Les données cérébrales -ou brain data – prennent de la valeur. Collectées via de nouvelles neuro-technologies, portées par les progrès conjugués de la biologie et des algorithmes, ces données sont de moins en moins cantonnées au domaine médical. Elles concernent maintenant le grand public et pourraient entraîner la divulgation d’informations sur les mécanismes cérébraux et les traits cognitifs des individus, voire même des prédictions de comportement . Comment organiser un juste cadre pour cette collecte de brain data ? C’est le sujet de l’article ci-dessous, publié par plusieurs dizaines de chercheurs qui effectuent un tour assez complet de la question.
Les auteurs précisent la définition des brain data : « human brain data are quantitative data about human brain structure, activity and function. These include direct measurements of brain structure, activity and/or function (e.g. neuronal firing or summed bioelectric signals from EEG) and indirect functional indicators (i.e., blood flow in fMRI and fNIRS). These types of brain data can be combined with non- neural contextual data, such as voice recordings or smartphone usage data, that can be used to support inferences about mental processes in a broader sense… Compared to other measurements of the human body, the risks associated with the collection and processing of brain data are distinctive in terms of quality and magnitude…. ».
Ils en expliquent le développement, en particulier dans les domaines de l’éducation et le domaine militaire : “Today, brain data are also increasingly being used in employment, education, and military contexts, as well as for personal use through an increasing number of consumer-grade devices. In the consumer space, information technology companies are developing devices and applications that leverage brain data for consumer purposes such as cognitive monitoring, neurofeedback, device control or other forms of brain-computer interfacing.….These novel uses of brain data add to the already extensive use of these data in clinical medicine and biomedical research. In these fields, electrophysiology and neuroimaging datasets have steadily grown in volume, variety and analytic complexity. Data repurposing, a frequent occurrence in digital health and digital phenotyping, also permits cross-domain data transfer, blurring the lines between biomedical and non-medical data uses“.
Reverse inference
Le problème, évidemment, réside dans le fait que le cerveau n’est pas un organe comme les autres. Si certaines vulnérabilités des brain data sont communes aux données digitales : «re-identificatio, hacking, unauthorized reuse, asymmetric commodification, privacy-sensitive data-mining, digital surveillance and coopting data for other non-benign purpose”, certains enjeux sont bien spécifiques aux brain data. Que peut-on connaitre d’un individu à travers ces données ? Les auteurs soulèvent le problème de l’inférence et des possibilités de prédiction à partir de ces inférences, par exemple le signe d’un déclin cognitif : “At the neurobiological level, brain data are the most direct correlates of mental states. Although current neurotechnologies, especially non-invasive techniques, are not yet able to decode thoughts —in the sense of providing a full, granular and real-time account of the neural patterns of specific cognitive processes—they allow to infer the engagement of some perceptual and cognitive processes from patterns of brain activation, a process known as reverse inference ».
« …This opens the prospect of targeted and direct influence on a person’s mental life and personal identity »,
0 commentaire