Le Jury du Prix Stefano Rodotà 2022, constitué des membres du Bureau du Comité de la Convention 108, a sélectionné
- dans la catégorie « travaux de thèse », Teresa Quintel pour sa thèse de PHD intitulé «Gérer les flux migratoires à travers le traitement des données personnelles avec un instrument de protection adéquat – Tracer les limites entre les règles générales de protection des données et celles pour l’application de la loi applicables aux nationaux des pays tiers »
- dans la catégorie « articles », Sabrina Nucciotti pour ses travaux intitulés « Le partage des données de santé sur la mauvaise pente – Comment le système distribué d’apprentissage machine, le Personal Health Train (PHT), peut contourner les barrières européennes de la vie privée et partager les données de santé en vue de la recherche médicale »
Teresa Quintel et Sabrina Nucciotti présenteront leurs travaux au Comité de la Convention 108, lors de sa 43ème réunion plénière.
Teresa Quintel
Teresa Quintel est conférencière au Centre européen sur la vie privée et la cybersecurité de Maastricht (ECPC), où elle est entrée en juillet 2021. Avant cela, elle était candidat doctorante à l’université de Luxembourg ainsi qu’à l’université d’Uppsala ; elle était aussi impliquée dans des activités d’enseignement et de simulation de procès. Outre ses activités de recherche et d’enseignement, Teresa a travaillé pour différents projets de l’Union européenne et du Conseil de l’Europe. Elle a publié sur divers sujets dans le contexte de la législation sur la protection des données et des thèmes connexes.
Sa thèse examine les situations dans lesquelles la criminalisation des citoyens non européens - appelés ressortissants de pays tiers - peut conduire à un abaissement des normes de protection des données de ces personnes. Lorsque des ressortissants de pays tiers sont traités comme des criminels, par exemple en raison de leur situation irrégulière, les autorités telles que les gardes-frontières ou les autorités policières pourraient appliquer la directive dite "Directive police". Cette directive s'appliquant lorsque le traitement des données à caractère personnel est effectué dans le domaine de la police et de la justice pénale, ses règles sont plus souples que celles du Règlement général sur la protection des données (RGPD). L'évaluation souligne comment un nombre croissant d'actes législatifs criminalisent intrinsèquement les migrants, par exemple en rationalisant l'accès des forces de l'ordre aux données personnelles de ressortissants de pays tiers stockées dans des bases de données non destinées aux forces de l'ordre. L'analyse identifie ainsi des situations dans lesquelles les règles de protection des données initialement établies dans un contexte répressif peuvent être appliquées dans le domaine de la migration, tant au niveau national qu'européen. Dans ses conclusions, Teresa propose des amendements aux lois existantes sur la protection des données qui pourraient contribuer à une délimitation plus claire entre les règles générales de protection des données et celles qui s'appliquent au traitement répressif.
Sabrina Nucciotti
Sabrina Nucciotti est étudiante en master au Trinity College de Dublin et poursuit actuellement un LLM en droit de l'informatique et de la propriété intellectuelle. Elle est diplômée de la faculté de droit européen de l'université de Maastricht en 2021 tout en participant simultanément au programme de spécialisation de la faculté ; pendant cette période, elle a également passé un semestre à l'étranger à l'université d'Édimbourg et a travaillé chez GIRP, l'association européenne de distribution de soins de santé, à Bruxelles. Ses intérêts sont centrés sur le droit européen de la protection des données et de la vie privée, avec un accent particulier sur la mise en œuvre des nouvelles technologies, notamment dans le secteur des soins de santé.
Le partage et la réutilisation des données de santé sont devenus de plus en plus cruciaux, notamment à la lumière de la pandémie actuelle de covid-19. En effet, les données de santé sont essentielles à la recherche médicale pour améliorer les diagnostics et les pronostics, ainsi que pour fournir de meilleurs soins de santé et des traitements personnalisés. Cependant, leur partage est non seulement nuancé mais aussi difficile dans la pratique : tant les données de santé elles-mêmes que les règles de protection des données sous-jacentes sont très fragmentées entre les parties prenantes et les États. Ce mémoire de licence étudie le potentiel des technologies d'apprentissage automatique distribuées par rapport aux initiatives basées sur le cloud pour surmonter les restrictions européennes en matière de protection des données et ainsi partager les données de santé de manière plus libre, interopérable et transparente, mais aussi comme un moyen d'accroître la participation des personnes concernées. Elle le fait à travers une étude de cas du Personal Health Train (PHT), un système d'apprentissage automatique distribué utilisé par l'université de Maastricht et d'autres instituts de recherche pour construire un modèle de prédiction de survie pour les patients atteints de cancer du poumon.
