Comment protégeons-nous les données personnelles?
Dans notre monde hyperconnecté, il devient de plus en plus vital de protéger les données personnelles. Mais comment devons-nous protéger les données personnelles collectées par différentes sources, telles que les plateformes de médias sociaux et les dispositifs d’autosurveillance? La réponse réside dans la recherche d’un juste équilibre entre l’accès aux données et leur utilisation, ainsi que dans les avantages pour toutes les parties concernées. Une équipe de chercheurs du Massachusetts Institute of Technology (MIT) a conçu un jeu de cartes dans le cadre d’une expérience visant à démontrer l’influence du contexte sur les décisions. L’étude basée sur le jeu a été publiée dans la revue «Humanities and Social Sciences Communications»(s’ouvre dans une nouvelle fenêtre).
La protection des données n’est pas un jeu
«La vie privée n’a pas de valeur absolue», déclare Fàbio Duarte, chercheur principal au Senseable City Lab du MIT, dans un communiqué(s’ouvre dans une nouvelle fenêtre). «En fonction de l’application, les personnes peuvent estimer que l’utilisation de leurs données est plus ou moins invasive.» Pour évaluer les opinions de différentes personnes sur le compromis potentiel entre les avantages des solutions basées sur les données et la protection de la vie privée, les chercheurs ont développé Data Slots(s’ouvre dans une nouvelle fenêtre). Les joueurs coopèrent et s’affrontent. Plus de 2 000 participants ont essayé le jeu dans le monde: en personne dans 18 pays et en ligne dans 79. L’objectif est de «permettre aux joueurs de proposer leurs propres idées et d’évaluer les avantages et les problèmes de confidentialité des idées de leurs pairs, et ce, de manière participative», explique Carlo Ratti, directeur du Senseable City Lab. Les personnes échangent des cartes qui représentent des possibilités de données, génèrent des idées de solutions, évaluent les suggestions des autres concernant les avantages et les problèmes de confidentialité, avant de recourir à une stratégie pour trouver des applications potentielles aux données. Les cartes représentent 12 types de données, comme un profil personnel, des mesures de santé et des informations sur la localisation du véhicule, qui concernent la vie privée, le travail et les espaces publics.
Naviguer dans les méandres de la confidentialité des données
D’après certains résultats, les participants de Data Slots s’intéressent beaucoup aux données relatives à la santé et reconnaissent l’importance de l’utilisation des données environnementales au travail. Lorsque les avantages sont évidents, ils se soucient moins de la confidentialité des données. «Même en ce qui concerne les données de santé dans les espaces de travail, si elles sont utilisées de manière agrégée pour améliorer l’espace de travail, selon certaines personnes, il peut être utile de combiner les données de santé personnelles avec les données environnementales», ajoute Simone Mora, chercheuse scientifique au Senseable City Lab. Martina Mazzarello, post-doctorante au Senseable City Lab, apporte un complément d’information: «Maintenant, l’entreprise peut éventuellement intervenir pour améliorer la santé générale. Cela pourrait être invasif, mais vous pourriez en tirer des avantages.» Les villes doivent mieux comprendre ce que le public pense de la confidentialité des données. Ce n’est qu’à cette condition qu’elles pourront prendre des décisions plus éclairées sur des questions telles que la fourniture de meilleurs services de santé publique. «En fin de compte, si les villes divulguent ce qu’elles prévoient de faire avec les données, et si elles impliquent les parties prenantes résidentes pour qu’elles proposent leurs propres idées sur ce qu’elles pourraient faire, nous pourrions en tirer parti», déclare Fàbio Duarte. «Et dans ces scénarios, les préoccupations liées à la protection de la vie privée commencent à sérieusement diminuer.» Dans l’ensemble, les résultats révèlent que la perception qu’ont les citoyens de la vie privée peut changer en fonction des différents contextes et de la manière dont les données sont réellement utilisées. «Nous montrons que les valeurs attribuées aux données sont combinatoires, situationnelles, transactionnelles et contextuelles», concluent les auteurs.