Isabelle Bordry, RETENCY : « L’Europe est en avance en matière de dé-identification des données » 

Spécialiste du drive to store et de la « privacy », Isabelle Retency évoque les améliorations du procédé Retency en matière de dé-identification des données, sa compétitivité vis à vis d’autres procédés basés sur les données non-anonymisées, et enfin ses bénéfices, notamment pour mesurer des audiences dans des lieux où l’obtention du consentement est impossible.

L’article Isabelle Bordry, RETENCY : « L’Europe est en avance en matière de dé-identification des données »  est apparu en premier sur MMAF.

Retency, une entreprise «  privacy first » ?

IB – Évoluant dans le secteur de l’analyse de trafic en magasin et de la performance publicitaire drive to store, Retency a été confrontée très tôt à l’impossibilité de recueillir un consentement libre et éclairé de la part des consommateurs.

Nous avons ainsi conçu un procédé qui permet l’analyse croisée de données préalablement dé-identifiées, c’est-à-dire anonymisées de façon profonde. Ce qui garantit  une confidentialité totale des données personnelles et en même temps permet d’effectuer des analyses aussi pertinentes qu’avec une donnée simplement pseudo anonymisée.

Récemment, à la demande de grandes marques et institutionnels, nous avons effectué le portage de notre technologie dans le Cloud.

Et dans les prochaines semaines, le procédé Retency sera  disponible sur les grandes marketplaces.  Il sera donc possible à tous les acteurs qui le souhaitent de dé-identifier des bases données de très grandes tailles en temps réel – ce qui est en soi une prouesse technologique – afin de pouvoir ensuite opérer leur propres analyses.

L’année 2021 sera, je crois, une année charnière, nous allons passer de l’ère de “l’onboarding” des données, c’est à dire l’accumulation de données personnelles, le plus souvent pseudo anonymisées, à ce que les américains appellent la “Differential Privacy” c’est-à-dire un système qui rend impossible la ré-identification d’un individu au sein d’une base conformément aux critères énoncés en Europe par le G29.

Une « differential privacy » qui assure une même efficacité à la mesure ?

IB – Jusqu’à présent, les marques cherchaient à accumuler un maximum de données individuelles sur de longues périodes afin de disposer d’un corpus d’informations sur lesquelles elles prenaient des décisions publicitaires ou marketing.

Avec le RGPD, les autorités européennes ont mis un terme à cette logique d’accumulation de données personnelles.

Et concomitamment, les progrès de la recherche mathématique permettent d’obtenir des résultats équivalents en travaillant avec des données préalablement dé-identifiées et donc réellement anonymes.

Ainsi, dans l’univers de la FinTech, il n’est pas possible de croiser des bases de données de sinistres, avec des bases indiquant des comportements de consommateurs issues de plateformes média par exemple.

Ceci est rendu possible, en dé-identifiant séparément ces deux ensembles de données grâce au procédé Retency avant analyse.

Par ailleurs, nous avons montré que ces bases de données dé – identifiées donc assurant une confidentialité totale des données, permettent d’éduquer des réseaux d’intelligence artificielle avec une très grande efficacité.

Les géants américains comme Apple ou Google investissent massivement dans cette recherche mathématique, qui permet d’éviter des dérives comme le « Social Scoring », pratiqué en Chine. Et  bonne nouvelle, la France est clairement en avance !

Une rupture technologique, en particulier pour le drive to store ?

IB – Oui, je le pense. Cette technologie fonctionne dans des environnements où il est impossible d’obtenir de consentement. Pour analyser les flux de visiteurs dans un supermarché,  ou passant à proximité d’un panneau publicitaire, il est extrêmement difficile de demander à chaque individu son accord libre et éclairé pour participer à une étude, notamment sur une longue durée, l’anonymisation profonde est donc un pré-requis.

Il en est de même pour mesurer la performance d’une campagne publicitaire en magasin sur de larges volumes de données.

En effet, pour pouvoir comparer une base de données d’exposés à une campagne média à une base de données consommateurs ou visites en magasin, il est, pour les m^mes raisons, extrêmement difficile voire impossible d’obtenir des consentements libres et éclairés. La dé-identification des bases préalablement à leur comparaison garantit la protection totale des individus.

Le procédé Retency permet de dé-identifier les données à la volée, et à grande échelle, et ainsi de répondre aux problématiques des grands annonceurs.

Le procédé peut s’appliquer à n’importe quel type de données (e-mails, identifiants publicitaires….)

Ces derniers mois sont marqués par une prise de conscience des acteurs économiques, que ces nouveaux procédés de traitement de la donnée sont stratégiques dans le cadre de leur transformation digitale et la valorisation de leurs bases de données.

L’article Isabelle Bordry, RETENCY : « L’Europe est en avance en matière de dé-identification des données »  est apparu en premier sur MMAF.