ALLO SNT
ÉLÈVES, PARENTS & PROFS
Connexion
Retour a Localisation

Vie Privee et Localisation

Votre smartphone sait ou vous etes, ou vous avez ete, et peut predire ou vous irez. Ces donnees valent de l'or pour les entreprises... et peuvent vous mettre en danger. Decouvrez les enjeux de la vie privee a l'ere de la geolocalisation.

Difficulte:
30 min
+30 XP

Objectifs du cours

  • Comprendre les risques lies a la geolocalisation
  • Connaitre les donnees collectees par les applications
  • Maitriser les parametres de confidentialite du smartphone
  • Decouvrir le cadre legal (RGPD, ePrivacy)
  • Adopter de bonnes pratiques pour proteger sa vie privee

Erreurs courantes a eviter

  • Penser que 'je n'ai rien a cacher'
  • Ignorer les permissions accordees aux applications
  • Croire que le mode avion desactive totalement la localisation
  • Sous-estimer la valeur des donnees de localisation

**Les traces que vous laissez**

Chaque jour, votre smartphone genere des centaines de points de localisation :

**Collecte active (avec votre accord)** : - Position GPS (applications meteo, navigation, sport) - Check-ins (Facebook, Instagram, Swarm) - Photos geolocalisees - Recherches locales ("restaurant pres de moi")

**Collecte passive (souvent ignoree)** : - Historique de position Google/Apple - Antennes cellulaires connectees - Reseaux WiFi detectes - Bluetooth (beacons dans les magasins)

**Qui collecte vos donnees de localisation ?**

| Acteur | Donnees collectees | Usage | |--------|-------------------|-------| | Google/Apple | Historique complet | Amelioration services | | Applications | Position temps reel | Publicite ciblee | | Operateurs | Antennes utilisees | Obligations legales | | Sites web | Position approximative | Contenu local |

**Ce qu'on peut deduire de votre localisation** :

- Domicile (ou vous dormez) - Lieu de travail (ou vous etes en journee) - Habitudes (trajets quotidiens) - Relations (personnes souvent au meme endroit) - Religion (eglise, mosquee...) - Sante (hopitaux, medecins...) - Opinions politiques (manifestations, reunions)

**Exemple concret** :

Une etude MIT a montre que 4 points de localisation suffisent pour identifier une personne de facon unique dans 95% des cas.

Python
# Analyse des risques de la geolocalisation
import random
from datetime import datetime, timedelta

print("=== DONNEES DE LOCALISATION COLLECTEES ===\n")

# Simulation d'un historique de localisation
print("EXEMPLE : Historique d'une journee type\n")

historique = [
    ("06:30", 48.8566, 2.3522, "Domicile", "Reveil"),
    ("07:15", 48.8570, 2.3510, "Boulangerie", "Achat"),
    ("07:45", 48.8452, 2.3731, "Metro Republique", "Transport"),
    ("08:30", 48.8738, 2.2950, "Bureau", "Travail"),
    ("12:15", 48.8750, 2.2980, "Restaurant", "Dejeuner"),
    ("13:00", 48.8738, 2.2950, "Bureau", "Travail"),
    ("17:30", 48.8738, 2.2950, "Bureau", "Depart"),
    ("18:00", 48.8600, 2.3400, "Salle de sport", "Loisir"),
    ("19:30", 48.8584, 2.2945, "Tour Eiffel", "Rencontre"),
    ("21:00", 48.8566, 2.3522, "Domicile", "Retour")
]

print(f"{'Heure':<8} {'Coordonnees':<25} {'Lieu':<20} {'Activite':<15}")
print("-" * 70)

for heure, lat, lon, lieu, activite in historique:
    coords = f"({lat}, {lon})"
    print(f"{heure:<8} {coords:<25} {lieu:<20} {activite:<15}")

# Ce qu'on peut deduire
print("\n\n=== CE QU'ON PEUT DEDUIRE ===\n")

deductions = [
    ("Domicile", "48.8566, 2.3522", "Position nocturne recurrente"),
    ("Lieu de travail", "48.8738, 2.2950", "Presence 9h-17h jours ouvres"),
    ("Niveau de revenus", "Eleve", "Quartier, type de commerce"),
    ("Habitudes sportives", "3x/semaine", "Salle de sport reguliere"),
    ("Vie sociale", "Active", "Sorties regulieres"),
    ("Transport utilise", "Metro", "Trajets typiques")
]

for categorie, valeur, methode in deductions:
    print(f"  {categorie:<20} : {valeur:<15} ({methode})")

# Volume de donnees
print("\n\n=== VOLUME DE DONNEES GENERE ===\n")

# Un smartphone genere environ 1 point GPS toutes les 5 min
points_par_jour = 24 * 60 / 5  # 288 points
points_par_mois = points_par_jour * 30
points_par_an = points_par_jour * 365

print(f"Points GPS par jour  : {points_par_jour:.0f}")
print(f"Points GPS par mois  : {points_par_mois:,.0f}")
print(f"Points GPS par an    : {points_par_an:,.0f}")
print(f"\nPoids estime (JSON)  : {points_par_an * 100 / 1024 / 1024:.1f} Mo / an")

# Identification unique
print("\n\n=== IDENTIFICATION UNIQUE ===\n")

print("Etude MIT 2013 :")
print("  - 4 points de localisation suffisent pour identifier")
print("    une personne de facon unique dans 95% des cas.")
print()
print("  - Avec les heures de passage, la precision monte a 99%.")
print()
print("  => Vos donnees de localisation sont TRES identifiantes !")

Quiz de validation

1. Combien de points de localisation suffisent pour identifier une personne de facon unique ?

2. Quel reglement europeen protege les donnees de localisation ?

3. Quel est le droit de demander la suppression de vos donnees ?

4. Le mode avion desactive-t-il completement la localisation GPS ?

5. Quelle application est une alternative respectueuse de la vie privee a Google Maps ?

Pixel