Agentic AI-Powered Re-Identification: An Emerging, Scalable Threat to Mobility Microdata Privacy

Résumé Technique : Ré-identification par IA Agentique

Énoncé du Problème
La collecte massive de données de mobilité fines par les courtiers en données commerciales crée un risque de ré-identification significatif, bien que sous-estimé. Si les recherches antérieures ont établi que les traces de mobilité sont hautement uniques — nécessitant souvent seulement quelques points spatio-temporels pour distinguer les individus — la ré-identification pratique à grande échelle a historiquement été limitée par l'effort humain élevé requis pour lier des séquences de coordonnées brutes à des identités réelles. Les pratiques actuelles de contrôle de la divulgation statistique (SDC) reposent souvent sur une « anonymat de fait », supposant que le travail manuel requis pour ré-identifier les individus constitue une barrière suffisante. Cet article soutient que l'émergence de l'IA agentique modifie fondamentalement ce modèle de menace en automatisant le processus d'investigation, abaissant ainsi les barrières de coût et d'expertise pour la ré-identification à un point tel que l'« anonymat de fait » n'est plus une défense viable selon des normes telles que le considérant 26 du RGPD.

Méthodologie
Les auteurs ont développé et évalué un pipeline de ré-identification agentique de bout en bout, conçu pour fonctionner de manière autonome sans intervention humaine. Le système utilise des agents de Grands Modèles de Langage (LLM) pour rechercher sur le web ouvert, croiser les registres publics et résoudre des séquences de coordonnées brutes en identités candidates.

• Architecture du Pipeline : Le système est orchestré par un agent central qui gère une équipe de sept agents spécialisés à travers trois phases conceptuelles :
  1. Analyse Spatiale : Un agent « Analyste GPS » extrait les ancres de domicile et de travail à partir de signaux GPS bruts en utilisant la recherche de mode basée sur des grilles. Un agent « Enrichisseur de Localisation » effectue une géocodage inverse de ces ancres pour générer des candidats d'adresses.
  2. Attribution de Localisation : Un « Analyste de Bâtiment » interroge les registres publics de bâtiments (spécifiquement le Registre fédéral suisse des bâtiments et des logements) pour déterminer la spécificité résidentielle de l'ancre de domicile. Cette étape sert de filtre de qualité ; si le bâtiment est un grand bloc multi-unités sans identifiants uniques, le pipeline peut s'interrompre pour éviter une fausse attribution.
  3. Attribution d'Identité : Un « Scoreur de Candidats » classe les individus à partir de répertoires publics basés sur les preuves de domicile et de travail. Un « Vérificateur d'Identité » recherche une corroboration indépendante via les réseaux sociaux et les registres publics. Enfin, un « Synthétiseur Final » agrège les preuves pour rendre un verdict.
• Modèle de Menace : L'adversaire possède des données de mobilité GPS brutes (simulées) et un accès à des sources web publiques librement disponibles (moteurs de recherche, annuaires, réseaux sociaux). Le modèle exclut explicitement l'ingénierie sociale, les faux profils ou la tromperie.
• Conception de l'Étude : Pour équilibrer la rigueur méthodologique avec la vie privée, les auteurs ont utilisé un échantillon basé sur le consentement de 43 participants en Suisse. Au lieu d'utiliser de réelles données de courtiers, ils ont simulé des traces GPS autour des adresses de domicile et de travail réelles des participants, en ajoutant un bruit réaliste (jitter, déconnexions, horodatages hors séquence). Le pipeline a été développé sur un ensemble distinct de six traces et évalué sur les 43 traces des participants sans ajustement ultérieur des paramètres.

Principales Contributions

1. Développement d'un Pipeline Agentique : Les auteurs présentent un nouveau pipeline qui automatise l'intégralité du flux de travail de ré-identification, remplaçant l'analyse manuelle OSINT (Open-Source Intelligence) par le raisonnement et l'utilisation d'outils d'agents autonomes.
2. Démonstration de Faisabilité : L'étude fournit des preuves empiriques que l'IA agentique peut ré-identifier avec succès des individus à partir de données spatio-temporelles et de sources de données publiques, atteignant un taux de réussite élevé avec un minimum de supervision humaine.
3. Analyse du Coût et de l'Évolutivité : L'article quantifie l'efficacité économique et temporelle de l'attaque, démontrant que la ré-identification peut être effectuée à un coût marginal d'environ 2,24 $ et 17 minutes par cible, avec la capacité de paralléliser sur de nombreuses cibles.
4. Implications pour le SDC : Ce travail conteste la dépendance actuelle envers l'anonymat de fait dans le SDC, arguant que les régulateurs et les dépositaires de données doivent anticiper un futur où la ré-identification est « raisonnablement probable » par tous les moyens, en raison de la scalabilité des agents d'IA.

Résultats
Le pipeline a été évalué contre 43 traces simulées avec une vérité terrain connue :

• Taux de Succès : Le système a ré-identifié avec succès 18 des 25 cas où la ré-identification complète était théoriquement possible (rappel de 72 %).
• Performance Globale : Sur l'ensemble des 43 cas, le pipeline a correctement nommé 18 individus (précision globale de 41,9 %).
• Précision : Parmi les 19 cas où le pipeline a retourné un candidat nommé, 18 étaient corrects (précision de 94,7 %).
• Modes de Défaillance : Dans les cas où le pipeline a échoué à ré-identifier un individu ré-identifiable, c'était souvent dû à une insuffisance de preuves pour la vérification du lieu de travail ou parce que l'adresse de domicile était située dans un immeuble multi-unités où l'unité spécifique ne pouvait être distinguée.
• Coût et Temps : Le coût moyen par exécution était de 2,24 $ (frais d'API), et le temps d'exécution moyen était de 17 minutes. Le système a traité avec succès les 43 cas en une seule journée en utilisant une concurrence de quatre.

Signification et Revendications
L'article affirme que l'IA agentique représente un point d'inflexion décisif dans la confidentialité de la mobilité. En automatisant le lien entre les données spatio-temporelles et les registres publics, les agents d'IA suppriment le « goulot d'étranglement humain » qui a historiquement limité l'échelle des attaques de ré-identification.

• Changement d'Anonymat : Les auteurs soutiennent que la définition de l'anonymat doit passer d'une impossibilité abstraite au standard de « raisonnablement probable » du considérant 26 du RGPD. Puisque les agents d'IA peuvent effectuer ces attaques à faible coût et haute vitesse, le seuil de « raisonnablement probable » est désormais atteint pour de nombreux jeux de données auparavant considérés comme sûrs.
• Escalade : L'article esquisse des vecteurs d'escalade proches, incluant des agents capables d'effectuer de manière autonome des prises de contact (e-mail/téléphone) pour confirmer les candidats et l'utilisation de modèles à poids ouverts exécutés localement pour contourner les pistes d'audit des API.
• Appel à l'Action : Les auteurs exhortent la communauté SDC à s'éloigner de la dépendance à l'anonymat de fait et à se tourner vers des techniques avec des garanties formelles, reconnaissant que le coût et l'effort requis pour briser la confidentialité ont chuté de plusieurs ordres de grandeur.

L'étude conclut que, bien que l'implémentation actuelle repose sur des registres nationaux spécifiques (GWR suisse) et des données simulées, le paradigme sous-jacent démontre que la combinaison des agents LLM et des données publiques crée une menace scalable et à faible coût pour la confidentialité des microdonnées de mobilité que les dépositaires de données doivent immédiatement traiter.