Que sont les données de tiers ?

Données de tiers : définition

Les données de tiers sont des informations concernant une personne autre que celle qui formule une demande, fournit un document ou constitue autrement le sujet principal d’un dossier. Dans le cadre de l’anonymisation d’images et de vidéos, elles désignent généralement les informations relatives à d’autres personnes identifiables apparaissant sur la même photographie ou séquence vidéo.

Par exemple, une personne peut demander une copie d’images de vidéosurveillance montrant un incident dans lequel elle est impliquée. Ces images peuvent également montrer des témoins, des employés, des visiteurs, des occupants de véhicules, des visages à l’arrière-plan et des plaques d’immatriculation lisibles. Les informations permettant d’identifier ces autres personnes constituent des données de tiers par rapport au demandeur. Avant de communiquer, partager, publier ou réutiliser les images pour une nouvelle finalité, l’organisation doit déterminer si ces tiers doivent être masqués.

Les données de tiers constituent une notion opérationnelle de protection de la vie privée, et non une catégorie légale unique assortie d’une définition universelle. Leur traitement dépend de la finalité du traitement, du destinataire, de la législation applicable en matière de protection des données, des règles relatives aux documents publics, des obligations contractuelles et du risque qu’une personne puisse être identifiée à partir de l’image ou de la vidéo.

Les données de tiers dans les images et les séquences vidéo

Dans les contenus visuels, les données de tiers peuvent être directement visibles ou déduites du contexte de l’enregistrement. L’examen préalable au masquage doit donc prendre en compte les identifiants évidents, mais aussi les éléments susceptibles d’identifier une personne lorsqu’ils sont associés à d’autres informations disponibles.

  • Visages : un visage peut permettre d’identifier un témoin, un client, un employé, un patient, un étudiant ou toute autre personne présente dans la scène.
  • Plaques d’immatriculation : une plaque d’immatriculation peut être reliée au propriétaire ou à l’utilisateur d’un véhicule au moyen de registres ou d’autres informations accessibles au destinataire.
  • Éléments contextuels permettant l’identification : un lieu distinctif, un véhicule, des vêtements, une fonction, un horodatage ou une succession d’événements peuvent rendre une personne identifiable, même si son visage est partiellement masqué.
  • Contenu sensible visible : des documents, badges nominatifs, écrans d’ordinateur, tatouages et logos d’entreprise peuvent nécessiter un examen lorsqu’ils révèlent des informations personnelles ou confidentielles.

La détection de visages et la détection de plaques d’immatriculation constituent des premières étapes utiles, mais elles ne permettent pas de déterminer si une communication est licite. Elles repèrent les zones visuelles susceptibles de nécessiter un masquage. Un examinateur qualifié doit évaluer les images, le destinataire prévu et toute dérogation applicable à la communication.

Quand les données de tiers doivent être masquées

Le masquage est généralement nécessaire lorsqu’une communication révélerait des informations identifiables concernant une personne qui n’est pas autorisée à les recevoir et qu’aucune base juridique, aucun consentement, aucune dérogation ni aucune obligation de communication applicable n’autorise cette divulgation. L’étendue du masquage requis ne correspond pas toujours à celle de la détection automatique.

Un examen opérationnel peut suivre les étapes suivantes :

  1. Identifier le demandeur, le destinataire et la finalité autorisée de la communication.
  2. Déterminer si l’image ou la vidéo contient des personnes autres que le demandeur.
  3. Repérer les identifiants directs, notamment les visages et les plaques d’immatriculation.
  4. Examiner les éléments contextuels susceptibles d’identifier un tiers après communication.
  5. Appliquer un masquage irréversible, un recadrage, un remplacement ou toute autre méthode d’occultation appropriée.
  6. Effectuer un contrôle qualité sur le fichier exporté, y compris sur les images vidéo adjacentes et les changements de scène.
  7. Documenter les critères de décision sans conserver de données personnelles inutiles dans les journaux de traitement.

Dans une vidéo, le masquage doit être maintenu sur chaque image où la personne ou le véhicule est visible. Un masque qui manque ne serait-ce qu’un faible nombre d’images peut exposer le tiers concerné. Le suivi dans le temps, la gestion des changements de scène et la vérification visuelle finale sont donc des éléments importants du processus.

Qualité de la détection et qualité du masquage

Les performances de détection et les performances de masquage sont liées, mais distinctes. Un modèle peut détecter la plupart des visages tout en produisant une copie inadaptée à la communication si les masques sont mal positionnés, trop petits ou absents après une occultation ou un changement de scène.

Indicateur

Signification pour les données de tiers

Conséquence pratique

Rappel

La proportion de visages ou de plaques pertinents détectés par le système.

Un faible rappel crée un risque que des données de tiers restent visibles.

Précision

La proportion de zones détectées qui correspondent réellement à des visages ou à des plaques.

Une faible précision augmente le masquage inutile et le travail de vérification.

Couverture du masque

Le fait que le masquage couvre intégralement la zone visuelle permettant l’identification.

Une couverture partielle peut laisser visibles des caractéristiques distinctives.

Continuité entre les images

Le maintien de l’efficacité du masquage sur des images consécutives.

Des défaillances peuvent exposer une personne pendant un déplacement, une occultation ou un mouvement de caméra.

Le rappel peut s’exprimer ainsi : TP / (TP + FN), où TP correspond au nombre de zones cibles correctement détectées et FN au nombre de zones cibles non détectées par le système. Dans les processus de communication, les détections manquées présentent généralement un risque plus élevé pour la vie privée que les fausses détections. Le National Institute of Standards and Technology (NIST) décrit la précision et le rappel comme des mesures d’évaluation standard pour les tâches de recherche d’information et de détection.

Automatisation et examen manuel

Le floutage automatique des visages et des plaques d’immatriculation peut réduire le volume de travail manuel dans d’importantes collections d’images et de vidéos. Toutefois, l’automatisation doit être configurée comme une étape d’un processus de masquage contrôlé, et non considérée comme une décision juridique.

Gallio PRO détecte automatiquement et floute les visages et les plaques d’immatriculation dans les processus pris en charge de traitement d’images et de vidéos. Gallio PRO ne détecte pas automatiquement les logos d’entreprise, les tatouages, les badges nominatifs, les documents ou les contenus affichés sur des écrans. Ces éléments peuvent être masqués manuellement à l’aide de l’éditeur manuel intégré lorsque l’évaluation de la communication les identifie comme des données de tiers ou des contenus confidentiels.

Normes et références

Les sources suivantes appuient une approche fondée sur les risques pour identifier et protéger les données de tiers dans les contenus visuels. Elles ne remplacent pas l’évaluation juridique d’une demande de communication spécifique.

Voir aussi