[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-120373-fr":3,"doc-seo-120373-114":30,"detail-sidebar-cat-0-fr-114":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":4,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},120373,549768702563,"Sage","https://ap-avatar.wpscdn.com/avatar/8000c4aa63b76e948b?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786536092046926083",64,"Recherche & Rapport","Privacy-Enhancing Technologies et machine learning - Une analyse par le prisme du droit de la protection des données","Article centrant la réflexion sur les Privacy-Enhancing Technologies (PETs) appliquées au machine learning : anonymisation, pseudonymisation, confidentialité différentielle, apprentissage fédéré et chiffrement homomorphe. L’étude analyse l’impact de ces mécanismes sur la protection des données et montre comment ils soutiennent la conformité à la LPD et au RGPD. La démarche relie l’expertise technique à l’analyse juridique et met en avant le principe de protection des données dès la conception, tout en identifiant les débats nécessaires pour encadrer légalement le développement de l’IA.","Privacy-Enhancing Technologies et machine learning  \nUne analyse par le prisme du droit de la protection des données  \nIago Baumann *  \nmots clefs Artificial Intelligence –Machine Learning – Data protection – Privacy-by-Design – Privacy-enhancing  \ntechnologies (PETs)– Homomorphic Encryption – Federated Learning – Differential Privacy  \nZusammenfassung Der Beitrag untersucht die wichtigsten Datenschutztechnologien (Privacy-Enhancing Technologies, PETs) im Bereich des maschinellen Lernens – Anonymisierung, Pseudonymisierung, differenzielle Privatsphäre, föderiertes Lernen und homomorphe Verschlüsselung – und bewertet deren Einfluss auf den Datenschutz. Durch die Verbindung technischer und juristischer Perspektiven wird gezeigt, wie diese Werkzeuge zur Einhaltung des DSG und der DSGVO beitragen können, insbesondereim Sinne des Prinzips des Datenschutzes durch Technikgestaltung. Auch wenn klare de lege lataAntworten schwer zu fassen sind, hebt die Studie konkrete Lösungen für Verantwortliche hervor und wirft zugleich grundlegende Fragen zur rechtlichen Regulierung der KI-Entwicklung auf.  \nRésumé Cet article examine les principales technologies de préservation de la vie privée (PETs) appliquées au  \nmachine learning – anonymisation, pseudonymisation, confidentialité différentielle, apprentissage fédéré, chiffrement homomorphe – et évalue leur impact sur la protection des données. Encroisant approche technique et analyse juridique, il montre comment ces outils peuvent soutenirla conformité à la LPD et au RGPD, notamment via le principe de protection des données dès la conception. S’il reste difficile de donner des réponses tranchées de lege lata, l’étude met en lumièredes solutions concrètes à la disposition des responsables de traitement, tout en soulevant les débats à mener pour encadrer juridiquement le développement de l’IA.  \nAbstract This article examines the main privacy-enhancing technologies (PETs) applied to machine learning –  \nanonymisation, pseudonymisation, differential privacy, federated learning, and homomorphic encryption – and assesses their impact on data protection. By combining a technical approach with legal analysis, it shows how these tools can support compliance with the Swiss DPA and the GDPR, particularly through the principle of data protection by design. While it remains difficult to provide definitive answers de lege lata, the study highlights concrete solutions available to data controllers, while also raising key debates on the legal framework needed to govern the development of AI.  \nI. Introduction  \nL’intelligence artificielle (ci-après : IA) est devenue incontournable depuis quelques années, perçue comme unerévolution technologique capable d’augmenter l’efficacité et de réduire les coûts dans tous les domaines. Il s’agitgénéralement de systèmes basés sur du machine learning (ou apprentissage automatique), une technique visant à trouver des tendances au sein de grands volumes de données, dont souvent des données personnelles au sens de laloi sur la protection des données1 (ci-après : LPD) suisse  \n* Iago Baumann, Doctorant en droit à l’Université de Neuchâtel, membre du LexTech Institute, MLaw.  \nCette contribution est publiée sous une licence Creative Commons. DOI de cet article: 10.3256/978-3-03929-084-0_02.  \n1 Loi fédérale sur la protection des données du 25 septembre 2020 (LPD ; RS 235. 1), art. 5 let. a.  \nou du Règlement général sur la protection des données européen2 (ci-après : RGPD). Cette technologie peut sembler, de par son fonctionnement et son appétit en données notamment personnelles3, difficilement compatible avec  \n2 Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016 relatif à la protection des personnes physiques à l’égard du traitement des données à caractère personnel et à la libre circulation de ces données, et abrogeant la directive 95/46/CE (règlement général sur la protection des données, RGPD), art. 4(1) .  \n3 Notons qu’un modèle ne traitant que ","cbCaihP8nvaSIwvC","https://ap.wps.com/l/cbCaihP8nvaSIwvC","pdf",197882,1,13,"French","fr",114,"# Introduction\n## Intelligence artificielle et enjeux de protection des données\n## Protection des données dès la conception (privacy-by-design)\n## PETs : mesures techniques et sécurité des données","[{\"question\":\"Quelles sont les principales Privacy-Enhancing Technologies étudiées pour le machine learning ?\",\"answer\":\"L’article examine l’anonymisation, la pseudonymisation, la confidentialité différentielle, l’apprentissage fédéré et le chiffrement homomorphe, puis évalue leur effet sur la protection des données.\"},{\"question\":\"En quoi les PETs aident-elles à la conformité avec la LPD et le RGPD ?\",\"answer\":\"En reliant approche technique et analyse juridique, l’étude montre que ces outils peuvent soutenir la conformité, notamment grâce au principe de protection des données dès la conception.\"},{\"question\":\"Quel est le lien entre PETs et sécurité des données ?\",\"answer\":\"Les PETs sont décrites comme des mesures techniques visant à préserver la protection des données et à contribuer à la sécurité en aidant à maintenir la confidentialité, l’intégrité, la disponibilité et la résilience des systèmes.\"}]","Privacy-Enhancing Technologies et machine learning - Une analyse par le prisme du droit de la protection des données | PDF",1785729713,20,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"privacy-enhancing-technologies-et-machine-learning-an-analysis-through-the-lens-of-data-protection-law","",{"@graph":36,"@context":85},[37,54,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/fr/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/fr/document/recherche-rapport/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/fr/document/privacy-enhancing-technologies-et-machine-learning-an-analysis-through-the-lens-of-data-protection-law/120373/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":62,"encodingFormat":61,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-03",true,{"@type":65,"interactionType":66,"userInteractionCount":4},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"Quelles sont les principales Privacy-Enhancing Technologies étudiées pour le machine learning ?","Question",{"text":75,"@type":76},"L’article examine l’anonymisation, la pseudonymisation, la confidentialité différentielle, l’apprentissage fédéré et le chiffrement homomorphe, puis évalue leur effet sur la protection des données.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"En quoi les PETs aident-elles à la conformité avec la LPD et le RGPD ?",{"text":80,"@type":76},"En reliant approche technique et analyse juridique, l’étude montre que ces outils peuvent soutenir la conformité, notamment grâce au principe de protection des données dès la conception.",{"name":82,"@type":73,"acceptedAnswer":83},"Quel est le lien entre PETs et sécurité des données ?",{"text":84,"@type":76},"Les PETs sont décrites comme des mesures techniques visant à préserver la protection des données et à contribuer à la sécurité en aidant à maintenir la confidentialité, l’intégrité, la disponibilité et la résilience des systèmes.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,98,103,106,109,113,115,119,123,127],{"id":94,"doc_module":4,"doc_module_name":46,"category_name":95,"show_sort_weight":96,"slug":97},67,"Général",61,"general",{"id":99,"doc_module":4,"doc_module_name":46,"category_name":100,"show_sort_weight":101,"slug":102},66,"Art de vivre",60,"lifestyle",{"id":96,"doc_module":4,"doc_module_name":46,"category_name":104,"show_sort_weight":101,"slug":105},"Bande dessinée","comic",{"id":101,"doc_module":4,"doc_module_name":46,"category_name":107,"show_sort_weight":101,"slug":108},"Examen","exam",{"id":110,"doc_module":4,"doc_module_name":46,"category_name":111,"show_sort_weight":101,"slug":112},59,"Littérature","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":101,"slug":114},"research-report",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":101,"slug":118},58,"Récits & Romans","story-novel",{"id":120,"doc_module":4,"doc_module_name":46,"category_name":121,"show_sort_weight":101,"slug":122},65,"Religion & Spiritualité","religion-spirituality",{"id":124,"doc_module":4,"doc_module_name":46,"category_name":125,"show_sort_weight":101,"slug":126},63,"Santé & Soins","healthcare",{"id":128,"doc_module":4,"doc_module_name":46,"category_name":129,"show_sort_weight":101,"slug":130},62,"Technologie","technology"]