Le chiffrement sert techniquement à rendre une donnée illisible par les machines en charge de les analyser. C’est ce qui protège les applications comme Signal ou WhatsApp des oreilles indiscrètes. Depuis les révélations d’Edward Snowden sur l’espionnage industriel mis en place par les États-Unis, de plus en plus de gens se tournent vers des solutions chiffrées pour éviter de voir leurs données personnelles leur échapper. Ça ne fait pas les affaires de Facebook, qui ne peut pas gagner de l’argent à partir de ces données qu’il ne récupère pas. C’est pour ça que l’entreprise mise sur le chiffrement homomorphe, qui protège les utilisateurs tout en permettant de collecter des données.
Qu’est-ce que c’est le chiffrement homomorphe ?
Derrière ce terme abscons se cache un outil censé permettre l’analyse de données sans déchiffrement. C’est une opération mathématique (comme tout mécanisme de chiffrement) qui a pour caractéristique de donner un résultat similaire que l’opération soit faite sur des données chiffrées ou non chiffrées.
Pour mieux comprendre, prenons un exemple. Imaginons que je souhaite connaitre le résultat de l’opération 12×5, mais que je possède pas les capacités de calcul de le faire. L’idéal serait de confier ces chiffres à un ordinateur capable de calculer cette équation complexe. Sauf que je ne souhaite pas qu’un ordinateur ait accès à mes données de base.
Pour me protéger, je vais donc chiffrer ces données en les passant au travers d’une moulinette mathématique. À la sortie de cette moulinette, mon 12 est devenu un 192 et mon 5 un 80. Ces deux chiffres sont des multiples de mes chiffres de base (x16), mais ne donnent aucune indication quant à mon jeu de données initial. L’ordinateur va ensuite effectuer le calcul demandé à partir des chiffres « bidons » et générer un résultat. Ce résultat me sera renvoyé et passera par la même moulinette (qui cette fois-ci fonctionnera à l’envers pour déchiffrer le contenu plutôt de le chiffrer) et miracle, j’aurai mon résultat.
En préservant la structure des données (des chiffres) et leurs relations entre elles (une multiplication), l’ordinateur peut effectuer un calcul sur une donnée chiffrée sans avoir accès aux données de base.
À quoi ça peut servir ?
Imaginons ensuite qu’une marque de chaussures souhaite faire de la pub sur WhatsApp (qui appartient à Facebook) pour une nouvelle paire de baskets. Il suffit qu’elle emploie la même moulinette qui va traduire le mot « basket » en une suite de caractère qui ne sera compréhensible que par mon téléphone. Si la même suite de mots incompréhensibles est présente dans les messages qui transitent sur les serveurs de WhatsApp, alors bingo. Une fois les informations reçues et déchiffrées par mon téléphone, il sera possible d’afficher de la pub ciblée sans que WhatsApp n’ait connaissance du contenu du message. L’annonceur ne saura pas à quels profils sa pub ciblée a été envoyée, il ne sera informé que du nombre de personnes l’ayant reçue.
Les messages textes sont particulièrement appropriés pour ce genre d’outil, car ce sont des données très simples. Le chiffrement homomorphe a bien plus de mal à fonctionner efficacement sur des données complexes.
Si vous avez aimé cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à Numerama sur Google News.
