Confidentialité des données dans les véhicules autonomes

I. Introduction: Qu'est-ce qu'un ensemble de données ADAS?

Un ensemble de données sur les systèmes avancés d'aide à la conduite (ADAS) est un ensemble de données utilisées dans les systèmes de conduite autonome pour faciliter la détection et la prise de décision.

L’essence d’un ensemble de données de systèmes avancés d’aide à la conduite (ADAS) s’apparente à l’apprentissage de la conduite à un débutant. En encadrant le jeune conducteur, vous le guidez à travers divers scénarios, allant de la navigation dans une rue animée de la ville à la tranquillité d'une route de campagne. Ils apprennent à interpréter et à réagir à différentes situations et à prendre des décisions basées sur ces expériences. Le rôle d'un ensemble de données ADAS reflète ce processus. Il s'agit d'un vaste recueil de situations de conduite réelles, enregistrées à l'aide de capteurs sophistiqués tels que des caméras, LiDAR et RADAR. Ces données critiques constituent l’épine dorsale de l’ADAS, lui indiquant comment comprendre et réagir de manière appropriée à diverses conditions de conduite.

L'ensemble de données ADAS fait partie intégrante de l'avenir de la conduite autonome, constituant le cœur du système qui façonne une navigation sécurisée et efficace. L'architecture ADAS implique l'intégration méticuleuse des entrées des capteurs, le traitement intelligent des données et l'orchestration stratégique des réponses.

Imaginez la complexité et la richesse des points de données collectés à partir d'une variété de capteurs tels que LiDAR, RADAR, caméras et GNSS. Cet énorme flux de données est traité en temps réel par des algorithmes avancés, permettant de prendre des décisions rapides mais éclairées, semblables à la prise de décision en une fraction de seconde d'un conducteur humain. À travers chaque scénario routier unique, ADAS continue d’apprendre et d’évoluer, démontrant ainsi la puissance de ces ensembles de données de suivi collectées.

Les progrès dans l’ADAS signifient également une feuille de route vers l’autonomie totale des véhicules. À mesure que nous passons du niveau 0 au niveau 5 d'automatisation, le rôle du conducteur diminue progressivement, transférant davantage de contrôle au véhicule lui-même. Bien que l'autonomie totale (niveau 5) n'ait pas encore été atteinte, les progrès rapides de la technologie ADAS suggèrent qu'un avenir dans lequel le véhicule disposera d'une plus grande autonomie n'est pas trop lointain.

Essentiellement, l’ensemble de données ADAS est au cœur d’un système visant à révolutionner la sécurité routière. Il incarne l’effort collaboratif de la technologie avancée et de la créativité humaine pour améliorer la sécurité routière et les expériences de conduite. Alors que nous constatons une augmentation du nombre de véhicules équipés d'ADAS sur les routes, il est clair que nous ne vivons pas simplement un changement technologique ; nous participons à un mouvement mondial vers des expériences de conduite plus sûres et plus avancées.

Comprendre l'ensemble de données ADAS est la clé de ce voyage vers la conduite autonome. Dans les sections suivantes, nous approfondirons les spécificités des technologies de capteurs, les méthodes d'interprétation des données et les différents niveaux d'automatisation ADAS. Cette exploration offrira des informations précieuses sur l’avenir de la conduite autonome, approfondissant ainsi notre compréhension de l’ADAS.

II. Comprendre l'importance de la conformité au RGPD pour les ensembles de données ADAS dans les véhicules autonomes

Naviguer dans les subtilités de la conformité au RGPD dans le domaine des systèmes avancés d’aide à la conduite (ADAS) n’est pas une mince tâche. À mesure que ces technologies prolifèrent et que les véhicules semi-autonomes deviennent plus courants, la quantité de données collectées monte en flèche. Cette augmentation de la collecte de données suscite inévitablement des problèmes de confidentialité. Par exemple, les visages et les plaques d'immatriculation, souvent capturés dans les images et vidéos ADAS, relèvent de la définition des données personnelles conformément à l'article 4 du RGPD.

La perspective juridique acceptée postule que les entités privées, telles que les constructeurs automobiles, sont autorisées à traiter des données personnelles uniquement lorsqu'il n'existe pas d'alternative raisonnable. Dans la plupart des scénarios liés à la recherche et au développement, la reconnaissance d’individus ou de véhicules spécifiques n’est pas une nécessité. Par conséquent, en l’absence de toute autre option, la minimisation des données via l’anonymisation doit être appliquée (nos articles précédents sur Qu’est-ce que le droit à l’oubli dans le RGPD? et Qu’est-ce que l’anonymisation des données? fournissent un aperçu complet de ces aspects du RGPD). Cette approche permet non seulement d'éviter d'éventuels problèmes juridiques, mais minimise également le risque de sanctions, de réactions négatives du public et d'érosion de la confiance des clients qui peuvent survenir si les données personnelles sont traitées sans raison impérieuse ou sans alternative d'anonymisation réalisable.

De plus, lorsqu’un constructeur automobile envisage de stocker ou de partager des données pour des projets futurs ou avec des sociétés tierces, des considérations similaires doivent être prises en compte. L'importance de l'anonymisation ne peut être surestimée en fait, le processus d'anonymisation complète et irréversible peut rendre l'application des réglementations RGPD non pertinente.

Même pour les universités et les centres de recherche, malgré certaines dispositions du RGPD accordant une certaine latitude pour le traitement des données à des fins d’intérêt public, de recherche scientifique ou à des fins statistiques, de tels privilèges deviennent sans objet si une anonymisation complète est possible. Il souligne en outre l’importance primordiale et les avantages d’une anonymisation approfondie et irréversible pour remplir les obligations du RGPD et préserver la confidentialité des données.

III. Comment les voitures autonomes collectent-elles des données?

Les données sont l’élément vital des véhicules autonomes. La collecte de données se fait principalement via différents capteurs dont le véhicule est équipé.

En dépouillant les couches de la technologie ADAS, nous découvrons un maillage de capteurs à multiples facettes fonctionnant sans relâche. Ces systèmes sensoriels, tout comme les sens humains, collectent des données en permanence, fournissant les informations essentielles aux fonctionnalités avancées de l'ADAS. Le régulateur de vitesse adaptatif, les avertissements de circulation, le départ et le centrage de voie et l'évitement des collisions ne sont que quelques-unes des fonctionnalités que ces données alimentent.

Les composants sensoriels clés qui composent ce système robuste comprennent:

• RADAR (Radio Detection and Ranging): Ce capteur joue un rôle déterminant dans la prévention des collisions et l'identification des piétons et des cyclistes. Il complète les systèmes de détection par caméra basés sur la vision en étant capable de détecter des objets à des distances allant jusqu'à 300 mètres.
• LiDAR (Light Detection and Ranging): ce capteur, une émanation de RADAR, exploite les lasers pour la détection d'objets en temps réel et la cartographie des distances. Les capteurs de haute qualité sont équipés de jusqu'à 128 lasers pour créer des nuages de points 3D très précis.
• V2X (Vehicle to Everything): Cette fonctionnalité favorise une communication transparente entre le véhicule et toute entité susceptible de l'affecter ou d'être affectée par celui-ci. Cela inclut les infrastructures, les réseaux, les autres véhicules, les piétons et les appareils.
• GNSS (Global Navigation Satellite System): Ce système de navigation avancé offre une précision centimétrique, condition nécessaire pour atteindre une véritable autonomie.
• Caméra: plusieurs caméras fonctionnent de concert pour fournir une vue complète des environs. Ils jouent un rôle essentiel dans la reconnaissance des panneaux de signalisation, la lecture des marquages routiers et la reconnaissance des obstacles.

Une fois les données collectées via ces capteurs, elles progressent à travers un processus complexe d’enrichissement des données, qui peut être décomposé en plusieurs étapes:

1. Collecte de données: capture initiale de données provenant de divers capteurs tels que RADAR, LiDAR, caméras, GPS/GNSS et SONAR.
2. Préparation des données: à ce stade, les données collectées sont examinées et étiquetées, et des métadonnées sont ajoutées. Ce processus d'enrichissement prépare les données pour les étapes suivantes.
3. Création d'une suite de tests: cela implique la construction de modèles, de scénarios, de simulations et de réactions anticipées.
4. Validation: le matériel et les logiciels sont testés à l'aide des suites de tests créées à l'étape précédente.
5. Analyse: une fois les tests terminés, les résultats sont examinés, les tests sont gérés et des rapports sont créés pour documenter les résultats.
6. Archivage: cette étape implique la conservation à long terme des données, permettant une utilisation future et une restauration rapide si nécessaire.
7. Utilisation: Enfin, les données enrichies sont mises à profit pour la conception et le développement, pour la formation des algorithmes ADAS et pour la création de modules.

Toutefois, les données collectées contiennent souvent des informations personnelles. Par exemple, les données visuelles collectées par les caméras peuvent inclure des images de visages et de plaques d'immatriculation. Par conséquent, des mesures telles que le flou du visage, le flou des plaques d’immatriculation et le flou des plaques de voiture doivent être prises pour garantir l’anonymisation des données et la conformité au RGPD.

Il est important de se rappeler que toutes les données collectées doivent être conformes aux principes du RGPD, comme indiqué dans notre article de blog sur la confidentialité dès la conception et par défaut. Ce principe exige que les mesures de protection des données soient intégrées dans la conception des systèmes de collecte de données.

IV. Principaux défis pour garantir la conformité au RGPD dans les ensembles de données ADAS pour les données des véhicules et des bus

L'intégration de la conformité au RGPD dans les ensembles de données ADAS présente de nombreux défis. Pour commencer, le volume et la complexité des données collectées par les véhicules autonomes sont énormes, ce qui rend difficile leur surveillance et leur gestion efficaces. Avec diverses entrées de capteurs, notamment les caméras, LiDAR, RADAR et GNSS, il existe une abondance de points de données pouvant contenir des informations personnellement identifiables (PII).

Ces informations personnelles pourraient inclure les caractéristiques du visage, les plaques d'immatriculation et même la localisation géographique des individus, tous capturés par les capteurs d'un véhicule autonome. Par conséquent, la conformité au RGPD devient un défi de taille lorsque vous devez constamment flouter les visages et les plaques d'immatriculation, anonymiser les données et les protéger contre d'éventuelles violations.

De plus, la nature multinationale des constructeurs automobiles complique encore davantage l’application du RGPD. Le règlement est une loi européenne, mais de nombreuses entreprises opèrent à l’échelle mondiale. Garantir la conformité au RGPD pour les véhicules autonomes dans différentes juridictions peut s'avérer une tâche ardue. L'impact du RGPD sur les ensembles de données ADAS est considérable, et la compréhension de ces réglementations RGPD pour les voitures autonomes est primordiale pour toute entreprise du secteur.

V. Quels sont les problèmes de confidentialité liés aux voitures autonomes?

L’ère des véhicules autonomes s’accompagne d’importants problèmes de confidentialité. La nature inhérente de la connectivité continue de ces véhicules et les ensembles de données des systèmes avancés d'aide à la conduite (ADAS) qu'ils collectent soulignent plusieurs défis en matière de confidentialité.

Les ensembles de données ADAS constituent un trésor de données personnelles, qui comprend, sans toutefois s'y limiter, des images de visages, des plaques d'immatriculation et des données de localisation hautement sensibles. Le potentiel d’utilisation abusive de ces informations est énorme, surtout si elles tombent par inadvertance entre des mains sans scrupules. Bien que des mesures de protection telles que le flou des visages et des plaques d'immatriculation soient en place, le risque pour la vie privée est indélébile, compte tenu de la nature granulaire des données collectées.

Les violations de données constituent une autre menace importante. Si des pirates informatiques compromettaient les véhicules autonomes, ils pourraient exploiter les données personnelles contenues dans le véhicule ou manipuler les systèmes du véhicule, entraînant ainsi des conséquences dangereuses. En conséquence, la sécurité des données dans les voitures autonomes est d’une importance capitale, nécessitant des garanties strictes.

Cependant, résoudre les problèmes de confidentialité dans les véhicules autonomes nécessite une compréhension approfondie du règlement général sur la protection des données (RGPD), en particulier lors du traitement des données personnelles. Le consentement sert généralement de base juridique pour le traitement des données personnelles et, pour les données sensibles, il s'agit d'une exception à l'interdiction générale (Art 7, Art 9, RGPD).

Cette question a été soulignée par Maria Cristina Gaeta, chercheuse à l'Université Suor Orsola Benincasa de Naples [Voir: Gaeta M.C. (2017), La question de la protection des données dans l'Internet des objets, en particulier en ce qui concerne les voitures autonomes, DIRITTO MERCATO TECNOLOGIA. pp. 1-20, ISSN: 2239-7442].

Consent, though, poses unique challenges in the context of autonomous vehicles. For instance, in an emergency at lower automation levels (level 3), constant solicitation of consent could jeopardize safety. In scenarios involving Vehicle-to-Infrastructure (V2I) and Vehicle-to-Vehicle (V2V) communication, instantaneous data exchange is necessary, leaving no room for obtaining user consent.

Further complicating the situation is the fact that autonomous vehicles gather data not only about the driver but also about passengers and possibly individuals outside the vehicle. Traditional consent models fail to accommodate such instances, indicating the imperative necessity of personal data processing in this context.

This complexity necessitates the extensive application of data protection regulations to highly automated cars. It calls for sector-specific legislation for autonomous vehicles to successfully navigate the path towards full automation.

According to GDPR, express consent is one of the lawful bases for processing personal data, with specific exceptions in cases of personal data categories, profiling, and personal data transfers to third countries or international organisations (recital 32, Art 9, Art 22, Art 49 para 1, lett a, GDPR).

Recital 32 of the GDPR recognises any explicit, positive act indicating user consent for personal data processing, such as online consent, as lawful. However, there exist certain actions associated more closely with implied consent, particularly in electronic means, which do not fit neatly within the 'positive act' definition. Moreover, in specific scenarios as highlighted in the Proposal for a Regulation on Privacy and Electronic Communications, consent is not a requisite, thereby highlighting the complexity of the matter.

In conclusion, privacy issues are paramount in the self-driving cars domain, necessitating careful scrutiny and application of regulations such as the GDPR. To ensure the safe, efficient, and ethical operation of these vehicles, privacy challenges need to be addressed head-on with robust and sector-specific legislative frameworks.

(Reference: Gaeta, M.C. (2017). The issue of data protection in the Internet of Things with particular regard to self-driving cars. DIRITTO MERCATO TECNOLOGIA, pp. 1-20, ISSN: 2239-7442.)

VI. Stratégies pour maintenir la conformité au RGPD dans les ensembles de données ADAS pour la conduite autonome

Malgré les défis, plusieurs stratégies peuvent être adoptées pour maintenir la conformité au RGPD dans les ensembles de données ADAS. La confidentialité doit être au cœur des activités de collecte et de traitement des données. Cela fait partie d'un principe plus large connu sous le nom de « Confidentialité dès la conception et par défaut », que nous avons abordé dans un article de blog séparé.

L’une des principales stratégies consiste à minimiser la collecte de données. Ne collectez que ce qui est nécessaire au bon fonctionnement de l’ADAS. De plus, des techniques d’anonymisation robustes, telles que le floutage des visages, le flou des plaques d’immatriculation et d’autres méthodes de masquage des données, peuvent contribuer à protéger les informations personnelles.

Des audits et des contrôles de conformité réguliers sont essentiels pour maintenir la conformité au RGPD de manière continue. Une approche systématique de la tenue des dossiers peut également s’avérer utile, comme indiqué dans notre article de blog sur l’enregistrement des activités de traitement.

La mise en œuvre de ces stratégies peut grandement améliorer la conformité au RGPD et contribuer à éviter les sanctions sévères associées au non-respect.

VII. Comment vérifier si un ensemble de données de suivi collectées est conforme au RGPD?

Déterminer si un constructeur automobile adhère aux règles du RGPD peut être une tâche complexe en raison de la nature de l'ADAS et de son vaste ensemble de données. Cependant, plusieurs indicateurs peuvent aider à évaluer leur état de conformité. Le premier endroit à consulter est leur politique de confidentialité. Le RGPD exige de la transparence de la part des entreprises sur la manière dont elles collectent, traitent et stockent les données. Une politique de confidentialité complète et claire suggère généralement un engagement à respecter le RGPD.

Examinez ensuite l’infrastructure de protection des données de l’entreprise. Des processus d’anonymisation robustes, comme le floutage des visages, le floutage des plaques d’immatriculation et l’anonymisation générale des données, sont de bons signes. Vérifiez également s’ils disposent d’un système pour répondre aux demandes et aux violations de données, un élément essentiel de la conformité au RGPD.

Le rôle d'un délégué à la protection des données (DPD) est crucial pour maintenir la conformité au RGPD des systèmes d'aide à la conduite. Un DPD désigné suggère les efforts sérieux d'une entreprise pour se conformer au RGPD.

Finalement, la preuve est dans le pudding. Si une entreprise a des antécédents de violations du RGPD ou de violations de données, c'est un signal d'alarme.

VIII. Combien de temps pouvez-vous stocker les données ADAS de la suite de capteurs dans le cadre du RGPD?

Les règles du RGPD sur le stockage des données sont claires: les données personnelles ne doivent être conservées que le temps nécessaire aux fins pour lesquelles elles ont été collectées. Cependant, définir « nécessaire » dans le contexte des ensembles de données ADAS peut s'avérer difficile.

Le fonctionnement continu des véhicules autonomes et le besoin de données pour améliorer leurs performances et leur sécurité pourraient justifier une conservation prolongée des données. Pourtant, les entreprises doivent mettre cela en balance avec les réglementations RGPD et le droit à la vie privée des individus.

Le principe de minimisation des données, comme nous l’avons évoqué dans notre article de blog sur l’anonymisation des données, est ici un bon guide. Il conseille de collecter uniquement les données nécessaires, de les utiliser uniquement aux fins prévues et de les conserver uniquement le temps nécessaire.

IX. Défis éthiques pour les ensembles de données IA et ADAS

Si le RGPD fournit un cadre juridique pour le traitement des ensembles de données ADAS, les considérations éthiques jouent également un rôle important. Les véhicules autonomes, propulsés par l’IA, posent des défis éthiques uniques auxquels la société doit faire face.

La principale préoccupation est la confidentialité. Malgré tous les efforts déployés pour brouiller les visages et anonymiser les données, la collecte constante de données par les véhicules autonomes soulève de profonds problèmes de confidentialité.

Une autre question éthique concerne la prise de décision dans des situations mettant la vie en danger. En cas d’accident potentiel, comment doit réagir un véhicule autonome ? La façon dont elle répondra sera dictée par l’IA, qui à son tour est entraînée à l’aide d’ensembles de données ADAS. Cela soulève d’autres questions sur la manière dont ces ensembles de données sont créés, traités et utilisés.

Comme indiqué dans un article récent sur Tooploox, certaines des principales questions éthiques liées aux ensembles de données ADAS comprennent:

• Le premier problème est le problème de la raison-effet dans les ensembles de données ADAS. Ces systèmes prennent souvent des décisions basées sur des modèles qu'ils trouvent dans les données. Cependant, ils peuvent parfois confondre corrélation et causalité. Par exemple, si un système ADAS est formé principalement sur les données collectées pendant la journée, il risque de ne pas fonctionner aussi efficacement la nuit. Cela pourrait conduire à des résultats potentiellement dangereux.
• Une autre préoccupation éthique découle du caractère inhumain inhérent aux réseaux de neurones artificiels. Malgré leur sophistication, ces systèmes manquent d’intuition humaine et de connaissance du contexte. Cela peut conduire à des réactions imprévisibles face à des conditions routières uniques ou imprévues. Le problème de la « boîte noire » – l'incapacité de comprendre pleinement comment un modèle d'apprentissage automatique arrive à ses décisions – contribue également à ce défi.
• Les préjugés constituent un autre problème éthique crucial, car ils peuvent s’infiltrer de manière subtile dans les ensembles de données. Par exemple, si un ensemble de données ADAS est principalement composé de données provenant d’autoroutes, le système risque de ne pas être aussi efficace sur les routes rurales. Cela peut conduire à des biais involontaires et affecter la sécurité et la fiabilité des véhicules autonomes.
• La création d’ensembles de données ADAS volumineux, diversifiés et conformes à la loi se heurte également à des difficultés éthiques. Le RGPD, qui restreint l'utilisation de données personnelles ou sensibles, peut limiter les types de données pouvant être incluses dans ces ensembles de données. Cela pourrait affecter la capacité du système à apprendre et à s'adapter à un large éventail de conditions et de situations.
• Les déséquilibres entre les sexes et la représentation démographique au sein des ensembles de données ADAS peuvent également conduire à des biais. Par exemple, si la majorité des données proviennent de conducteurs masculins, le système peut ne pas comprendre ou anticiper pleinement les comportements de conduite des conductrices.
• La question de la représentation précise de la réalité dans les ensembles de données ADAS est une autre préoccupation importante. Idéalement, ces ensembles de données devraient refléter un large éventail de conditions de conduite, de types de routes et de comportements des conducteurs. Cependant, les données facilement disponibles peuvent ne pas fournir une image complète des scénarios réels, ce qui peut limiter l'efficacité des systèmes ADAS.
• Pour relever ces défis éthiques, plusieurs politiques éthiques et initiatives de gouvernance de l’IA ont été introduites. Celles-ci visent à guider le développement éthique des technologies d’IA, y compris l’ADAS. Malgré ces complexités, une chose est claire: la nécessité d’une création et d’une utilisation responsables des ensembles de données ADAS est primordiale. Ce n’est qu’en abordant attentivement ces défis éthiques que nous pourrons exploiter pleinement le potentiel des technologies ADAS, en garantissant qu’elles sont sûres, équitables et efficaces pour tous les usagers de la route.

X.Conclusion

Alors que nous naviguons dans ces eaux éthiques, il est essentiel que les développeurs et les régulateurs s'engagent dans un dialogue continu pour garantir que les technologies ADAS respectent non seulement les exigences juridiques mais également les exigences éthiques. Équilibrer le progrès technologique avec la confidentialité et l’éthique sera la clé de notre voyage vers un avenir rempli de véhicules autonomes.

Garantir la conformité au RGPD dans les ensembles de données ADAS pour les véhicules autonomes est un processus complexe et à multiples facettes. Cependant, avec une compréhension approfondie des principes du RGPD et les bonnes stratégies en place, cela est réalisable. Les défis en matière de confidentialité dans les véhicules autonomes ne sont certainement pas insurmontables.

D'un point de vue juridique, l'approche la plus prudente et la plus efficace pour garantir la conformité au RGPD dans les ensembles de données ADAS consiste à les purger complètement de leurs données personnelles. Ce processus, souvent appelé « nettoyage des données », implique la suppression ou l'anonymisation systématique des données qui pourraient potentiellement enfreindre les réglementations en matière de confidentialité.

Pour vous aider dans cette démarche, il existe des solutions logicielles spécialisées qui peuvent automatiser le processus de désinfection des données à l’échelle industrielle. L'une de ces solutions est Gallio PRO, un logiciel basé sur l'IA qui peut être exécuté sur un serveur ou un ordinateur de bureau. Le principal avantage de cette solution est sa capacité à fonctionner entièrement sur site. Cela contraste fortement avec les alternatives basées sur le cloud, car les solutions sur site offrent par nature une plus grande assurance que les activités de traitement des données sont conformes aux exigences strictes du RGPD.

Avis de non-responsabilité: les informations fournies dans cet article sont uniquement à des fins d'information générale et ne constituent pas des conseils juridiques. Nous ne sommes pas des praticiens du droit et, à ce titre, cet article ne doit pas être utilisé comme substitut à un avis juridique professionnel. Dans chaque cas spécifique, nous vous recommandons fortement de consulter un avocat qualifié pour répondre à vos préoccupations juridiques uniques et garantir le respect des lois et réglementations applicables.