Les données sont au cœur de l’activité musicale de Believe. Elles sont collectées, stockées et utilisées à partir de différentes sources telles que plusieurs plateformes de streaming musical (YouTube, Spotify, Apple, etc.), ce qui rend les questions de confidentialité des données de plus en plus importantes pour cette industrie. Ainsi, selon le Règlement Général sur la Protection des Données (RGPD) de l’Union Européenne, l’un des défis pour notre industrie est de protéger toutes les données sensibles des artistes afin qu’aucun individu ne puisse être identifié par le biais de données personnelles. Cela fait partie de l’amélioration quotidienne du traitement des données chez Believe. Ce concept est utilisé pour définir l’anonymisation des données.
L’anonymisation des données est un processus de protection des informations personnelles sensibles en supprimant, masquant ou chiffrant les points de données qui peuvent identifier des individus. Cependant, ce processus doit être sécurisé en raison des risques de récupération des données originales par ingénierie inverse, lorsque des informations anonymisées sont mélangées avec des sources de données publiques par exemple.
L’industrie musicale possède des données critiques qui peuvent compromettre la confidentialité des artistes, telles que des données financières et des détails sur l’activité musicale sur les plateformes de streaming. Ces informations doivent être dissociées des noms, codes et identifiants des artistes. Quels sont les avantages du processus d’anonymisation ? Améliorer la sécurité des données dans des environnements non-production et garantir la conformité RGPD pour l’entreprise sont les principaux aspects d’un tel processus, tandis que l’utilisation de l’anonymisation produit des données moins précises pour l’analyse et les tests. Elle peut également prévenir les risques de ré-identification. Tout d’abord, les données sensibles doivent être identifiées et classées selon la norme de classification des données de l’UCSF (niveaux de protection des données contre les niveaux de disponibilité). Par exemple, nous pouvons identifier les données P2 (données internes) telles que les noms complets des artistes, les emails, les adresses et les informations personnelles des comptes.
Ensuite, nous pouvons utiliser plusieurs méthodes pour anonymiser les données :
D’autres méthodes existent pour anonymiser les données, mais nous devons considérer uniquement celles qui sont les plus adaptées à notre contexte et à la typologie de nos données.
Le plus important dans l’anonymisation est de comprendre l’utilisation des données et d’obtenir une bonne classification avant de développer un grand code source. Il faut se concentrer sur les données sensibles, puis prioriser et définir une bonne politique de données selon les prérequis légaux (RGPD).
En abordant ces principes d’anonymisation, nous consolidons les processus et la sécurité des données, ce qui renforce la confiance des artistes de Believe dans nos services numériques.
