Valuing User Data by Predictive Contribution: A Framework for Privacy Compensation under Heterogeneous Risk Preferences in Platform Markets

Dans l'économie numérique, un échange vaste et invisible se produit chaque fois qu'une personne utilise une plateforme. Les utilisateurs offrent leurs informations personnelles — ce qu'ils achètent, où ils vivent et comment ils se comportent — en échange de services, allant de la publicité ciblée aux recommandations personnalisées. Pour les entreprises qui gèrent ces plateformes, ces données sont un actif puissant, une matière première utilisée pour prédire les comportages futurs et générer des profits. Cependant, un décalage fondamental existe depuis longtemps dans la manière dont cette valeur est mesurée. Traditionnellement, le prix des données est lié à la mesure dans laquelle elles sont considérées comme « sensibles » ; un dossier médical ou une adresse de domicile est souvent supposé valoir plus qu'une simple préférence pour un type de musique. Parallèlement, les entreprises utilisant les données ne lient que rarement l'argent qu'elles paient pour celles-ci à la valeur économique réelle que cet élément spécifique de donnée génère pour leurs modèles économiques. Cela laisse les utilisateurs supporter le risque de perte de vie privée sans un mécanisme clair de compensation qui reflète la véritable valeur de ce qu'ils abandonnent.

Une nouvelle étude cherche à résoudre ce déséquilibre en proposant un cadre qui valorise les données des utilisateurs en fonction de ce qu'elles font réellement pour une prédiction, plutôt que de ce qu'elles sont. Les chercheurs ont construit un système qui traite la donnée non pas comme une marchandise statique, mais comme un contributeur dynamique à la prise de décision. Ils ont posé une question simple mais profonde : si une donnée aide un modèle informatique à prédire le prochain achat d'un utilisateur, quelle est la valeur de cette contribution, et comment l'utilisateur devrait-il être payé pour cela ? Pour répondre à cela, ils se sont éloignés de l'ancienne idée selon laquelle toutes les données « sensibles » sont également précieuses. Au lieu de cela, ils ont mesuré l'influence spécifique de chaque point de donnée sur la précision d'un modèle d'apprentissage automatique. Ce faisant, ils ont pu lier la compensation reçue par l'utilisateur directement à l'utilité économique que sa donnée génère pour l'entreprise, tout en tenant compte du fait que différentes personnes perçoivent différemment le partage de leur vie privée.

Les chercheurs ont testé leurs idées en utilisant un ensemble de données provenant d'un écosystème majeur de commerce électronique, contenant des informations sur mille utilisateurs. Ils ont demandé à des modèles informatiques d'effectuer deux tâches : premièrement, prédire si un utilisateur effectuerait un achat, et deuxièmement, prédire combien de fois un utilisateur achèterait. Ils ont entraîné ces modèles à l'aide de divers algorithmes, y compris des systèmes complexes basés sur des arbres qui peuvent repérer des schémas comportementaux complexes. Les résultats étaient frappants. Les modèles ont découvert que les points de données les plus précieux n'étaient pas ceux traditionnellement étiquetés comme hautement sensibles, tels que le sexe ou la localisation d'une personne. Au lieu de cela, les données qui stimulaient le plus puissamment les prédictions provenaient des comportements transactionnels, spécifiquement le montant moyen dépensé par un utilisateur par commande et l'historique total de ses dépenses.

Lorsque les chercheurs ont décomposé précisément la contribution de chaque information aux prédictions finales, un schéma clair est apparu. Les attributs transactionnels, qui pourraient sembler banals, représentaient environ quatre-vingt-un pour cent de la valeur prédictive totale générée par l'ensemble du jeu de données. En revanche, les détails démographiques comme l'âge, le sexe et la localisation contribuaient très peu à la capacité des modèles à prévoir le comportement. Cette découverte remet en question l'hypothèse commune selon laquelle la sensibilité de la vie privée et la valeur économique évoluent dans la même direction. L'étude suggère que les habitudes d'achat d'un utilisateur sont bien plus précieuses pour le moteur prédictif d'une plateforme que ses données démographiques, même si ces dernières sont souvent traitées comme étant les plus privées et donc les plus coûteuses à acquérir.

Pour traduire cela en un système de paiement équitable, les chercheurs ont introduit une méthode pour calculer la valeur spécifique de chaque attribut de données. Ils ont utilisé une technique qui mesure à quel point la prédiction change lorsqu'une information spécifique est ajoutée ou supprimée. Cela leur a permis d'attribuer une valeur monétaire à chaque attribut en fonction de sa contribution réelle au succès du modèle. Ils ont ensuite combiné cela avec une mesure de la sensibilité à la vie privée, allant d'une information publique comme un pseudonyme à des données hautement sensibles comme des conditions de santé. Crucialement, ils ont également reconnu que les individus ne sont pas tous les mêmes en ce qui concerne le risque. Certains utilisateurs sont prêts à partager des informations pour une petite récompense, tandis que d'autres sont extrêmement prudents et exigent un prix élevé pour la même divulgation. Le cadre prend en compte ces différences en créant trois voies de compensation distinctes pour les utilisateurs de type chercheur de risques, neutres face au risque et de type averse au risque.

L'étude a également examiné comment la valeur des données change à mesure que la quantité de données augmente. Ils ont testé les modèles avec un nombre croissant d'enregistrements d'utilisateurs pour voir si la collecte de plus de données conduit toujours à de meilleures prédictions. Ils ont découvert que, si l'ajout de données booste initialement les performances de manière significative, les bénéfices finissent par stagner. Une fois qu'un modèle a appris de quarante à soixante pour cent des données disponibles, l'ajout de nouveaux enregistrements n'apporte que très peu de valeur supplémentaire. Cela suggère que pour les plateformes, la stratégie de thésaurisation de quantités infinies de données est inefficace. Au-delà d'un certain point, le coût de la compensation des utilisateurs pour leurs données supplémentaires l'emporte sur le gain infime en précision prédictive.

En réunissant ces éléments, les chercheurs ont construit une formule unique pour valoriser les données des utilisateurs. Cette formule commence par un coût de base, qui comprend l'argent versé aux utilisateurs pour leur vie privée et les coûts opérationnels de stockage et de traitement de l'information. Elle ajoute ensuite une prime basée sur l'utilité des données pour les prédictions. Si les données sont très efficaces pour guider les décisions commerciales, la valeur du produit de données s'élève nettement au-dessus du coût d'acquisition. Si les données sont peu performantes pour prédire les résultats, leur valeur reste proche du coût de base. Cette approche garantit que le prix des données reflète à la fois le coût de la vie privée de l'utilisateur et le bénéfice économique réel que la donnée apporte à la plateforme.

Les implications de ce travail sont significatives pour la manière dont les marchés de données pourraient fonctionner à l'avenir. Il offre un moyen de s'éloigner des règles générales qui traitent toutes les informations personnelles comme ayant une valeur ou un risque égal. Au lieu de cela, il suggère un système plus nuancé où les utilisateurs sont compensés en fonction de l'utilité spécifique de l'information qu'ils partagent. Un utilisateur qui fournit des habitudes de dépenses détaillées pourrait recevoir un paiement plus élevé qu'un utilisateur qui ne fournit que son code postal, non pas parce que les habitudes de dépenses sont plus privées, mais parce qu'elles sont plus utiles pour les objectifs de la plateforme. Cet alignement de la valeur et de la compensation pourrait mener à une économie des données plus transparente et équitable, où le flux d'informations est régi par des contributions claires et mesurables plutôt que par des suppositions vagues sur la vie privée.

En fin de compte, l'étude démontre que la valeur des données des utilisateurs n'est pas une propriété fixe de l'information elle-même, mais le résultat de la manière dont cette information est utilisée. En se concentrant sur la contribution prédictive, les chercheurs ont fourni un outil pour séparer la valeur économique des données du poids émotionnel de la vie privée. Cette distinction permet une approche plus rationnelle de la gouvernance des données, où les plateformes peuvent prendre des décisions éclairées sur ce qu'elles doivent collecter et comment payer pour cela, et où les utilisateurs peuvent comprendre la véritable valeur de l'information qu'ils partagent. Le cadre ne résout pas tous les problèmes de l'économie numérique, mais il offre une voie structurée pour progresser, en ancrant le concept abstrait de la valeur des données dans la réalité concrète de la façon dont les machines apprennent et dont les gens font des choix.