La confidentialité différentielle a pour but de permettre l'analyse statistique d'un jeu de données sans révéler les informations personnelles des participants. Pour ce faire, elle mesure formellement l'impact pour un individu d'accepter de faire partie d'un jeu de données à partir duquel seront publiées certaines statistiques. C'est une approche qui gagne en popularité tant chez les chercheurs qu'en pratique, et qui sera d'ailleurs utilisée par le Census Bureau pour la publication des données du recensement américain de 2020.

La professeure Anne-Sophie Charest vous propose ici une introduction peu technique à la confidentialité différentielle, mettant l'accent sur l'interprétation de la mesure et les outils nécessaires à sa mise en oeuvre dans différents contextes.

Conférencière

Anne-Sophie Charest, professeure, Département de mathématique et de statistique, Faculté des sciences et de génie, Université Laval.