Une boutique en ligne peut anticiper les achats probables à partir des consultations, des clics et des commandes passées. Lorsque ces données servent à évaluer une personne, la prédiction d’achat peut constituer un profilage automatisé au sens du RGPD.
Cette qualification ne signifie pas que toute recommandation est interdite, ni qu’elle déclenche automatiquement les règles sur la décision automatisée. Pour analyser un dispositif, il faut distinguer les données utilisées, l’évaluation produite et les conséquences réelles pour le client.
A retenir :
- Évaluation automatisée de caractéristiques individuelles à partir de données personnelles
- Distinction nécessaire entre profilage, recommandation et décision significative
- Base juridique, transparence et droits vérifiés selon l’usage réel
- Effets concrets examinés avant toute qualification juridique du score
Profilage automatisé : reconnaître la prédiction d’achat
Parce qu’un score peut simplement choisir une publicité ou orienter une offre, l’analyse commence par la fonction réelle du traitement. Selon le RGPD, le profilage réunit l’automatisation, l’usage de données personnelles et l’évaluation d’aspects relatifs à une personne.
Quand l’algorithme évalue un client
Dans une boutique, compter les ventes de chaussures par mois décrit une tendance collective, sans nécessairement évaluer un individu. En revanche, un algorithme prédictif qui classe une cliente comme « susceptible d’acheter » à partir de son historique évalue son comportement.
Selon les lignes directrices WP251 rev.01, la finalité importe : une classification statistique n’équivaut pas toujours à une appréciation personnelle. Une intervention humaine ne suffit pas non plus à écarter le profilage si l’évaluation automatisée demeure au cœur du processus.
Repères pour qualifier le traitement :
- Origine et nature des données observées
- Évaluation individuelle produite par le système
- Personnes qui consultent ou utilisent le résultat
- Action concrète déclenchée par le score
Des données aux recommandations commerciales
Dans une prédiction d’achat, les consultations répétées d’un produit peuvent alimenter une estimation d’intérêt, puis personnaliser le ciblage publicitaire. La boutique doit donc examiner si elle décrit des tendances générales ou attribue des caractéristiques à des clients identifiables.
Usage observé
Question de qualification
Statistiques mensuelles de ventes
Le résultat porte-t-il sur une personne identifiable ?
Recommandation selon l’historique individuel
Le système évalue-t-il les préférences du client ?
Segmentation d’une clientèle nommément suivie
Les catégories servent-elles à apprécier chaque profil ?
Publicité personnalisée selon des visites
Quelles données personnelles alimentent le ciblage ?
« Je consulte souvent des chaussures de randonnée, mais je ne veux pas que chaque visite détermine toutes les offres affichées. »
Claire, exemple fictif
Cette distinction permet ensuite de mesurer si le score influence seulement un affichage ou détermine une décision aux conséquences importantes.
Décision automatisée : mesurer les effets du score
Une fois le profilage repéré, il faut étudier ce que l’organisation fait du résultat, car une suggestion et un refus n’ont pas le même poids. L’article 22 du RGPD vise une décision exclusivement automatisée produisant des effets juridiques ou des conséquences significatives comparables.
Du conseil facultatif au blocage d’un service
Une recommandation de produit restera souvent moins lourde qu’un refus de crédit ou la fermeture durable d’un compte. Pourtant, son contexte compte : une offre apparemment secondaire peut peser fortement si elle conditionne l’accès réel à une opportunité.
Selon la CNIL, il faut regarder le processus complet, et non son étiquette commerciale. Un agent qui vérifie réellement les éléments, comprend le dossier et peut modifier le résultat se distingue d’une validation automatique de pure forme.
Pour examiner une décision, vérifiez ces éléments :
- Rôle du score dans le résultat final
- Possibilité réelle de réexamen par une personne compétente
- Effets juridiques ou conséquences importantes pour le client
- Existence d’une exception et de garanties adaptées
Pourquoi l’usage du score doit être documenté
L’arrêt SCHUFA de la Cour de justice de l’Union européenne souligne qu’un score fourni par un tiers peut lui-même relever de cette analyse. C’est notamment le cas lorsque l’établissement destinataire s’appuie de manière déterminante sur ce résultat pour décider d’une relation contractuelle.
Situation
Point à vérifier
Suggestion de produit facultative
La personne conserve-t-elle les mêmes accès et services ?
Score transmis à un partenaire
Le partenaire s’appuie-t-il de façon déterminante dessus ?
Contrôle humain avant décision
Le réviseur peut-il contester et modifier le résultat ?
Refus ou restriction automatisés
Les effets sont-ils significatifs pour la personne ?
« Le score m’aide à repérer un dossier, mais je dois vérifier les pièces et pouvoir retenir une autre décision. »
Responsable de service, exemple fictif
La qualification des effets conduit à une autre vérification : la licéité du traitement et les moyens laissés aux personnes pour comprendre ou contester le profil.
Prédiction d’achat : encadrer les données et les droits
Quand le résultat influence une personne, le respect du RGPD ne se limite pas à identifier l’article 22. L’organisation doit également examiner la base juridique, la protection de la vie privée, l’information fournie et les droits applicables.
Base légale, consentement et transparence
Tout profilage doit respecter les principes du RGPD et reposer sur une base de l’article 6. L’intérêt légitime n’autorise pas automatiquement tous les usages, tandis qu’un contrat ne justifie que les traitements objectivement nécessaires à son exécution.
Le consentement numérique doit être libre, éclairé et révocable lorsque cette base est retenue. L’information doit expliquer les finalités, les données utilisées et, pour les décisions concernées, la logique générale, l’importance et les conséquences prévues.
Garanties à organiser avant le lancement :
- Base juridique distincte pour chaque finalité
- Explication compréhensible des données et des effets
- Canal accessible pour demander une rectification
- Réexamen humain effectif lorsqu’il est requis
Corriger les erreurs et évaluer les risques
Dans un exemple fictif, une plateforme recommande des exercices à partir des réponses d’un élève, sans restreindre l’accès au catalogue. Une synchronisation incomplète transforme toutefois des réponses manquantes en erreurs : l’équipe suspend les suggestions touchées, corrige les données et vérifie les profils similaires.
« Huit réponses n’avaient pas été enregistrées ; la recommandation reposait donc sur des informations incomplètes, pas sur mon niveau réel. »
Claire, exemple fictif
Le RGPD prévoit des droits de rectification et, dans certaines situations, de limitation pendant la vérification d’une exactitude contestée. Une analyse d’impact relative à la protection des données peut aussi s’imposer si le traitement est susceptible d’engendrer un risque élevé.
« Une explication utile relie les données retenues au résultat, puis indique comment le corriger ou le contester. »
Avis pédagogique fictif
Selon le RGPD, une évaluation systématique et approfondie fondée sur un traitement automatisé peut nécessiter une analyse d’impact lorsqu’elle conduit à des décisions significatives. Les règles applicables aux traceurs et aux catégories particulières de données doivent également être vérifiées selon le dispositif.
Source : Règlement général sur la protection des données, articles 4, 5 à 7, 13 à 18, 21, 22 et 35 ; lignes directrices WP251 rev.01 ; CNIL, « Profilage et décision entièrement automatisée ».
