Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

Aujourd’hui, les données numériques sont partout et on les réutilise de plus en plus pour la recherche et les statistiques. Mais cette utilisation massive pose un problème majeur : comment protéger la vie privée des personnes concernées ? Au Québec, la Loi 25 a mis en place des règles strictes pour encadrer l’anonymisation des renseignements personnels.

Ce mémoire propose la conception d’un outil d’anonymisation conforme aux exigences du règlement québécois. L’outil évalue les risques associés à chaque colonne de données selon trois critères (corrélation, individualisation, inférence), applique des méthodes d’anonymisation adaptées (suppression, généralisation et confidentialité différentielle), puis simule les risques résiduels de réidentification.

Développé en Python avec une interface intuitive, il vise à faciliter la conformité réglementaire accessible aux chercheurs et les petites organisations qui n’ont pas forcément les moyens d’engager des experts en sécurité.

Today, digital data is everywhere and increasingly reused for research and statistical purposes. However, this widespread use raises a critical question : how can we protect the privacy of the individuals concerned ? In Quebec, Bill 25 has established strict regulations to govern the anonymization of personal information.

This thesis proposes the design of an anonymization tool that complies with Quebec’s regulatory requirements. The tool assesses the risks associated with each data column according to three criteria (correlation, individualization, inference), applies appropriate anonymization methods (suppression, masking, generalization, differential privacy), and then simulates residual re-identification risks.

Developed in Python with an intuitive interface, it aims to make regulatory compliance accessible to researchers and small organizations that may not have the resources to hire security experts.