vie priv\u00e9e dans l\u2019usage de fichiers de donn\u00e9es \u00e0 caract\u00e8re personnel (DCP), et cr\u00e9e la Commission nationale de l\u2019informatique et des libert\u00e9s (CNIL), autorit\u00e9 administrative ind\u00e9pendante.<\/p>\n

La mission de la CNIL est initialement d\u2019\u00e9viter que l\u2019informatique nuise \u00e0 la vie priv\u00e9e des citoyens et citoyennes, \u00e0 leurs libert\u00e9s individuelles et publiques. L\u2019arriv\u00e9e d\u2019internet et des big data est \u00e0 l\u2019origine d\u2019am\u00e9nagements ult\u00e9rieurs de la loi de 1978.<\/p>\n

2.2 \u2013 Prot\u00e9ger donn\u00e9es et individus<\/em><\/strong><\/h5>\n

Dans les ann\u00e9es 70, avec la confirmation de l\u2019informatique, des mod\u00e8les de comportement et de leur validation via les \u00ab\u00a0bases de donn\u00e9es\u00a0\u00bb (on ne parle pas encore des big data<\/em> car le monde num\u00e9rique n\u2019existe pas encore au niveau du grand public), deux approches naissent, compl\u00e9mentaires, pour prot\u00e9ger les donn\u00e9es\u00a0et ceux qui les engendrent : les techniques et les r\u00e8gles juridiques.<\/p>\n

A – La protection math\u00e9matique des data<\/strong><\/h6>\n

Le pr\u00e9curseur s\u2019appelle Tore Dal\u00e9nius (1917-2002). Il travaille \u00e0 l\u2019Institut de Statistique su\u00e9dois et s\u2019int\u00e9resse \u00e0 diverses questions statistiques relevant de l\u2019\u00e9chantillonnage ou de la participation \u00e0 une base de donn\u00e9es (Dalenius [6]).<\/p>\n

Sur ce dernier sujet, Dalenius postule le principe suivant, qui semble bien naturel\u00a0:<\/p>\n

\u00ab\u00a0Acc\u00e9der \u00e0 une base de donn\u00e9es ne doit pas permettre d\u2019apprendre plus de choses sur un individu que ce qui pourrait \u00eatre appris sans acc\u00e8s \u00e0 cette base de donn\u00e9es.\u00a0<\/em>\u00bb<\/p>\n

Ainsi, si X(i) est la valeur d\u2019une variable X pour l\u2019individu r\u00e9pondant i, et si la publication d\u2019un agr\u00e9gat statistique T permet de d\u00e9terminer la valeur X(i) plus pr\u00e9cis\u00e9ment que sans acc\u00e8s \u00e0 T, alors il y a faille de confidentialit\u00e9.<\/p>\n

Ce principe est rapidement mis en d\u00e9faut par l\u2019existence d\u2019information auxiliaire. Par exemple, consid\u00e9rons une base de donn\u00e9es contenant les tailles d\u2019\u00e9chantillons d\u2019hommes adultes de plusieurs nationalit\u00e9s, dont l\u2019Italie. Nous disposons d\u2019une information auxiliaire\u00a0: \u00ab\u00a0l\u2019individu J fait 2 cm de plus que l\u2019italien moyen\u00a0\u00bb. On en d\u00e9duit donc imm\u00e9diatement la taille de J.<\/p>\n

Le seul acc\u00e8s \u00e0 l\u2019information auxiliaire donne peu d\u2019\u00e9l\u00e9ments sur l\u2019individu J, et le r\u00e9sultat d\u2019impossibilit\u00e9 ne d\u00e9pend pas du fait que J contribue \u00e0 la base de donn\u00e9es ou pas.<\/p>\n

Un th\u00e9or\u00e8me \u00e9tablit que si S d\u00e9signe un m\u00e9canisme de protection d\u2019une base de donn\u00e9es et F une faille dans cette protection. Pour toute base de donn\u00e9es, il existe toujours une information auxiliaire Z telle que\u00a0Z toute seule n\u2019a pas d\u2019utilit\u00e9 pour un \u00ab\u00a0adversaire\u00a0\u00bb, mais Z combin\u00e9e avec les donn\u00e9es prot\u00e9g\u00e9es permet de trouver dans S une faille F avec une probabilit\u00e9 qui tend vers 1.<\/p>\n

Divers travaux vont \u00eatre men\u00e9s pour tenter de prot\u00e9ger \u00ab\u00a0techniquement\u00a0\u00bb les informations personnelles contenues dans une base de donn\u00e9es.<\/p>\n

Citons-en quelques-unes\u00a0:<\/p>\n

a) l\u2019anonymisation, qui consiste \u00e0 enlever de la base toutes les variables permettant d\u2019identifier directement le r\u00e9pondant.<\/p>\n

Nous reviendrons au \u00a73 sur la distinction entre ano et pseudo-nymisation. Car d\u2019autres variables peuvent permettre, par recoupement, de retrouver un individu dans un ensemble, m\u00eame imparfaitement. La loi de probabilit\u00e9 de bonne identification s\u2019\u00e9loigne de plus en plus de la loi uniforme consid\u00e9r\u00e9e alors comme la loi de \u00ab\u00a0l\u2019ignorance parfaite\u00a0\u00bb, c\u2019est-\u00e0-dire la \u00ab\u00a0meilleure\u00a0\u00bb protection,<\/p>\n

b) la destruction des donn\u00e9es, comme la suppression apr\u00e8s une p\u00e9riode conventionnelle,<\/p>\n

c) l\u2019agr\u00e9gation, qui consiste \u00e0 regrouper les donn\u00e9es individuelles en r\u00e9sultats agr\u00e9g\u00e9s\u00a0; mais les performances des mod\u00e8les math\u00e9matiques permettent une inf\u00e9rence individuelle invers\u00e9e (Homer et al. [10], Sweeney et al. [19]),<\/p>\n

d) l\u2019obscurcissement des donn\u00e9es, c\u2019est-\u00e0-dire leur alt\u00e9ration. Il y a les techniques non perturbatrices, comme masquer la valeur de certaines cellules dans un tableau de r\u00e9sultats, enlever des variables pour certains individus, partager seulement un \u00e9chantillon de donn\u00e9es extrait de la base g\u00e9n\u00e9rale de donn\u00e9es, etc\u00a0; existent \u00e9galement des m\u00e9thodes directement interventionnistes sur les donn\u00e9es, comme modifier certaines variables num\u00e9riques en les arrondissant, ou encore les transformer par des homomorphismes, ou en les bloquant par troncature \u00e0 des seuils maximum ou minimum; on peut aussi permuter les valeurs d\u2019une m\u00eame variable entre deux r\u00e9pondants, ou perturber les donn\u00e9es par un \u00ab\u00a0bruit\u00a0\u00bb b, c\u2019est-\u00e0-dire remplacer la variable X par X + b o\u00f9 b est al\u00e9atoire,<\/p>\n

e) La confidentialit\u00e9 diff\u00e9rentielle<\/p>\n

Cette notion est introduite par Cynthia Dwork de Microsoft Research et professeur affili\u00e9e \u00e0 Harvard (Dwork [7]). Sa philosophie est que\u00a0:<\/p>\n

\u00ab\u00a0la probabilit\u00e9 d\u2019une cons\u00e9quence n\u00e9gative quelconque pour l\u2019individu i \u2013 par exemple le fait que i se voie refuser un cr\u00e9dit, ou une assurance \u2013 ne peut augmenter significativement en raison de la participation de i \u00e0 une base de donn\u00e9es<\/em>\u00a0\u00bb.<\/p>\n

Son id\u00e9e est de quantifier le risque de faille dans la promesse de confidentialit\u00e9, tout en mesurant pr\u00e9cis\u00e9ment l\u2019effet de la protection des donn\u00e9es et de la vie priv\u00e9e sur la qualit\u00e9 des r\u00e9sultats et analyses statistiques, pour pouvoir promettre \u00e0 une personne appartenant \u00e0 une base de donn\u00e9es qu\u2019une tierce partie (\u00ab\u00a0l\u2019adversaire\u00a0\u00bb) ne pourra rien apprendre de plus sur elle, qu\u2019elle participe \u00e0 la base ou non.<\/p>\n

B \u2013 Le cadre juridique de protection <\/strong><\/h6>\n

Revenons \u00e0 la loi de 1978.<\/p>\n

Une donn\u00e9e \u00e0 caract\u00e8re personnel (DCP) est d\u00e9finie comme \u00e9tant \u00ab\u00a0toute information relative \u00e0 une personne physique identifi\u00e9e ou qui peut \u00eatre identifi\u00e9e, directement ou indirectement, par r\u00e9f\u00e9rence \u00e0 un num\u00e9ro d’identification ou \u00e0 un ou plusieurs \u00e9l\u00e9ments qui lui sont propres\u00a0\u00bb.<\/p>\n

Ces DCP peuvent \u00eatre conserv\u00e9es brutes ou trait\u00e9es.<\/p>\n

Un traitement est d\u00e9fini de fa\u00e7on large comme toute op\u00e9ration ou ensemble d’op\u00e9rations sur des DCP \u2026 notamment la collecte, l’enregistrement, l’organisation, la conservation, l’adaptation ou la modification, l’extraction, la consultation, l’utilisation, la communication par transmission, diffusion ou toute autre forme de mise \u00e0 disposition, le rapprochement ou l’interconnexion, ainsi que le verrouillage, l’effacement ou la destruction.<\/p>\n

La notion de traitement d\u00e9passe le langage commun puisque la notion-m\u00eame de collecte en fait partie\u00a0: recueillir une donn\u00e9e aupr\u00e8s d\u2019une unit\u00e9 d\u2019observation (individu, m\u00e9nage, entreprise, etc.) \u2013 donc la faire \u00ab\u00a0changer de sph\u00e8re\u00a0\u00bb \u2013 sans lui faire subir la moindre alt\u00e9ration est d\u00e9j\u00e0 un traitement.<\/p>\n

L\u2019enjeu n\u2019est plus seulement la pertinence et la qualit\u00e9 des donn\u00e9es recueillies, mais son effet normatif par l\u2019emploi de mod\u00e8les d\u2019une complexit\u00e9 croissante. Donn\u00e9es et mod\u00e8les peuvent conduire \u00e0 des d\u00e9cisions ayant des cons\u00e9quences juridiques ou quasi-juridiques : refus, contr\u00f4le, exclusion, surco\u00fbt, priorisation ou surveillance.<\/p>\n

La statistique ne sert plus seulement \u00e0 d\u00e9crire et \u00e0 conna\u00eetre, mais \u00e0 classer, pr\u00e9dire ou d\u00e9cider : scoring<\/em> bancaire, tarification assurantielle, d\u00e9tection et ciblage antifraude, recrutement en RH, notation de risque, orientation scolaire, attribution d\u2019aides, contr\u00f4le fiscal, police pr\u00e9dictive. Il ne faut plus alors seulement prot\u00e9ger le secret des donn\u00e9es mais lutter contre l\u2019usage d\u00e9cisionnel des donn\u00e9es et de leurs traitements.<\/p>\n

Dans cette logique, l\u2019article 10 stipule qu\u2019\u00ab aucune d\u00e9cision de justice impliquant une appr\u00e9ciation sur le comportement d’une personne ne peut avoir pour fondement un traitement automatis\u00e9 de DCP destin\u00e9 \u00e0 \u00e9valuer certains aspects de sa personnalit\u00e9. Aucune autre d\u00e9cision produisant des effets juridiques \u00e0 l’\u00e9gard d’une personne ne peut \u00eatre prise \u00e0 partir d’un traitement automatis\u00e9 de donn\u00e9es destin\u00e9 \u00e0 d\u00e9finir son profil ou \u00e0 \u00e9valuer des aspects de sa personnalit\u00e9<\/em>\u00a0\u00bb.<\/p>\n

3 \u2013 Internet, num\u00e9rique et big data<\/strong><\/h3>\n

L\u2019offre internet pour le grand public appara\u00eet en 1994. Il faudra quelques ann\u00e9es pour que la notion de mass-m\u00e9dia s\u2019applique\u00a0: \u00e9quipement des m\u00e9nages en ordinateurs, explosion de la \u00ab\u00a0bulle financi\u00e8re internet\u00a0\u00bb en 2000 (et assainissement), apparition du web 2.0, blogs, premiers r\u00e9seaux et am\u00e9nagements de l\u2019offre, et surtout la cr\u00e9ation des objets que sont le smartphone en 2007 et la tablette en 2010. En 2000, seuls 5 % des m\u00e9nages fran\u00e7ais ont acc\u00e8s au web.<\/p>\n

Point central du dispositif, la loi \u00ab\u00a0informatique et libert\u00e9s\u00a0\u00bb fait l\u2019objet d\u2019une premi\u00e8re \u00e9volution le 6 ao\u00fbt 2004, notamment sur la notion de donn\u00e9es personnelles, neuf ans apr\u00e8s la directive 95\/46\/CE du Parlement europ\u00e9en en date du 24 octobre 1995, portant sur la protection des personnes physiques \u00e0 l’\u00e9gard du traitement des donn\u00e9es \u00e0 caract\u00e8re personnel et \u00e0 la libre circulation de ces donn\u00e9es. En m\u00eame temps, les pr\u00e9rogatives de la CNIL dans ses missions d\u2019investigation, d\u2019enqu\u00eate et de sanction sont accrues.<\/p>\n

a) D\u00e9cennie 2010<\/em><\/p>\n

La d\u00e9cennie 2010 est marqu\u00e9e par diverses r\u00e9flexions et fortes avanc\u00e9es.<\/p>\n

Une premi\u00e8re, comme mentionn\u00e9 pr\u00e9c\u00e9demment, concerne le passage de la seule protection des donn\u00e9es \u00e0 la notion de traitement.<\/p>\n

Le \u00ab\u00a0droit des algorithmes\u00a0\u00bb commence \u00e0 \u00eatre r\u00e9guli\u00e8rement cit\u00e9. En t\u00e9moigne la publication par le Conseil d\u2019Etat, en septembre 2014, de \u00ab\u00a0Le num\u00e9rique et les droits fondamentaux<\/em>\u00a0\u00bb, contenant cinquante propositions portant sur le num\u00e9rique, les droits individuels et l\u2019int\u00e9r\u00eat g\u00e9n\u00e9ral (Conseil d\u2019Etat [5]).<\/p>\n

Ci-apr\u00e8s un extrait concernant les \u00ab\u00a0algorithmes pr\u00e9dictifs\u00a0\u00bb (\u00e0 mettre en lien avec la loi de 1978) :<\/p>\n

1 – Pour assurer l\u2019effectivite\u0301 de l\u2019interdiction de fonder une de\u0301cision sur la seule mise en \u0153uvre d\u2019un traitement automatise\u0301, confirmer que l\u2019intervention humaine dans la de\u0301cision doit e\u0302tre re\u0301elle et pas seulement formelle<\/em><\/p>\n

2 – Imposer aux auteurs de de\u0301cisions s\u2019appuyant sur des algorithmes une obligation de transparence sur les donne\u0301es personnelles utilise\u0301es par l\u2019algorithme et le raisonnement ge\u0301ne\u0301ral suivi par celui-ci. Donner a\u0300 la personne faisant l\u2019objet de la de\u0301cision la possibilite\u0301 de faire valoir ses observations<\/em><\/p>\n

3 – Dans le cadre de l\u2019article 44 de la loi du 6 janvier 1978 et dans le respect du secret industriel, de\u0301velopper le contro\u0302le des algorithmes par l\u2019observation de leurs re\u0301sultats, notamment pour de\u0301tecter des discriminations illicites, en renforc\u0327ant a\u0300 cette fin les moyens humains dont dispose la CNIL<\/em>.<\/p>\n

Une deuxi\u00e8me grande \u00e9volution, au niveau europ\u00e9en, est l\u2019adoption par le Parlement europ\u00e9en, le 27 avril 2016, du R\u00e8glement G\u00e9n\u00e9ral sur la Protection des Donn\u00e9es (RGPD), avec une date d\u2019entr\u00e9e en vigueur au 25 mai 2018. Son objectif est, dans le cadre du March\u00e9 Unique Num\u00e9rique de l\u2019Europe, d\u2019avancer vers une harmonisation des dispositions prises par chaque Etat en mati\u00e8re de protection. Les mots-cl\u00e9s sont protection, bien \u00e9videmment, mais aussi transparence, privacy by design<\/em>, ainsi que s\u00e9curit\u00e9 et sanction.<\/p>\n

Les personnes doivent \u00eatre inform\u00e9es des objectifs des traitements r\u00e9alis\u00e9s \u00e0 partir de leurs data<\/em>, et la notion de consentement explicite appara\u00eet, en m\u00eame temps que des droits\u00a0: droit d\u2019acc\u00e8s, de rectification, d\u2019opposition, de suppression, de limitation du traitement, etc.<\/p>\n

Le titre de DPO (Data Protection Officer<\/em>, ou D\u00e9l\u00e9gu\u00e9 \u00e0 la Protection des Donn\u00e9es) incite les organisations \u00e0 formellement se structurer autour du concept de protection. Le RGPD impose la mise en \u0153uvre op\u00e9rationnelle de toutes les mesures techniques, organisationnelles (process) ou de communication pour que soient assur\u00e9es la disponibilit\u00e9, l\u2019int\u00e9grit\u00e9, la confidentialit\u00e9 et la tra\u00e7abilit\u00e9 des DCP.<\/p>\n

Tr\u00e8s vite, les Universit\u00e9s cr\u00e9ent des dipl\u00f4mes universitaires de DPO ou de DTN (Droit et Technologies Num\u00e9riques).<\/p>\n

Dans le contexte RGPD, une troisi\u00e8me grande \u00e9tape est la sortie, le 7 octobre 2016, de la loi pour une R\u00e9publique num\u00e9rique (parfois d\u00e9nomm\u00e9e \u00ab\u00a0loi Axelle Lemaire\u00a0\u00bb, alors secr\u00e9taire d\u2019Etat au num\u00e9rique). Elle est pr\u00e9c\u00e9d\u00e9e, une grande premi\u00e8re, d\u2019une consultation num\u00e9rique publique en 2015.<\/p>\n

Tr\u00e8s amitieuse, cette loi porte, bien naturellement, sur la protection des DCP, mais aussi sur l\u2019open data<\/em>, la neutralit\u00e9 du net<\/em>, les logiciels libres, l\u2019acc\u00e8s au num\u00e9rique pour toutes et tous, ou encore la \u00ab\u00a0mort num\u00e9rique\u00a0\u00bb, c\u2019est-\u00e0-dire le devenir des donn\u00e9es d\u2019une personne suite \u00e0 sa mort.<\/p>\n

Autre suite au RGPD\u00a0: la loi \u00ab\u00a0informatique et libert\u00e9s\u00a0\u00bb est \u00e0 nouveau modifi\u00e9e le 20 juin 2018 en coh\u00e9rence avec le r\u00e8glement europ\u00e9en.<\/p>\n

b) Anonymisation et pseudonymisation<\/em><\/p>\n

Nous avons \u00e9voqu\u00e9 l\u2019anonymisation au \u00a7 2.2, A\u00a0; droit et techniques statistiques se retrouvent sur ce nouveau territoire.<\/p>\n

Le RGPD a donn\u00e9 un v\u00e9ritable statut juridique aux proc\u00e9dures d\u2019anonymisation, puisque les donn\u00e9es anonymis\u00e9es ne sont plus consid\u00e9r\u00e9es comme des donn\u00e9es personnelles, et donc ne sont plus soumises aux r\u00e8gles du RGPD. L\u2019anonymisation est cens\u00e9e \u00eatre irr\u00e9versible.<\/p>\n

Le RGPD a introduit la pseudonymisation, qui recouvre l\u2019ensemble des techniques rendant impossible l\u2019identification individuelle sans intervention d\u2019informations exog\u00e8nes.<\/p>\n

N\u00e9anmoins, l\u2019\u00e9volution des mod\u00e8les rend possible qu\u2019\u00e0 terme la probabilit\u00e9 de r\u00e9identification augmente. Le droit oblige donc \u00e0 penser la statistique non seulement comme un r\u00e9sultat, mais comme un environnement de donn\u00e9es\u00a0: donn\u00e9es suppl\u00e9mentaires, mod\u00e8les de traitement.<\/p>\n

4 \u2013 Maintenant et demain\u00a0: IA, droit d\u2019auteur, etc.<\/strong><\/h3>\n

L\u2019arriv\u00e9e de l\u2019IA et de ses potentiels a renforc\u00e9 le lien entre droit et statistique. Certes, l\u2019IA f\u00eate en 2026 son soixante-dixi\u00e8me anniversaire\u00a0; les syst\u00e8mes experts, le learning<\/em> existent depuis la fin du XX\u00e8me<\/sup> si\u00e8cle. Mais l\u2019arriv\u00e9e de l\u2019IA g\u00e9n\u00e9rative a introduit une d\u00e9mocratisation in\u00e9dite, sa facilit\u00e9 d\u2019usage imm\u00e9diat faisant tr\u00e8s souvent oublier \u2013 effet d\u2019atrophie cognitive \u2013 ses fondements statistiques pr\u00e9sents dans les mod\u00e8les LLM (Belliat, Morgensztern [3]).<\/p>\n

L\u2019Union Europ\u00e9enne s\u2019est empar\u00e9e de ce nouveau domaine d\u00e8s octobre 2020, et l\u2019adoption d\u2019une r\u00e9solution vot\u00e9e \u00e0 une tr\u00e8s grande majorit\u00e9.<\/p>\n

Citons-en deux extraits. Le premier \u00e9met des principes directeurs\u00a0que l\u2019on pourrait r\u00e9sumer par le fait que l\u2019homme doit, en toutes circonstances, \u00ab\u00a0garder la main sur la machine\u00a0\u00bb, m\u00eame si cette derni\u00e8re est enrichie et augment\u00e9e par une IA. Ces axes majeurs sont : \u00ab\u00a0une intelligence artificielle centr\u00e9e sur l\u2019humain et d\u00e9velopp\u00e9e par l\u2019homme\u00a0; la s\u00e9curit\u00e9, la transparence et la responsabilit\u00e9\u00a0; des garanties contre les pr\u00e9jug\u00e9s et la discrimination, le droit de recours, la responsabilit\u00e9 social et environnementale ; le respect de la vie priv\u00e9e et de la protection des donn\u00e9es.<\/em>\u00a0\u00bb<\/p>\n

Le second extrait pr\u00e9cise que \u00ab\u00a0les technologies d\u2019IA \u00e0 haut risque, telles que celles dot\u00e9es de capacit\u00e9s d\u2019auto-apprentissage, devraient \u00eatre con\u00e7ues de mani\u00e8re \u00e0 permettre un contr\u00f4le humain \u00e0 tout moment. Dans le cas o\u00f9 l\u2019utilisation d\u2019une fonctionnalit\u00e9 entrainerait une violation grave des principes \u00e9thiques et pourrait \u00eatre dangereuse, les capacit\u00e9s d\u2019auto-apprentissage devraient \u00eatre d\u00e9sactiv\u00e9es et un contr\u00f4le humain total devrait \u00eatre r\u00e9tabli.<\/em>\u00a0\u00bb<\/p>\n

La r\u00e9flexion s\u2019est poursuivie et a conduit \u00e0 l\u2019adoption, en mars 2024, du r\u00e8glement europ\u00e9en sur l\u2019intelligence artificielle (AI Act<\/em>), entr\u00e9 en vigueur au 1er<\/sup> ao\u00fbt 2024, reconnaissant que les syst\u00e8mes d\u2019IA comportent des risques, class\u00e9s en quatre niveaux, et qu\u2019ils reposent sur des m\u00e9thodes statistiques ou probabilistes.<\/p>\n

\n

Bibliographie <\/strong><\/h3>\n

[1] Armatte Michel, Droesbeke Jean-Jacques, Quetelet, l\u2019\u0153uvre probabiliste<\/em>, Ined Editions, Paris, 2023<\/p>\n

[2] Barbin Evelyne, Marec Yannick, Les\u00a0recherches sur la probabilit\u00e9 des jugements\u00a0de Simon-Denis Poisson<\/em>, Histoire & Mesure, Vol. 2, n\u00b02, 1987<\/p>\n

[3] Belliat Zysla, Morgensztern Mathieu, L\u2019IA g\u00e9n\u00e9rative\u00a0: une histoire de math\u00e9matiques<\/em>, Variances.eu, 2026<\/p>\n

[4] Bush Vannevar, As we may think<\/em>, The Atlantic, Washington, July 1945<\/p>\n

[5] Conseil d\u2019Etat, Le num\u00e9rique et les droits fondamentaux<\/em>, La Documentation Fran\u00e7aise, 2014<\/p>\n

[6] Dalenius Tore, Towards a methodology for statistical disclosure contro<\/em>l, Statistik Tidskrift, Vol. 15, 1977<\/p>\n

[7] Dwork Cynthia, Differential Privacy<\/em>, Proceedings of the 33rd International Colloquium on Automata, Languages and Programming, 2006 https:\/\/link.springer.com\/chapter\/10.1007\/11787006_1<\/span><\/a><\/span><\/p>\n

[8] Faure Fernand, La statistique dans les Facult\u00e9s de droit<\/em>, Revue Internationale de l\u2019Enseignement, Tome 22, 1891<\/p>\n

[9] Garapon Antoine, Lass\u00e8gue Jean, Justice digitale<\/em>, PUF, Paris, 2019<\/p>\n

[10] Homer Nils, Szelinger Szabolcs, Redman Margot, et alii, Resolving individuals contributing trace amounts of DNA to highly complex mixtures using high-density SNP genotyping microarrays<\/em>, Plos Genetics, Ao\u00fbt 2008<\/p>\n

[11] Licklider Joseph, The computer as a communication device<\/em>, Science and Technology, Avril 1968<\/p>\n

[12] Melot Romain, Pelisse J\u00e9r\u00f4me, Prendre la mesure du droit\u00a0: enjeux de l’observation statistique pour la sociologie juridique<\/em>, Droit et soci\u00e9t\u00e9, n\u00b02, 2008<\/p>\n

[13] Poisson Sim\u00e9on Denis, Recherches sur la probabilit\u00e9 des jugements en mati\u00e8re criminelle et en mati\u00e8re civile<\/em>, Ed. Bachelier, Paris, 1837<\/p>\n

[14] Rouvroy Antoinette, Des donn\u00e9es sans personne : le f\u00e9tichisme de la donn\u00e9e \u00e0 caract\u00e8re personnel \u00e0 l\u2019\u00e9preuve de l\u2019id\u00e9ologie des big data<\/em>, in Le num\u00e9rique et les droits fondamentaux<\/em>, Etude annuelle 2014 du Conseil d\u2019Etat, La Documentation Fran\u00e7aise, 2014<\/p>\n

[15] Rouvroy Antoinette, La gouvernementalit\u00e9 algorithmique<\/em><\/a><\/span><\/span>, Colloque ENSAE Alumni <\/a>\u00ab\u00a0Intelligence Artificielle\u00a0: fiction ou actions\u00a0?\u00a0\u00bb<\/em>, 15 mars 2018, Variances.eu<\/p>\n

[16] Schneps Leila, Statistiques, probabilit\u00e9s et justice<\/em>, in Cahiers philosophiques, n\u00b0155, 2018<\/p>\n

[17] Singh Simon, Le dernier th\u00e9or\u00e8me de Fermat<\/em>, Hachette, Paris, 1999<\/p>\n

[18] Singh Simon, Histoire des codes secrets<\/em>, Jean-Claude Latt\u00e8s, Paris, 1999<\/p>\n

[19] Sweeney Latanya, Abu Akua, Winn Julia, Identifying participants in the Personal Genome Project by name<\/em>, computer science, avril 2013<\/p>\n

[20] Verdier Henry, Missika Jean-Louis, Le Business de la haine\u00a0: Internet, la d\u00e9mocratie et les r\u00e9seaux sociaux<\/em>, Calmann-L\u00e9vy, Paris, 2022)<\/p>\n

[21] Willmann Christophe, Des chiffres et des r\u00e8gles \u00e0 propos du droit et de la statistique<\/em>, in \u00ab\u00a0Science, \u00e9thique et droit\u00a0\u00bb, sous la direction de Nicole Le Douarin et Catherine Puigelier, Odile Jacob, Paris, 2007<\/p>\n

\n
Dossier Statistiques 2 – Sommaire :<\/h6>\n