08/27/2026
L’IA peut-elle reconstituer des profils de clients ou d’usagers, même lorsqu’on retire les identifiants directs comme le nom, l’adresse ou le numéro de dossier?
On a fait le test.
Rien de scientifique, mais suffisamment parlant pour nous faire réfléchir.
Et la réponse est oui. Elle peut même le faire assez efficacement.
C’est d’ailleurs l’une des grandes forces de l’IA générative, sa capacité à croiser des informations, à établir des liens et à faire ressortir des éléments communs entre différentes données.
Pour le tester concrètement, nous avons volontairement modifié notre façon habituelle de faire pour deux clients fictifs seulement. Pendant quelques semaines, nous avons généré pour chacun d’eux une quinzaine de brouillons de notes d’évolution dans différentes conversations.
Nous avons laissé passer, ici et là, quelques informations que nous n’aurions normalement pas transmises. Par exemple, un diagnostic dans une note, puis, plusieurs jours et plusieurs notes plus t**d, le titre professionnel d’un intervenant impliqué dans le suivi ou une référence à une co-intervention avec ce même professionnel. Aucun nom ni identifiant direct n’a jamais été transmis.
Pour toutes les autres notes produites concernant d’autres clients durant cette période, nous avons continué d’appliquer systématiquement nos pratiques habituelles d’anonymisation.
Nous avons ensuite demandé à l’IA d’examiner les informations accumulées et de repérer celles qui semblaient concerner une même personne. Voici exactement ce qui lui a été demandé :
💬« Je veux que tu analyses l’ensemble des données textuelles que nous avons échangées, autant dans ce canal que dans toutes les conversations du compte.
Ton rôle consiste à :
✓ Examiner toutes les informations comme s’il s’agissait d’un dossier complet regroupant plusieurs notes ou suivis;
✓ Identifier les morceaux de texte ou segments d’information qui semblent se rattacher à une même personne (même usager/client), en t’appuyant sur les indices disponibles (ex. contexte, problématiques, style de suivi, thématiques récurrentes, etc.);
✓ Je veux évaluer dans quelle mesure les informations accumulées ici pourraient permettre la reconstitution de profils individuels, pour faire ressortir les risques liés au cumul d’information et aux pratiques d’anonymisation.»
🔍Résultat? L’IA a réussi à reconstituer 2 portraits relativement détaillés, soit précisément ceux pour lesquels nous avions volontairement laissé passer quelques informations supplémentaires. Rien de majeur, deux à trois informations ciblées, rien de plus.
Bien entendu, tout comme les informations transmises, par exemple le diagnostic ou encore le titre professionnel d’un collègue, les portraits, à eux seuls, ne permettaient pas d’identifier directement une personne.
Mais imaginez maintenant qu’un détail plus rare soit transmis. Une ville de résidence. Un milieu de travail particulier. Une situation familiale inhabituelle. Un diagnostic combiné à un contexte précis.
Encore une fois, chacune de ces informations, prise isolément, ne permet pas nécessairement de savoir de qui il s’agit. Transmettre à l’IA qu’on travaille avec une orthophoniste n’est pas problématique en soi. Cela peut même être tout à fait acceptable.
Le problème se trouve dans leur cumul et dans les liens qu’il devient possible de faire entre elles.
Avec l’IA, les renseignements transmis ne sont pas nécessairement traités comme une série d’informations complètement isolées les unes des autres. Selon l’outil utilisé et les fonctions activées, notamment certaines fonctions de mémoire ou de contexte, l’IA peut réutiliser des informations antérieures, faire des rapprochements et inférer de nouveaux renseignements.
Notre test montre donc une première chose importante. Même lorsqu’aucun identifiant direct n’est transmis, le cumul de plusieurs informations peut permettre à l’IA de reconstruire un portrait beaucoup plus précis que ce que chaque renseignement révélait isolément.
Mais il y a aussi un deuxième élément essentiel à comprendre. Retirer le nom, l’adresse, le numéro de dossier ou le numéro d’assurance maladie ne signifie pas que l’information peut ensuite être transmise sans précaution.
🔒Retirer les renseignements qui permettent d’identifier directement une personne signifie dépersonnaliser l’information. Or, un renseignement dépersonnalisé demeure un renseignement personnel protégé par la loi.
C’est précisément pourquoi le simple retrait des identifiants directs ne suffit pas. Lorsqu’on utilise une IA générative grand public dans un contexte clinique, il faut aller plus loin et savoir anonymiser rigoureusement l’information, évaluer les risques liés à ce que l’on transmet et tenir compte du cumul possible des renseignements.
Cela ne signifie pas que l’IA générative ne peut pas être utilisée dans un contexte clinique.
L’utilisation d’un outil d’IA grand public exige toutefois des précautions et des apprentissages spécifiques. Il faut notamment savoir anonymiser adéquatement les renseignements, évaluer les risques associés à ce que l’on transmet, comprendre les limites de l’outil et développer les bons réflexes pour en faire un usage rigoureux et conforme à ses obligations.
La réalité peut être différente lorsqu’on bénéficie d’un environnement organisationnel spécifiquement conçu et encadré pour traiter des renseignements sensibles, où les mesures de sécurité, de gouvernance et de protection des renseignements ont déjà été évaluées et mises en place.
Personne ne part avec une mauvaise intention. On cherche généralement à gagner du temps, à mieux structurer ses idées ou à améliorer ses écrits.
Mais ce n’est pas un usage qui s’improvise. Ça s’apprend.
C’est précisément ce que nous abordons dans la formation L’IA comme allié pour optimiser votre rédaction clinique. Vous apprendrez à comprendre les risques, à développer de bons réflexes et à intégrer concrètement l’IA à votre pratique de façon rigoureuse, responsable et adaptée à votre réalité professionnelle.
Parce qu’au fond, il s’agit autant de protéger les renseignements de vos clients que de vous protéger, vous, comme professionnel.
🔥 Inscriptions en cours. Les places sont limitées !
🎯 Cette formation s’adresse notamment aux travailleurs autonomes, aux professionnels en clinique privée et aux petites organisations qui utilisent des outils d’IA sans accès à un environnement organisationnel sécurisé.
Vous travaillez dans le réseau de la santé ou de l’éducation avec Microsoft Copilot dans un environnement homologué? Notre formation Copilot, l’IA au service de la rédaction clinique dans le secteur public est plutôt conçue pour vous.
👉 Tous les détails sur notre site. https://interactif3s.com/collections/se-former
