Aller au contenu
Encyclopédie informatique Édition 2026

Les langages des données : R et Julia

Partie 4 sur 4

Niveau de lecture :

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 ; lancer julia dans un terminal ; taper ] pour entrer dans le mode paquets, add DataFrames pour 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.
Sécurité de l’information

Le coin cyber

Cet article présente deux langages d’analyse de données et les précautions d’usage. Il ne contient aucune technique d’attaque ; les risques sont décrits au niveau des principes, du côté de la défense.

C.1Un projet de données est un projet logiciel

Un script d’analyse s’installe, s’exécute avec vos droits, lit des fichiers et parfois accède à un réseau. Il est donc soumis aux mêmes risques que n’importe quel programme : dépendances compromises, secrets oubliés, code reçu d’une source douteuse. La différence est culturelle : les personnes qui analysent des données ne sont pas toujours formées à ces risques. Les paquets des dépôts R et Julia sont écrits par des volontaires ; la prudence consiste à limiter le nombre de paquets, à figer leurs versions et à les mettre à jour de façon décidée, non automatique.

C.2Les données comme actif à protéger

Les jeux de données de recherche, de santé ou de clientèle sont des cibles. Les protéger demande de savoir où ils sont (poste, serveur, nuage, dépôt de code), qui y accède, comment ils sont chiffrés et sauvegardés (voir le RGPD), et de supprimer les copies de travail devenues inutiles. Les carnets de notes partagés doivent être purgés de leurs résultats intermédiaires lorsque ceux-ci contiennent des données personnelles.

C.3Idée reçue

« C’est du code de chercheur, il n’intéresse personne et ne peut pas être dangereux. » Faux. Les chercheurs et analystes détiennent des données de valeur, des accès à des machines de calcul puissantes (que des attaquants peuvent détourner) et des clés d’accès à des services. Un paquet ou un projet piégé y trouve de quoi nuire. Le code d’analyse mérite la même hygiène que le code d’une application.

C.4Bonnes pratiques

Analyste

  • Figer les versions (renv.lock, Manifest.toml), lire avant d’exécuter un code reçu, travailler dans un environnement isolé pour les sources inconnues.
  • Pseudonymiser les données et n’y garder que le nécessaire.
  • Garder les secrets hors du code et des carnets de notes.

Organisation

  • Tenir un registre des jeux de données et de leurs accès ; appliquer les règles de protection des données personnelles.
  • Fournir des dépôts de paquets internes vérifiés et des environnements de calcul isolés.
  • Protéger les applications publiées (authentification, mises à jour) et surveiller leur usage.

Référentiels : Règlement (UE) 2016/679 (RGPD) · CNIL, guides sur l’anonymisation et la pseudonymisation · ANSSI, Guide d’hygiène informatique · OWASP, Software Supply Chain Security.

Références

  1. R Core Team, R : A Language and Environment for Statistical Computing, R Foundation for Statistical Computing.
  2. R. Ihaka, R. Gentleman, R : A Language for Data Analysis and Graphics, Journal of Computational and Graphical Statistics, 1996.
  3. J. Bezanson, A. Edelman, S. Karpinski, V. Shah, Julia : A Fresh Approach to Numerical Computing, SIAM Review, 2017.
  4. J. Bezanson, S. Karpinski, V. Shah, A. Edelman, Why We Created Julia, 2012.
  5. F. J. Anscombe, Graphs in Statistical Analysis, The American Statistician, 1973.
  6. H. Wickham, M. Çetinkaya-Rundel, G. Grolemund, R for Data Science, 2e édition.
  7. Règlement (UE) 2016/679 du 27 avril 2016 (RGPD).

Voir aussi

Citer cet article

« Les langages des données : R et Julia », Encyclopédie informatique, révision du 4 novembre 2026.