Gains :
- Évaluer l'information selon sa sensibilité et distinguer le véhicule ouvert du système sécurisé avec le réflexe « demander à la classe, faire correspondre le véhicule »
- Comprendre les principes minimaux de données, de sécurité et de responsabilité de KVKK et voir que la suppression d'un nom ne suffit pas et que le contexte est l'identité.
- Capacité à adopter la discipline consistant à choisir la voie la plus sûre en cas de doute, à protéger les données sensibles au plus haut niveau et à signaler la violation de manière transparente.
Ce qu’un client vous raconte – violence, maladie, pauvreté, dépendance, secrets de famille – constitue l’information privée la plus fragile de sa vie. Il vous communique ces informations sous le couvert du secret professionnel. Cette confiance est le fondement qui permet au travail social de fonctionner ; Lorsqu'on le secoue, le client ne s'ouvre plus et le service perd sa fonction. Maintenir cette confiance à l'ère de l'intelligence artificielle a pris une nouvelle dimension : la saisie des informations d'un client dans le mauvais outil constitue désormais non seulement une violation de la vie privée, mais aussi une responsabilité légale en vertu de la KVKK (loi sur la protection des données personnelles) et peut conduire à une fuite irréversible d'informations. Dans cette unité, vous apprendrez comment protéger les données des clients à l'ère de l'IA, la logique de base du KVKK, la distinction entre véhicules ouverts et véhicules sécurisés et une discipline pratique « d'hygiène des données ».
La règle la plus élémentaire dès le départ est celle que nous répétons tout au long de ce module : aucune donnée personnelle identifiant le client ne sera saisie dans un outil d'IA public que votre institution n'a pas approuvé. Cette seule phrase est l’essence de tous les détails ci-dessous.
Résumer le KVKK pour l'assistante sociale
Le KVKK réglemente la manière dont les données personnelles (toute information qui rend une personne spécifique ou identifiable - nom, pièce d'identité, adresse, téléphone, mais aussi des informations telles que la santé, la situation familiale, le casier judiciaire) peuvent être traitées. La plupart des données que vous traitez dans le domaine du travail social sont des données personnelles sensibles (données dont la fuite est particulièrement préjudiciable, comme la santé, la vie sexuelle, la religion, l'origine ethnique, les condamnations pénales) et nécessitent la plus haute protection. La signification pratique du KVKK pour vous se résume à quelques principes :
- Limitation de la finalité et données minimales : Seules les données nécessaires sont traitées. Lors du traitement du texte dans l'IA, ne saisissez aucune information personnelle qui n'est pas requise pour le travail.
- Sécurité : Les données sont protégées contre tout accès non autorisé. Un outil public d’IA n’offre pas cette sécurité.
- Consentement et transparence : Informer le client sur la manière dont les données sont traitées. La fourniture des données d'un client à un outil externe non contrôlé n'entre dans le cadre d'aucun consentement.
- Responsabilité : en cas de violation, la responsabilité incombe à l'organisation qui traite les données et à la personne qui saisit ces données : « L'IA voulait qu'il en soit ainsi » n'est pas une défense.
Attention : La suppression de noms n'est souvent PAS une protection suffisante. Même si un nom n'est pas mentionné dans un texte, le contexte (quartier + âge + événement + date + structure familiale) peut permettre d'identifier une personne. La véritable protection n’est pas assurée par le masquage, mais par le choix du bon outil et du bon environnement.
Deux mondes : véhicule ouvert vs système sécurisé
Séparez votre utilisation de l’IA en deux mondes clairs :
1. Monde des outils publics/ouverts. Il peut être utilisé pour des tâches qui ne permettent pas d'identifier le client : questions d'information générale (« Comment rédiger un objectif SMART ? »), formation avec des exemples fictifs/anonymes, explication générale de la législation, textes de programmes qui ne désignent personne. Les données réelles des clients ne sont jamais saisies ici.
2. Le monde des données clients. Tout travail impliquant les informations d'un client réel (enregistrement, rapport, note de risque, référence) est effectué uniquement dans des systèmes sécurisés approuvés par votre institution, où les données ne fuient pas. Si un tel système n’existe pas, ce travail est effectué sans IA, avec la méthode sécurisée traditionnelle.
Confondre les deux – donner des données client réelles à l'outil ouvert – est l'erreur la plus dangereuse et la plus courante de ce module.
Étape par étape : discipline en matière d’hygiène des données
- Renseignez-vous sur la classe. Demandez avant chaque intervention : « Ce texte décrit-il le client ? Si oui, système sécurisé ; Si non, un véhicule ouvert peut être utilisé.
- Minimiser. Limitez les données saisies au minimum requis par le travail, même si le travail l'exige réellement.
- Désidentifiez-vous (et connaissez vos limites). Supprimer les identifiants si nécessaire ; mais rappelez-vous que le contexte peut aussi révéler une identité.
- Utilisez un outil approuvé. Sachez quel véhicule l'institution approuve pour quelles données et ne vous en écartez pas.
- Si vous n'êtes pas sûr, agissez comme un homme de la classe supérieure. Si vous n'êtes pas sûr qu'une donnée soit sensible ou non, choisissez le chemin le plus protégé.
- Signalez la violation. S'il y a une fuite ou une erreur, cachez-la ; Rapport selon la procédure de l'établissement. Une intervention précoce réduit les dégâts.
trois mini-cases
Cas 1 — Le contexte a trahi l'identité. Un expert a soumis un résumé de cas à l'outil ouvert, disant "J'ai supprimé les noms, c'est en sécurité maintenant." Il n'y avait pas de nom dans le texte, mais il y avait la phrase "Une femme malvoyante du quartier X, avec 3 enfants, dont le mari est en prison". Il n’y avait qu’une seule personne dans ce quartier qui correspondait à cette description – son identité était pratiquement claire. L'expert principal l'a remarqué ; Le travail a été déplacé vers le système sécurisé. Leçon : le contexte, ce sont aussi des données personnelles.
Cas 2 — La politique de données minimales a fonctionné. Il suffisait à un expert de simplifier une phrase. Au lieu de transmettre l’intégralité du fichier à l’outil, il a simplement donné cette seule phrase sans aucune information personnelle. Le travail a été fait, aucune donnée sensible n’a été divulguée. La politique de données minimales était à la fois sûre et suffisante.
Cas 3 — La déclaration précoce a réduit les dégâts. Une nouvelle recrue a accidentellement collé les informations d'un client dans un outil ouvert et l'a immédiatement remarqué. Au lieu de paniquer et de se cacher, elle l’a immédiatement signalé à son superviseur. L'institution a évalué l'incident selon la procédure KVKK, a pris les mesures nécessaires et a appris à l'employé comment l'utiliser correctement. Une notification transparente et rapide a permis d’éviter que l’incident ne dégénère.
Quatre modèles copiables
1) Contrôle en amont de la classe de données :
Évaluez le texte suivant AVANT de le traiter dans un outil d'IA : Ce texte permet-il de rendre une personne directement (nom, pièce d'identité, adresse, téléphone) OU indirectement (contexte : quartier, âge, événement, structure familiale) identifiable ? Contient-il des données sensibles (santé, religion, appartenance ethnique, casier judiciaire) ? Si oui, quelles sections ? Dites-moi si ce texte peut être rendu dans l'outil public. Texte : [coller le texte]
2) Rétrogradation aux données minimales :
Déterminez le MOINS d’informations nécessaires pour effectuer le travail suivant. Supprimez toutes les informations personnelles qui ne sont pas requises par le poste et ne laissez que la partie non identifiante requise par le poste. Répertoriez les informations que vous avez omises et pourquoi.Tâche : [décrire la tâche]Texte : [coller le texte]
3) Désidentification et contrôle du contexte :
Extrayez les identifiants (nom, pièce d'identité, adresse, téléphone, nom de l'institution) directement à partir du texte ci-dessous. Marquez également tous les éléments de contexte qui restent dans le texte (une combinaison rare de circonstances, un lieu spécifique + un événement) qui peuvent INDIRECTEMENT révéler une identité. Avant de les supprimer, évaluez si le texte permet toujours d'identifier la personne. Texte : [coller le texte]
4) Créer un exemple de formation anonyme/fictif :
Produire un exemple de cas qui ressemble à un cas réel, mais qui est complètement FICTIONNEL et n'appartient à aucune personne réelle ; Je vais l'utiliser pour la formation/pratique. Utiliser de vrais noms, lieux ou événements ; Que tout soit faux. [Sujet : évaluation initiale des soins aux personnes âgées]
Invite faible/Invite forte
Invite faible :
Je colle ci-dessous l'intégralité du dossier de ce client, cela me donnera un joli résumé. (y compris le nom, l'adresse, les informations sur la santé)
Cela revient à transmettre des données personnelles sensibles à un système externe non contrôlé – une violation du KVKK et un risque irréversible pour la vie privée. Ce n’est pas parce que le résumé est « sympa » que cette violation est justifiée.
Invite puissante :
(Uniquement dans un système sécurisé approuvé par l'établissement, ou avec un texte anonymisé.) Résumez le texte DÉ-IDENTIFIÉ ci-dessous. Je n'ai laissé aucun contexte dans le texte qui pourrait révéler le nom, l'adresse, la pièce d'identité ou l'identité. Traitez uniquement les informations requises pour la tâche. Texte : [coller le texte anonyme]
La différence : travailler avec le bon outil, avec un minimum de données anonymisées, protège la vie privée et la loi tout en accomplissant le travail.
Type de données et chemin correct
Type de données
exemple
le bon outil
Informations générales
« Qu'est-ce qu'un objectif SMART ? »
véhicule ouvert
exemple fictif
Cas de formation artificiel
véhicule ouvert
Sans identité + sans contexte
Simplification d'une phrase générale
Ouvrir le véhicule (avec précaution)
Données clients
enregistrement réel, rapport
Système sécurisé uniquement
Données de qualité spéciale
Santé, punition, ethnicité
Protection la plus élevée/système sécurisé
Note de risque/sécurité
Violence, informations sur la protection
Protection la plus élevée/système sécurisé
Erreurs courantes
- Donner des données client réelles à l’outil ouvert. L'erreur la plus dangereuse et la plus courante ; Violation du KVKK et pénétration irréversible.
- "J'ai supprimé les noms" pensant que c'est pour des raisons de sécurité. Le contexte peut trahir l'identité ; Le masquage n’est pas une protection.
- Saisir plus de données que nécessaire. Appliquer la politique de données minimales ; Donnez autant que le travail l’exige.
- Prendre des risques quand on n’est pas sûr. En cas de doute, choisissez le chemin le plus sûr, agissez comme une classe supérieure.
- Dissimulation de la violation. Un signalement précoce et transparent réduit les préjudices ; Se cacher le rend plus grand.
En résumé
La confidentialité des clients est le fondement de la confiance dans le travail social et, à l’ère de l’IA, elle devient également une obligation légale chez KVKK. La règle de base est claire : aucune donnée personnelle identifiant le client ne pénètre dans un outil public non approuvé. Gardez les deux mondes (outil ouvert vs système sécurisé) séparés, appliquez le principe du minimum de données, sachez que la suppression des noms ne suffit pas et que le contexte est l'identité, en cas de doute, choisissez le chemin le plus sûr et signalez la violation en toute transparence. La vie privée n’est pas une mesure ajoutée ultérieurement, mais un principe observé dès le début.
Tâche de candidature
Écrivez un texte de cas fictif et voyez quels éléments l'IA marque comme données personnelles/privées avec le modèle « contrôle en amont de la classe de données ». Testez ensuite avec le modèle « désidentification et vérification du contexte » pour voir si le contexte révèle toujours l'identité même après la suppression des noms. Enfin, produisez un exemple que vous pouvez utiliser en toute sécurité dans l'outil ouvert avec le modèle « Exemple de formation anonyme/fictif ».
liste de contrôle
- [ ] Avant chaque mission, « Ce texte décrit-il le client ? » J'ai demandé.
- [ ] Je traite les données des clients uniquement dans des systèmes approuvés et sécurisés.
- [ ] J'ai appliqué la politique de données minimales ; Je ne suis pas entré dans beaucoup de détails.
- [ ] Sachant que supprimer le nom ne suffit pas, j'ai également vérifié le contexte.
- [ ] En cas de doute, j'ai choisi le chemin le plus sûr et je connais la manière de signaler en cas d'infraction.