La confidentialité dès la conception dans la capture de démonstrations humaines
Les données de démonstration égocentriques enregistrent un vrai visage, un vrai domicile et une vraie voix : ce sont des données personnelles par construction. Traitez la confidentialité comme une spécification de capture, pas comme une politique.
Une personne enfile un rig de capture et se prépare une cafetière dans sa propre cuisine. La caméra frontale voit ses mains sur le moulin, ce qui est précisément le but. Elle voit aussi l’enfant à table, la lettre posée face visible sur le plan de travail avec une adresse personnelle, un visage à demi reflété dans la bouilloire, et elle entend un appel téléphonique dans la pièce voisine. Chacun de ces éléments est un détail que la policy du robot n’utilisera jamais, et chacun d’eux constitue une donnée personnelle sur un être humain réel.
Telle est la forme dérangeante des données de démonstration humaine égocentriques. Pour apprendre à un robot comment une main se déplace réellement, vous enregistrez une personne réelle accomplissant une tâche réelle dans un lieu réel. Le signal que vous recherchez, les mains, l’objet et les forces, arrive soudé à un flux de choses que vous n’avez aucune raison de conserver : identité, localisation, personnes présentes, paroles. Vous ne pouvez pas capturer le premier sans capturer le second.
La confidentialité n’est donc pas un document de politique que l’on joint après le tournage. C’est une propriété du rig de capture, du pipeline sur site et du schéma, décidée avant que quiconque n’appuie sur enregistrer. Traitez-la comme une spécification d’ingénierie et elle devient gérable. Traitez-la comme le problème du service juridique et vous vous retrouverez à reconstruire le consentement d’images déjà livrées, ce qui est la façon la plus coûteuse d’apprendre la leçon.
Pourquoi ces images sont des données personnelles par construction
Selon le GDPR, une donnée personnelle est toute information se rapportant à une personne identifiée ou identifiable. Un enregistrement à la première personne de quelqu’un en train de cuisiner franchit ce seuil plusieurs fois dans une seule image. Son visage est identifiable. Sa voix l’est aussi, de même que l’intérieur de son domicile, la rue à travers une fenêtre, parfois un écran affichant son nom. Les personnes présentes qui n’ont jamais donné leur accord sont elles aussi identifiables, et elles ne se sont pas engagées à entraîner un robot.
Les traits biométriques élèvent l’enjeu. Un visage et une empreinte vocale relèvent des catégories particulières de données, que le GDPR protège plus strictement qu’un simple nom. L’EU AI Act laisse tout cela en vigueur et y ajoute ses propres obligations de gouvernance des données. Aucun des deux régimes ne se soucie du fait que ces images aient été collectées pour entraîner une pince. La finalité ne blanchit pas les données personnelles pour les transformer en quelque chose d’anonyme.
Deux pipelines : la confidentialité dès la conception contre le « récupérer et espérer »
Il existe en gros deux façons de constituer un corpus de démonstration humaine, et elles divergent dès la toute première étape.
Le pipeline du « récupérer et espérer » optimise le volume. Récupérez de la vidéo à la première personne partout où l’on peut en trouver, ou enregistrez sans rigueur pour trier ensuite, puis poussez les images brutes vers un stockage central et occupez-vous des visages et du consentement quand l’avocat d’un client posera la question. C’est rapide, c’est bon marché le premier jour, et cela accumule une responsabilité qui croît avec chaque clip. Le stockage brut devient l’actif le plus sensible que possède l’entreprise, alors qu’il n’a jamais été conçu pour cela.
La confidentialité dès la conception inverse l’ordre. L’article 25 du GDPR le nomme directement, la protection des données dès la conception et par défaut, ce qui signifie que les garde-fous vivent dans le système, et non dans une réunion de revue. Le consentement est recueilli avec l’enregistrement. Les visages et les voix sont retirés avant que les images ne quittent l’appareil. Le corpus qui atteint le cluster d’entraînement n’a jamais été une donnée personnelle au repos, parce que la couche identifiante a été retirée à la périphérie. Les deux pipelines peuvent produire un jeu de données d’apparence semblable. Un seul survit à un audit sans réentraînement.
On ne peut pas anonymiser un checkpoint. Tout détail identifiant que le rig de capture a laissé passer est gravé dans les poids, et aucune politique a posteriori ne le fera ressortir.
Les cinq contrôles, et ce qui casse en l’absence de chacun
La confidentialité dès la conception n’est pas un slogan. C’est une courte liste de contrôles concrets à mettre en œuvre au moment de la capture. Chacun protège quelque chose de précis, et chacun présente un mode de défaillance qui se manifeste plus tard si vous le négligez.
| Contrôle | Ce qu’il protège | Mode de défaillance s’il est négligé |
|---|---|---|
| Consentement documenté au moment de la capture | La base légale du sujet et l’étendue de l’usage | Aucune base légale pour l’ensemble du corpus, et un retrait que vous ne pouvez pas honorer |
| Anonymisation du visage et de la voix à la source | Identité biométrique du sujet et des personnes présentes | Des données de catégorie particulière livrées et stockées, si bien qu’une fuite expose des visages, pas des tenseurs |
| Minimisation des données : garder la tâche, écarter la pièce | Intérieur du domicile, documents, tiers | Un contexte sensible conservé indéfiniment sans aucune valeur d’entraînement |
| Traitement à la périphérie ou sur l’appareil | Le flux brut lui-même | Les images brutes en transit et au repos deviennent la responsabilité la plus sensible qui soit |
| Provenance par session | Traçabilité pour l’effacement et l’audit | Une demande de suppression devient une recherche forensique sans index |
Lisez la colonne de droite comme une liste d’incidents en attente de se produire. Aucun n’est exotique. Chacun est le coût direct et prévisible du déplacement d’un contrôle en aval, du rig vers un script de nettoyage, du moment de la capture vers celui de l’audit.
L’anonymisation est un problème de préservation du signal
C’est ici que l’ingénierie devient intéressante, car la version naïve détruit les données pour lesquelles vous êtes venu. Floutez tout et vous avez protégé le sujet tout en jetant les mains. La tâche consiste à supprimer l’identité tout en préservant le signal de manipulation, et ces deux éléments résident dans des régions différentes de l’image. Les visages, les personnes présentes et les documents en arrière-plan peuvent être masqués ou fortement floutés. Les mains, les objets, les points de contact et la vue au poignet doivent rester nets au pixel près, car c’est là tout l’enregistrement.
La voix relève d’une décision à part. La parole porte une empreinte vocale et souvent des noms, des adresses et des conversations de tiers. Pour la plupart des tâches de manipulation, le canal audio qui compte est le son de contact, le déclic d’un loquet ou le raclement d’un tiroir, et non le langage. Supprimez la parole, gardez l’audio de contact, et vous retirez un identifiant sans rien perdre de ce vers quoi la policy régresse.
Il y a une frontière juridique qu’il vaut la peine de bien tracer. L’European Data Protection Board établit une distinction nette entre anonymisation et pseudonymisation. Un floutage réversible, ou un identifiant haché qui peut être ré-associé, relève de la pseudonymisation, et une donnée pseudonymisée reste une donnée personnelle au sens du GDPR. La véritable anonymisation, où la ré-identification n’est plus raisonnablement possible, fait sortir la donnée du champ d’application. Cette différence décide si votre corpus est un actif de données personnelles soumis à gouvernance ou un jeu de données ordinaire, c’est donc un objectif de conception, pas une case à cocher.
L’effacement est un problème de schéma, pas une requête de suppression
Le consentement au sens du GDPR est révocable, et le droit à l’effacement est réel. Un sujet peut revenir un an plus tard et demander que sa contribution soit retirée. Si votre seul index est un bucket de dix mille fichiers vidéo nommés par horodatage, l’honorer relève d’un projet forensique. Si chaque session porte un enregistrement de provenance, identifiant du sujet, version du consentement, date de capture, rig et chaîne de traitement, comme un pair de première classe des tenseurs, alors l’effacement se réduit à une requête et à une réexportation.
C’est ici que l’angle de la confidentialité et l’angle de la provenance se rejoignent. Des jeux de données comme Ego4D et Ego-Exo4D ont bâti exactement cet échafaudage : accords de participants signés, passes de désidentification et métadonnées par clip, précisément parce que les images brutes à la première personne sont inutilisables à grande échelle sans cela. Ils sont la preuve d’existence qu’une capture égocentrique consentie et traçable est possible. Ils prouvent aussi la quantité de structure délibérée que cela exige. L’échafaudage n’est pas une surcharge que l’on ajoute aux données. Il est de plus en plus la ligne de partage entre un jeu de données que vous pouvez livrer et un que vous ne pouvez pas.
La confidentialité dans la capture de démonstrations humaines n’est pas une contrainte greffée sur le travail intéressant. Elle fait partie du travail intéressant. Le rig qui enregistre les mains d’une personne enregistre aussi son visage, son domicile et sa voix, et la seule question est de savoir si vous avez décidé quoi en faire avant la première image ou après le premier audit. Les équipes qui décident tôt obtiennent un corpus qu’elles peuvent défendre. Les équipes qui décident tard obtiennent un réentraînement, ou une suppression qu’elles ne peuvent pas réaliser. Concevez-la dès la capture, et la confidentialité cesse d’être ce qui ralentit les données. Elle devient la raison pour laquelle ces données valent la peine d’être détenues.