Les langages des données : R et Julia
Partie 4 sur 4
8Sécurité et protection des données
Travailler sur des données expose à deux familles de risques : ceux des données elles-mêmes, et ceux du code que l’on installe ou exécute.
8.1Les données personnelles
Les jeux de données contiennent souvent des informations sur des personnes : patients, clients, élèves. En Europe, leur traitement est encadré par le règlement général sur la protection des données (voir le RGPD). Réflexes de base : ne garder que les colonnes nécessaires ; remplacer les noms par des identifiants (pseudonymisation) ; ne pas déposer de données réelles dans un service en ligne (sites de dépannage, assistants en ligne, dépôts publics de code) ; ne pas confondre pseudonymiser et anonymiser, car un jeu de données peut permettre de retrouver une personne en croisant l’âge, le code postal et la profession.
8.2Les extensions : une chaîne d’approvisionnement
Installer un paquet revient à faire confiance à son auteur et à toutes ses dépendances. Le CRAN soumet les paquets à des vérifications automatiques et humaines, et le registre général de Julia à des contrôles de base, mais ni l’un ni l’autre ne garantit qu’un paquet est exempt de défaut. Les bonnes pratiques sont de préférer les paquets maintenus et largement utilisés, de vérifier le nom exact avant d’installer (des noms presque identiques peuvent piéger les distraits), de figer les versions et de ne pas exécuter de code d’une source inconnue.
8.3Le code exécuté à l’ouverture
R lit au démarrage un fichier de configuration du dossier courant (.Rprofile) et l’exécute. Ouvrir dans RStudio un projet reçu d’un inconnu peut donc lancer du code sans que vous l’ayez demandé. Il en va de même, en général, de tout carnet de notes ou projet qui contient du code : on le lit avant de l’exécuter, ou on l’ouvre dans un environnement isolé. De même, les fonctions qui évaluent un texte comme du code (eval(parse(text = …)) en R) ne doivent jamais recevoir un texte venant d’un utilisateur.
8.4Les secrets et les applications publiées
Un rapport ou un carnet ne doit contenir ni mot de passe, ni clé d’accès à un service : on les place dans des variables d’environnement ou un coffre à secrets, et l’on vérifie avant de publier (un dépôt public est lu par des robots en quelques minutes). Une application Shiny publiée sur Internet est un site web comme un autre : elle doit être protégée par une authentification quand elle donne accès à des données non publiques, et mise à jour régulièrement (voir les vulnérabilités).
Pour s’exercer
Exercice 7 : un projet reçu d’un inconnu
Un inconnu vous envoie un dossier de projet R « pour reproduire son analyse ». Que faites-vous avant de l’ouvrir et de l’exécuter ?
Voir la réponse
Je ne l’ouvre pas directement dans mon environnement habituel. Je lis d’abord les fichiers qui s’exécutent automatiquement (.Rprofile, scripts d’installation) et le code principal, en cherchant les appels qui téléchargent, envoient des fichiers ou lancent des commandes du système. J’examine la liste des paquets demandés (renv.lock) : sont-ils connus, maintenus, correctement orthographiés ? Je l’exécute si besoin dans un environnement isolé (machine virtuelle ou conteneur) sans accès à mes fichiers personnels ni à mes clés d’accès. Enfin, je vérifie que les données ne contiennent pas d’informations personnelles que je n’ai pas le droit de traiter.
9Pour commencer
- R : installer R depuis le site du projet, puis RStudio (gratuit pour l’usage individuel). Apprendre dans l’ordre : vecteurs, data frames, un graphique avec
ggplot2, un rapport Quarto. - Julia : installer le gestionnaire d’installation officiel (
juliaup), qui permet de choisir et de mettre à jour les versions ; lancerjuliadans un terminal ; taper]pour entrer dans le mode paquets,add DataFramespour en installer un. - Dans les deux cas : travailler dans un dossier par projet, avec un fichier d’environnement figé et un gestionnaire de versions dès le début.