En tant que fournisseur leader de solutions de blockchain, la Suisse est bien positionnée pour utiliser cette nouvelle technologie. De nombreux exemples en témoignent au quotidien, comme la proposition de l'utiliser pour la nouvelle infrastructure e-ID. Dans le domaine de la formation, nous examinons actuellement le potentiel de la blockchain dans le cadre de la conception d'une fédération des données dans la formation professionnelle. Nous accordons une attention particulière à la question de la sécurité des données. De plus, nous examinons la compatibilité des données avec les lois et les ordonnances sur la protection des données.

Stockage des données dans la blockchain

Selon une confusion répandue, les technologies de blockchain seraient utilisées pour stocker des données. En réalité, seuls les enregistrements des transactions (incluant leur horodatage) sont stockés dans une blockchain. Toutes les autres données sont généralement sauvegardées hors ligne. Les technologies de blockchain peuvent ainsi être conciliées avec les règles de protection des données lors de la conception et de la mise en œuvre. Supposons par exemple qu'une apprenante ou un apprenant termine avec succès un cours interentreprises. La transaction «cours terminé» est alors déposée dans la blockchain, sans fournir d'autres informations sur le contenu et le type de cours. Les informations complémentaires sur cette transaction et les personnes concernées auxquelles elles se rapportent sont enregistrées en dehors de la blockchain. Ainsi, une apprenante ou un apprenant peut obtenir un certificat de performance qui est déposé de manière anonyme dans la blockchain. Cependant, son contenu est stocké de manière privée et sécurisée dans son propre portefeuille. Ces informations peuvent être présentées par l'apprenante ou l'apprenant en cas de besoin (par ex. pour montrer qu'elle ou il dispose déjà d'une certaine compétence) et restent sous son contrôle.

Compatibilité avec la loi sur la protection des données

La séparation des transactions et de leurs données inhérentes ne garantit toutefois pas totalement l'anonymat au sens des lois sur la protection des données. En effet, certaines méthodes (par ex. l'analyse de graphes) montrent qu'il est possible de déduire des informations sur les personnes uniquement à partir des transactions.

Cela est possible grâce aux identifiants qui peuvent être déposés dans la blockchain (plus d'informations sur les identifiants dans l'article «Justificatifs vérifiables et hautes écoles»). Il faut donc s'assurer dès le début, durant le développement de la blockchain, que de telles caractéristiques ne sont pas enregistrées dans les transactions. De plus, il est possible, grâce à des techniques cryptographiques, de limiter les droits d'accès et de traitement afin que la personne concernée ait le contrôle de ses données personnelles. Un exemple d'une telle technique est la preuve à divulgation nulle de connaissance (zero knowledge proof). Grâce à cette «preuve sans connaissance», on peut prouver qu'une déclaration est correcte sans en révéler le contenu. La sphère privée de la personne concernée est ainsi préservée. Par exemple, on peut définir des mécanismes permettant de déterminer lequel parmi plusieurs apprenantes et apprenants a obtenu la meilleure note, sans que les notes elles-mêmes ne soient divulguées.

Afin d'empêcher la publication de données individuelles (par ex. une note), de telles méthodes peuvent être combinées avec une logique de décision plus complexe. Celle-ci est alors définie dans des contrats intelligents (smart contracts).

Les approches mentionnées ont déjà été considérées par les autorités de protection des données de l'UE comme une mesure importante pour réduire le conflit entre la minimisation des données et la vérifiabilité.

Lors de la conception d'une fédération des données pour la formation professionnelle, nous observerons les développements relatifs à la protection des données et les intégrons dès le début. Notre objectif est de protéger les données personnelles tout en créant de nouveaux potentiels dans l'éducation.

Articles associés

Pour une politique d'utilisation des données qui tienne également compte des questions d'équité en matière d'éducation, il faut un dialogue avec toutes les parties prenantes: la recherche, l'environnement scolaire, les entreprises EdTech et l'administration de l'éducation. Le prof. Dr Kenneth Horvath, directeur du projet de recherche «Algorithmic Sorting in Education» à la HEP de Zurich, l'explique dans sa contribution.

Qu'est-ce que le fédéralisme suisse a en commun avec la blockchain? Les deux mettent l'accent sur l'autodétermination des petites unités. Lors de notre colloque 2023 sur le thème «blockchains dans la formation», nous nous pencherons sur cette tendance à l'autodétermination. Nous examinerons aussi les significations possibles pour le système éducatif, qui a fait ses preuves en matière de fédéralisme.

Les données sur l'éducation et l'apprentissage sont produites de diverses manières. David. H. Schiller est professeur à la Haute école spécialisée des Grisons et responsable du projet de recherche «Chemins de données de l'éducation numériques (Digitale Bildungsdatenwege)». Il explique pourquoi la mise en évidence de ces flux de données numériques aide à identifier les potentiels de développement.

Notre nouvelle série de podcasts est consacrée aux données dans l'espace numérique de formation. Le premier épisode de cette série répond aux questions suivantes: que sont les flux de données, pourquoi sont-ils importants et que pouvons-nous en apprendre?