PLAN DE COURS
Hiver 2026
GTI720 : Protection des renseignements personnels (3 crédits)
Préalables
Pour tous profils : LOG121
Description du cours
Les renseignements personnels sont des données permettant d’identifier de manière
directe ou indirecte un individu. Ce cours aborde les concepts fondamentaux de la
protection des renseignements personnels, notamment leur potentiel d’inférence, les
propriétés garantissant leur protection ainsi que les technologies d’amélioration de la
confidentialité.
Au terme de ce cours, l’étudiante ou l'étudiant sera en mesure de : identifier des menaces à la vie privée
et d’effectuer des études d’impact sur la vie privée ; se familiariser avec les technologies
d’amélioration de la confidentialité ; développer des systèmes garantissant la protection
des renseignements personnels.
Les sujets abordés comprennent : les concepts de la protection des renseignements
personnels ; les techniques d’anonymisation des données ; les réseaux de
communication anonymes ; la confidentialité interdépendante ; ainsi que les enjeux de
protection des renseignements personnels dans les technologies web, les technologies
mobiles, l’internet des objets, les services géolocalisés, les réseaux sociaux, le domaine de la santé et l’intelligence artificielle.
Stratégies pédagogiques
La pédagogie du cours est basée sur des exposés magistraux permettant de traiter le contenu du cours et des laboratoires réalisés en équipe. Les travaux pratiques effectués au cours des séances de laboratoire permettent de se familiariser de façon pratique avec les technologies d’amélioration de la confidentialité.
Charge d’enseignement : 39 heures de cours, 24 heures de laboratoire.
Sur une base hebdomadaire, cela correspond à trois heures de cours, deux heures de laboratoires et quatre heures et demi de travail hors classe. Soit un total de 145 heures de travail.
Informations concernant l’agrément du BCAPG
Les objectifs de ce cours sont liés aux indicateurs de qualités requises des diplômés de la manière suivante : | Objectif spécifique | Qualité | Indicateur | Niveau d'enseignement |
| expliquer les notions importantes liées à la vie privée et aux données personnelles; | Q10. Déontologie et équité | D . Interpréter devoirs, obligations déontologiques | Développé |
| analyser les enjeux spécifiques à la protection de la vie privée dans différents contextes d'usage; | Q10. Déontologie et équité | D . Interpréter devoirs, obligations déontologiques | Développé |
| implémenter des attaques afin d'évaluer les risques de réidentification; | Q3 . Investigation | D . Formuler des conclusions à partir de l'analyse | Développé |
| sélectionner les technologies d'amélioration de la confidentialité les plus pertinentes en fonction des contextes d’usage et des risques identifiés; | Q4 . Conception | D . Utiliser ses acquis pour concevoir | Développé |
| implémenter des défenses pour réduire les risques de réidentification. | Q5 . Outils d'ingénierie | D . Utiliser de manière autonome | Développé |
Utilisation d’appareils électroniques
L'utilisation d'appareils électroniques en classe est interdite. Aucun enregistrement (photographie, film ou audio) ne sera toléré.
Horaire
| Groupe | Jour | Heure | Activité |
| 01 | Mardi | 08:30 - 12:00 | Activité de cours |
| Vendredi | 08:30 - 10:30 | Laboratoire (Groupe A) |
| Vendredi | 10:30 - 12:30 | Laboratoire (Groupe B) |
Coordonnées du personnel enseignant le cours
| Groupe | Nom | Activité | Courriel | Local | Disponibilité |
| 01 | | Laboratoire (Groupe A) | | | |
| 01 | Ulrich Aïvodji | Activité de cours | ulrich.aivodji@etsmtl.ca | A-4608 | |
Cours
| Semaine |
Contenu des cours |
| 1 |
Introduction à la protection de la vie privée |
| 2 |
Publication de données |
| 3 |
Confidentialité différentielle I |
| 4 |
Confidentialité différentielle II |
|
5
|
Données de mobilité
|
| 6 |
Réseaux sociaux |
| 7 |
Examen intra
|
| 8 |
Approches cryptographiques |
| 9 |
Accréditations anonymes |
| 10 |
Intelligence artificielle
|
| 11 |
Web, Mobile, IoT et Santé |
| 12 |
Interdépendance |
| 13 |
Sujets spéciaux
|
Laboratoires et travaux pratiques
Les laboratoires permettent de se familiariser de façon pratique avec les technologies d’amélioration de la confidentialité. Ils abordent des thématique tels que la ré-identification, l'anonymisation, la confidentialité différentielle, la protection des donnée de mobilité et l'apprentissage machine préservant la vie privée. Le total des points des laboratoires (100) correspond à 35 % de la note finale (voir la rubrique évaluation).
Utilisation d'outils d'ingénierie
L'étudiant.e se familiarise avec des outils de protection de la vie privée tels que Scikit-mob, Adversarial Robustness Toolbox. Des attaques d'inférence et des mécanismes de protection seront également implémentés en langage Python.
Évaluation
Informations additionnelles :
| Laboratoire |
|
35% |
| Intra |
Examen portant sur les cours #1 à #6 ainsi que les laboratoires ci-rattachant
|
30% |
| Final |
Examen portant sur les cours #8 à #13 ainsi que les laboratoires ci-rattachant |
35% |
Devoirs et obligations
Dans ce cours, l’étudiant sera amené à étudier des attaques d'inférence sur la vie privée. L’étudiant devra donc avoir une attitude responsable et ne pas utiliser ce savoir à des fins malveillantes. Le « Code de déontologie de l’ingénieur » définit les « Devoirs et obligations envers le public ». Ce cadre devrait s’appliquer dans ce cours.
À noter qu’une moyenne inférieure à 50% dans les évaluations individuelles entraine automatiquement un échec au cours. Ceci est une condition nécessaire mais non suffisante pour réussir ce cours.
Seuil de passage pour les éléments à caractère individuel
Note minimale : 50
Dates des examens intra
| Groupe | Date | Heure |
| 1 | 17 février 2026 | 09:00 |
Politique de retard des travaux
Tout travail (devoir pratique, rapport de laboratoire, rapport de projet, etc.) remis en retard sans motif valable, c’est-à-dire autre que ceux mentionnés dans le Règlement des études (1er cycle, article 7.2.5/ cycles supérieurs, article 6.5.2) se verra attribuer la note zéro, à moins que d’autres dispositions ne soient communiquées par écrit par l’enseignante ou l’enseignant dans les consignes de chaque travail à remettre ou dans le plan de cours pour l’ensemble des travaux.
Dispositions additionnelles
n/a
Absence à une évaluation
Afin de faire valider une absence à une évaluation en vue d’obtenir un examen de compensation,
l’étudiante ou l’étudiant doit utiliser le formulaire prévu à cet effet dans son portail MonÉTS
pour un examen final qui se déroule durant la période des examens finaux ou pour tout autre
élément d’évaluation surveillé de 15% et plus durant la session. Si l’absence concerne un
élément d’évaluation de moins de 15% durant la session, l’étudiant ou l’étudiante doit
soumettre une demande par écrit à son enseignante ou enseignant.
Toute demande de validation d’absence doit se faire dans les cinq (5) jours ouvrables suivant
la tenue de l’évaluation, sauf dans les cas d’une absence pour participation à une activité
prévue aux règlements des études où la demande doit être soumise dans les cinq (5) jours
ouvrables avant le jour de départ de l’ÉTS pour se rendre à l’activité.
Toute absence non justifiée par un motif majeur (voir articles 7.2.6.1 du
RÉPC et 6.5.2 du RÉCS)
entraînera l’attribution de la note zéro (0).
Infractions de nature académique
Les clauses du « Règlement sur les infractions de nature académique de l’ÉTS » s’appliquent dans ce cours ainsi que dans tous les cours du département. Les étudiantes et les étudiants doivent consulter le Règlement sur les infractions de nature académique (www.etsmtl.ca/a-propos/gouvernance/secretariat-general/cadre-reglementaire/reglement-sur-les-infractions-de-nature-academique) pour identifier les actes considérés comme étant des infractions de nature académique ainsi que prendre connaissance des sanctions prévues à cet effet. À l’ÉTS, le respect de la propriété intellectuelle est une valeur essentielle et tous les membres de la communauté étudiante sont invités à consulter la page Citer, pas plagier ! (www.etsmtl.ca/Etudiants-actuels/Baccalaureat/Citer-pas-plagier).
Systèmes d’intelligence artificielle générative (SIAG)
L’utilisation des systèmes d’intelligence artificielle générative (SIAG) dans les activités d’évaluation constitue une infraction de nature académique au sens du Règlement sur les infractions de nature académique, sauf si elle est explicitement autorisée par la personne enseignante du cours ou la personne coordonnatrice dans le cas des stages.
Documentation obligatoire
Matériel pédagogique développé par le professeur disponible sur le site web du cours.
Articles disponibles sur le site web du cours complétant le matériel pédagogique.
Ouvrages de références
- Programming Differential Privacy: https://programming-dp.com/
- The Algorithmic Foundations of Differential Privacy: https://www.cis.upenn.edu/~aaroth/Papers/privacybook.pdf
Adresse internet du site de cours et autres liens utiles
Site Moodle du cours.