IA et RGPD : entraîner un modèle sur des données de santé, ce qui est permis

L'essentiel en 30 secondes

Introduction

Tout hopital assis sur plusieurs annees de dossiers cliniques finit par poser la meme question : peut-on s'en servir pour entrainer un modele ? La reponse n'est ni un oui ni un non simple, et les projets qui calent le sont rarement pour des raisons techniques. Ils calent parce que personne n'a ecrit, assez tot, a quoi serviraient les donnees et sur quel fondement juridique.

Galeon developpe un DPI nativement concu pour l'IA avec les soignants depuis 2016, utilise dans 19 hopitaux dont 2 CHU. Nous travaillons donc dans cette contrainte au quotidien, plutot qu'a cote d'elle.

Une chose a retenir : le RGPD n'interdit pas d'entrainer une IA sur des donnees de sante, il interdit de le faire sans finalite documentee et sans base legale valide.

Que dit reellement le RGPD sur les donnees de sante ?

La donnee de sante releve des categories particulieres de l'article 9. Son traitement est interdit par principe, et ne devient licite que si l'une des exceptions de l'article 9.2 s'applique. En contexte hospitalier, trois voies reviennent le plus souvent : la fourniture de soins, la recherche scientifique d'interet public, et le consentement explicite.

Ces voies ne sont pas interchangeables. Soigner un patient et entrainer un modele sur son dossier sont deux finalites differentes, et la premiere n'autorise pas la seconde. C'est precisement la que la plupart des projets derapent : des donnees collectees licitement pour le soin sont traitees comme si elles etaient librement disponibles pour autre chose.

Quelle base legale fonctionne vraiment pour l'entrainement ?

En pratique, l'essentiel de l'entrainement d'IA sur donnees de sante en France passe par un cadre de recherche plutot que par un consentement individuel. Le consentement rassure mais s'adapte mal a l'echelle : il doit etre libre, specifique, eclaire et revocable, et un modele deja entraine ne peut pas facilement desapprendre un participant.

La voie recherche a sa propre mecanique. La CNIL publie des methodologies de reference auxquelles un projet peut se declarer conforme, ce qui evite une autorisation au cas par cas. Un projet qui entre dans l'une d'elles avance vite. Un projet qui n'y entre pas doit obtenir une autorisation specifique, et le calendrier change considerablement. Savoir dans quelle situation on se trouve doit arriver avant la premiere ligne de code, pas apres les premiers resultats.

Anonymisation ou pseudonymisation ?

Cette distinction determine tout le poids reglementaire d'un projet, et c'est celle qu'on confond le plus.

Une donnee pseudonymisee a vu ses identifiants directs remplaces, mais la reidentification reste possible. Elle reste une donnee personnelle, et le RGPD s'applique pleinement. Une donnee anonyme ne peut raisonnablement etre rattachee a une personne par quiconque, et elle sort du champ du RGPD.

Le probleme est qu'une anonymisation reelle est difficile sur des donnees cliniques. Un diagnostic rare, un parcours de soins atypique, une date precise croisee avec une zone geographique : la richesse est exactement ce qui rend la donnee de sante utile a l'IA, et exactement ce qui la rend reidentifiable. Traiter un jeu pseudonymise comme s'il etait anonyme est l'erreur la plus courante et la plus couteuse du domaine.

Ou se situe l'AI Act ?

L'AI Act ajoute des obligations, il ne remplace pas le RGPD. Les deux s'appliquent et repondent a des questions differentes : le RGPD demande si vous pouvez traiter cette donnee, l'AI Act demande si ce systeme peut etre mis sur le marche et utilise. Un modele peut etre parfaitement conforme au RGPD et rester en deca des exigences de l'AI Act, et l'inverse est tout aussi possible.

Un point merite de la prudence plutot que de l'enthousiasme : l'AI Act prevoit une ouverture etroite pour traiter des donnees sensibles dans le but precis de detecter et corriger des biais, sous conditions strictes. C'est une disposition ciblee, pas une autorisation generale de reutiliser des donnees de sante pour entrainer.

L'apprentissage distribue change-t-il l'equation ?

Les approches qui gardent les donnees dans chaque etablissement et ne partagent que des mises a jour de modele reduisent reellement un risque : le transfert massif de dossiers vers un entrepot central. C'est un gain net en securite et en souverainete.

Cela ne supprime pas pour autant l'obligation de base legale. Le modele apprend toujours de donnees personnelles, meme si elles ne quittent pas l'hopital, donc la finalite doit toujours etre definie et justifiee. L'architecture reduit l'exposition. Elle ne remplace pas la conformite, et toute affirmation contraire merite d'etre regardee de pres.

Limites et points de vigilance

• La reutilisation est une finalite nouvelle : une donnee collectee licitement pour le soin n'est pas automatiquement disponible pour la recherche ou l'entrainement.
• Le consentement s'adapte mal a l'echelle : la revocabilite cohabite difficilement avec un modele deja entraine.
• L'anonymisation est une affirmation a prouver : pas une case a cocher, et la donnee clinique y resiste.
• La qualite des donnees conditionne tout : des dossiers non structures compliquent a la fois l'IA et la documentation de conformite.
• Les cadres evoluent : methodologies de reference et recommandations sont mises a jour, verifiez la version en vigueur.

FAQ

Faut-il le consentement des patients pour entrainer un modele ?
Pas necessairement. Un cadre de recherche est souvent la voie la plus praticable, mais il a ses propres exigences et ne se presume pas davantage.

Si on anonymise, sort-on du RGPD ?
Seulement si la donnee est reellement anonyme, c'est-a-dire si la reidentification n'est pas raisonnablement possible par quiconque. Sur des donnees cliniques, le seuil est eleve et doit etre demontre.

Peut-on reutiliser les donnees de soin puisqu'on les a collectees licitement ?
Non. Une collecte licite pour le soin n'autorise pas une autre finalite. La reutilisation doit se justifier pour elle-meme.

Une opposition patient bloque-t-elle tout ?
Le droit d'opposition doit etre traite, ce qui est bien plus simple prevu en amont que rattrape apres qu'un modele existe.

Qui juge de la conformite du projet ?
Le responsable de traitement documente et repond. Anticiper le controle coute moins cher que reconstituer le dossier ensuite.

En resume

Entrainer une IA sur des donnees de sante est autorise, et ce n'est pas une zone grise. C'est une zone documentee. Ce qui fait echouer les projets n'est presque jamais le modele : c'est l'absence de finalite ecrite, la confusion entre pseudonymise et anonyme, et l'idee que soigner donnerait le droit d'entrainer. Galeon, DPI certifie HDS et aligne sur ISO 27001:2022, concu pour l'interoperabilite, structure la donnee des la saisie precisement pour que ces questions puissent recevoir une reponse plutot qu'etre evitees.

A lire ensuite : RGPD et donnees de sante, ce que tout DSI d'hopital doit savoir.

Sources

• CNIL, intelligence artificielle
• CNIL, donnees de sante
• Galeon, pourquoi l'IA depend d'abord de la qualite des donnees