Pourquoi les données d’image sont plus difficiles à protéger que le texte

Le texte est dangereux parce que les gens y écrivent des secrets. Les images sont dangereuses parce que les gens y incluent accidentellement des informations.

Un prompt textuel peut dire, « créez une image de lancement pour notre produit non encore publié ». C’est sensible. Mais une photo peut révéler le produit non encore publié, le bureau, le tableau blanc en arrière-plan, le badge sur la chemise de quelqu’un, le numéro de série sur un appareil, le visage d’un employé, et le fait que tout le monde utilise encore cette triste salle de réunion.

Les images regroupent de nombreux types de données dans un seul objet. Il y a le contenu visible : visages, corps, pièces, documents, écrans, véhicules, enfants, adresses, uniformes, conditions médicales, contextes religieux et objets coûteux. Il peut aussi y avoir des métadonnées : horodatages, informations sur l’appareil, données de localisation, historique de fichiers, réglages de l’appareil photo et traces de retouches.

Même lorsque les métadonnées sont supprimées, l’image elle-même peut contenir du contexte. Une cuisine distinctive peut identifier un domicile. Un uniforme scolaire peut identifier un enfant. Un produit rare peut identifier un client. Une fenêtre en arrière-plan peut identifier une rue. Un visage peut identifier une personne. Un tatouage, une démarche, une main ou une cicatrice peuvent aussi identifier. Les images sont indiscrètes par défaut.

Cela rend l’anonymisation plus difficile. Retirer un nom du texte n’est pas la même chose que dé-identifer une image de manière sûre. Flouter le visage, et la pièce peut encore identifier la personne. Recadrer l’arrière-plan, et le prompt peut encore porter du contexte. Supprimer les métadonnées, et le contenu peut encore suffire.

Les workflows d’images générées par IA ajoutent des dérivés. Une photo téléversée peut créer de nombreuses sorties : aperçus, miniatures, masques, embeddings, événements de modération et journaux. Chaque dérivé peut contenir une partie de la sensibilité d’origine. Protéger l’original ne suffit pas si les dérivés sont laissés « errer » dans l’infrastructure comme des en-cas de bureau oubliés.

La réponse pratique, c’est la minimisation. Ne ne pas ingérer plus d’images que nécessaire. Supprimer les métadonnées quand elles ne sont pas requises. Éviter de stocker les fichiers sources. Éviter les historiques de prompts qui décrivent le contexte sensible. Conserver les dérivés générés sur une durée courte, sauf si l’utilisateur choisit délibérément de les enregistrer. Utiliser un traitement privé pour les visages, les domiciles, les enfants, les images médicales et le travail client.

La confidentialité du texte compte. La confidentialité des images est simplement plus « brouillonne », car l’utilisateur peut ne pas savoir ce que l’image contient avant qu’elle n’ait déjà quitté son appareil.

Pour aller plus loin : La donnée biométrique cachée dans des photos de produits ordinaires, Comment une retouche photo anodine devient un problème de données, et Pourquoi « Nous l’anonymisons » ne rassure personne.