Analyse automatique des Zones de Libre Commentaire : la nécessité d’une analyse sur-mesure

Catégorie(s) : Sécurité - RGPD

Comme nous vous l’avons présenté dans notre billet, 7 conseils pour bien gérer vos Zones de Libre Commentaire, la mise en conformité des Zones de Libre Commentaire (ZLC) est un enjeu dont l’importance va devenir de plus en plus grande. Pourtant, s’y atteler de façon manuelle devient vite une tâche insurmontable lorsque l’on fait face à des millions de commentaires issus de multiples applications internes.

D’où la nécessité d’un repérage automatique des commentaires non conformes. Comme expliqué ici, l’utilisation d’une liste ou d’un dictionnaire de mots interdits est insuffisante et le recours à une solution telle que le propose ERDIL prend tout son sens. En effet, la prise en compte des mots dans leur contexte permet de limiter le nombre de « faux positifs » et de repérer facilement les commentaires réellement non conformes.

Cependant, il est impossible de créer un moteur linguistique universel qui puisse convenir sans adaptation à chaque secteur d’activité, chaque entreprise. Pour obtenir une analyse optimale, trois variables d’ajustement sont à prendre en compte :

1- La sensibilité de l’entreprise vis-à-vis du sujet

Les critères de non conformité établis par la CNIL sont majoritairement objectifs (données relatives à la santé, aux condamnations, à la religion, aux opinions politiques, aux orientations sexuelles, aux origines ethniques). Il y a en revanche plus de latitude dans l’interprétation de ce qui concerne les données « portant atteinte à l’identité humaine, aux droits de l’homme, à la vie privée, ou aux libertés individuelles ou publiques ».

Ainsi, les entreprises pourront placer le curseur plus ou moins haut en fonction de ce qu’elles considèrent comme acceptable dans leurs bases de données.
Par exemple, les commentaires suivants seront considérés comme conformes par certaines entreprises, et non conformes par d’autres : client mécontent ; la cliente est partie très en colère ; le client a été désagréable avec le conseiller.

2- Les termes spécifiques au secteur d’activité

Certains mots sont utilisés spécifiquement, ou de façon particulièrement fréquente, dans un secteur d’activité, alors qu’ils sont normalement absents d’autres secteurs.
Prenons le mot « andouille », qui peut très bien être utilisé de façon tout à fait correcte dans des commentaires d’une enseigne de supermarchés (il s’agira ici de la spécialité charcutière). En revanche, si le mot « andouille » est présent dans les ZLC d’un assureur, d’un fournisseur d’énergie, ou d’une entreprise de télécoms, il y a de fortes chances pour qu’il ait été utilisé de façon inappropriée afin de qualifier un client.
Les exemples sont nombreux : « pouf » dans le secteur de l’ameublement, « pédale » ou « gourde » pour les enseignes d’articles de sport…

3- Les données sensibles mais nécessaires

La loi Informatique et Libertés interdit de recueillir et d’utiliser les données « sensibles », sauf dans certains cas, notamment si ces informations sont nécessaires à la sauvegarde de la vie humaine.
Après avoir demandé son avis à la CNIL et avoir obtenu son approbation, certaines entreprises peuvent ainsi être autorisées à stocker des données relatives à la santé.

Exemple : un fournisseur d’électricité peut être autorisé à stocker une information liée à l’état de santé d’un de ses clients si celui-ci a besoin d’une assistance médicalisée électrique à son domicile.
Dans un cas comme celui-ci, il faut donc que l’analyse automatique des ZLC puisse prendre en compte ce paramètre afin d’éviter de détecter comme non conformes les commentaires de ce type.

Comme vous l’aurez compris, chez ERDIL, nous restons fidèles à notre philosophie du sur-mesure, y compris pour notre solution de vérification automatique des ZLC. C’est pour nos clients la garantie d’un traitement optimal de leurs données, synonyme d’une économie de temps et d’un meilleur respect des recommandations de la CNIL.

Date

20 octobre 2016

Auteur
Portrait collaborateur Guillaume (Illustration)

Guillaume Robardet