Comprendre la confidentialité et les données

Ce que vous apprendrez

Durée estimée : 30 minutes

À la fin de cette leçon, vous serez capable de :

Articuler les préoccupations en matière de confidentialité et évaluer les outils d'IA en fonction de leurs politiques de traitement des données
Pratiquer des stratégies d'hygiène des données pour travailler en toute sécurité avec des informations sensibles

(10 minutes)

Cette vidéo aborde l'une des préoccupations les plus courantes des professionnels des organisations à but non lucratif concernant l'IA : la confidentialité des données. Vous apprendrez ce qui se passe réellement avec les données que vous partagez avec les outils d'IA, comment évaluer différentes plateformes et forfaits en fonction de leurs protections de confidentialité, et comment préparer les données sensibles pour une utilisation sécurisée de l'IA.

Points clés à retenir

L'IA introduit de nouvelles considérations en matière de confidentialité—particulièrement autour de l'entraînement : Certaines IA utilisent vos entrées pour entraîner les modèles futurs, ce qui signifie que les modèles de vos données pourraient influencer les résultats futurs.
Différents outils ont des règles différentes : L'IA gratuite que vous utilisez pour faire un brainstorm sur les thèmes d'événements n'est pas la même qu'un compte payant avec des politiques strictes de rétention des données. Adaptez votre outil à votre tâche—les outils avec plus de protection permettent un partage plus sûr des données sensibles.
L'utilisation sûre de l'IA ne consiste pas à l'éviter—c'est l'utiliser de manière responsable : Appliquez la Sensibilisation aux Problèmes et la Sensibilisation à la Plateforme avant de commencer un nouveau projet. Souvent, vous pouvez obtenir tous les avantages de l'IA sans partager d'informations sensibles en décomposant les tâches en parties composantes
Vous pouvez souvent supprimer entièrement les informations d'identification : Pour l'analyse de modèles, vous n'avez probablement pas besoin de noms, de coordonnées ou d'autres PII. Travaillez à rebours à partir de votre objectif réel pour déterminer quelles données sont vraiment nécessaires
Si quelque chose se passe mal, vous avez des options : Supprimez la conversation, demandez la suppression des données via le processus de confidentialité de la plateforme, et suivez les protocoles de votre organisation

Une note sur les paramètres de confidentialité de Claude

Pour Claude spécifiquement, vous pouvez trouver des informations détaillées sur la politique de données à privacy. anthropic. com et trust. anthropic. com. Vous pouvez ajuster vos paramètres de confidentialité directement dans l'application Claude, notamment en refusant que vos conversations soient utilisées pour l'entraînement. Les autres fournisseurs d'IA devraient avoir des ressources similaires—s'ils ne les ont pas, cela pourrait être un signal d'alerte.

Exercice 1 : Évaluer la sensibilité des données

Cet exercice vous aide à développer un jugement sur les données qu'il est sûr de partager avec les outils d'IA.

Partie I : Examiner les données d'exemple

Choisissez l'un des scénarios suivants qui est le plus pertinent pour votre travail :

Une feuille de calcul de l'historique des dons avec noms, montants et coordonnées
Les réponses à un sondage auprès des participants au programme incluant des détails démographiques
Un brouillon de rapport de subvention contenant des histoires de bénéficiaires et des données de résultats

Partie II : Annoter pour la sensibilité

Pour votre scénario choisi, identifiez :

Quels champs ou sections contiennent des informations personnellement identifiables (PII) ?
Quelles informations sont essentielles pour l'analyse que vous souhaitez faire ?
Quelles informations pourraient être supprimées ou anonymisées sans perdre de valeur analytique ?
Quel est le pire scénario si ces données étaient exposées ?

Partie III : Planifier votre approche

Qu'enlèveriez-vous ou modifieriez-vous avant de partager avec l'IA ?
Quel outil/niveau de forfait serait approprié pour ce niveau de sensibilité ?
Quelles étapes de vérification prendriez-vous après avoir reçu l'analyse de l'IA ?

Exercice 2 : Pratiquer l'hygiène des données

Cet exercice vous guide dans la préparation réelle des données sensibles pour une utilisation sûre de l'IA.

Partie I : Choisir votre document

Sélectionnez un vrai document de votre travail qui contient des informations sensibles (ou créez un exemple réaliste). Cela pourrait être :

Un rapport de programme avec les détails des clients
Un brouillon de communication aux donateurs faisant référence à des montants de dons spécifiques
Des notes de réunion qui mentionnent des noms de personnel ou de bénévoles

Partie II : Nettoyer le document

Parcourez le document et :

Remplacez les noms par des identifiants génériques (Personne A, Donateur 1, etc. )
Supprimez ou généralisez les détails de localisation s'ils ne sont pas essentiels
Supprimez entièrement les coordonnées
Considérez si les montants en dollars spécifiques doivent être exacts ou pourraient être des plages

Partie III : Tester avec l'IA

Partagez votre document nettoyé avec l'IA et posez une question pertinente pour votre travail. Réfléchissez :

La suppression des informations d'identification a-t-elle limité la capacité de l'IA à vous aider ?
Quel contexte supplémentaire avez-vous dû fournir pour compenser ?
Êtes-vous à l'aise avec le niveau d'information que vous avez partagé ?

Réflexion sur la leçon

Comment la réflexion sur la confidentialité de l'IA se compare-t-elle à la façon dont vous pensez déjà aux autres outils logiciels (email, stockage en nuage, CRM) ?
Quel est un changement que vous apporterez à votre approche du partage de données avec l'IA en fonction de cette leçon ?

Prochaines étapes

Dans la prochaine leçon, nous mettrons ces pratiques de confidentialité en action en explorant l'analyse de données avec l'IA—en apprenant à repérer les modèles, générer des insights, et renforcer vos programmes tout en gardant les informations sensibles protégées.

Retours

Au fur et à mesure que vous progressez dans le cours, nous aimerions avoir de vos nouvelles sur la façon dont vous utilisez les concepts du cours dans votre travail et tout retour que vous pourriez avoir. Partagez vos retours ici.

Remerciements et licence

Copyright 2025 Anthropic et Giving Tuesday. Basé sur le Cadre de Fluidité en IA développé par le Prof. Rick Dakan (Ringling College of Art and Design) et le Prof. Joseph Feller (University College Cork). Publié sous la licence CC BY-NC-SA 4. 0.