# Beyazıt Yüksel sécurise les ECG au prix d’un calcul lourd

> Une étude de Beyazıt Yüksel chiffre jusqu’à 1 200 % le surcoût de calcul pour protéger des données ECG pendant leur traitement.

Type : Actualité IA · Catégorie : Secteur · Publié le 2026-10-20 · Signal IA - Order & Chaos · Secteur : Santé
Source : https://www.orderchaos.eu/signal-ia/actu/beyazit-yuksel-protege-les-ecg-mais-le-calcul-explose
Tags : confidentialité, santé, chiffrement, données, ia

---

## En résumé

- Beyazıt Bestami Yüksel sépare les données ECG en trois frontières de confiance.
- Le chiffrement homomorphe permet de calculer sur des données qui restent chiffrées.
- Le surcoût atteint 1 200 % lorsque plusieurs établissements détiennent des fragments liés aux mêmes patients.

**Le signal :** L’étude de Beyazıt Bestami Yüksel maintient une précision de 97 à 99,9 %, avec jusqu’à 1 200 % de surcoût informatique.

**Données cardiaques distribuées** Les soins cardiaques utilisent désormais des patchs ou des montres connectées pour enregistrer l’électrocardiogramme. Un téléphone ou une passerelle relaie ensuite les mesures vers un service infonuagique. Ce service les stocke et les analyse, tandis qu’un cardiologue peut les examiner depuis un autre lieu. Ces enregistrements alimentent aussi des modèles d’IA entraînés par plusieurs [hôpitaux](/signal-ia/actu/a-londres-lia-guide-lablation-dune-tumeur-de-11-mm). Chaque étape peut exposer les données sensibles ou des informations dérivées. Le chiffrement des communications protège les échanges. Le chiffrement du stockage protège les disques. Toutefois, le service doit généralement déchiffrer les données pour calculer une fréquence cardiaque moyenne ou produire une alerte d’arythmie. [Lire l’analyse originale](https://www.helpnetsecurity.com/2026/10/21/ecg-heart-data-privacy-preserving-ai/).

**Trois frontières de confiance** Une thèse récente de Beyazıt Bestami Yüksel, publiée par l’Istanbul Technical University, propose de séparer le parcours des données. La première frontière couvre le capteur et l’appareil périphérique, où la rapidité domine. La deuxième couvre les communications et le stockage, avec TLS et AES. La troisième couvre le calcul et la collaboration, lorsque les données doivent être traitées ou utilisées pour apprendre sans exposition directe. Cette approche applique la modélisation des menaces au cycle de vie des données. Elle pose donc une question précise sur chaque étape. Qui peut voir les données pendant leur utilisation ? Les mises à jour de modèles peuvent aussi révéler des informations sur les patients concernés.

## Yüksel combine deux protections

**Calcul sans déchiffrement** Deux techniques structurent le dispositif étudié par Yüksel. Le chiffrement homomorphe permet à un serveur d’effectuer des calculs sur des données chiffrées. L’apprentissage fédéré permet à plusieurs hôpitaux d’entraîner un modèle sans regrouper leurs dossiers. Chaque établissement entraîne localement le modèle. Il envoie ensuite uniquement ses mises à jour. Les valeurs échangées peuvent être agrégées sous chiffrement. Un agrégateur curieux, mais respectant le protocole, ne peut alors pas lire la contribution individuelle d’un hôpital. Cette hypothèse, dite « honnête mais curieuse », définit la menace étudiée. La conception utilise aussi une protection légère au capteur, puis réserve le chiffrement homomorphe au calcul partagé.

**Des coûts très différents** Yüksel a testé son approche sur un jeu public d’environ 21 800 enregistrements ECG. Les données ont été réparties pour simuler plusieurs hôpitaux. Lorsque chaque site détenait des patients différents avec les mêmes types de mesures, le chiffrement ajoutait environ 30 % de calcul. Lorsque les sites détenaient des informations différentes sur les mêmes patients, le surcoût atteignait environ 450 %. Dans la configuration la plus imbriquée, il montait à 1 200 %. La précision diagnostique restait comprise entre environ 97 % et 99,9 %. Ces résultats proviennent toutefois d’hôpitaux simulés. Une mise en œuvre réelle comporterait des données et des réseaux plus complexes.

## Le découpage pilote le surcoût

**Une contrainte organisationnelle** L’étude indique que le coût informatique dépend fortement de la manière dont les données sont réparties. La précision diagnostique varie peu dans les scénarios testés. Le calcul, lui, peut augmenter d’un ordre de grandeur. Ce résultat lie directement l’architecture de [confidentialité](/signal-ia/actu/google-collecte-des-donnees-pour-entrainer-son-ia) à une organisation des données. Les équipes ne maîtrisent pas toujours cette répartition entre établissements. Les entreprises qui évaluent une IA chiffrée doivent donc mesurer le coût dans leur propre configuration. Elles doivent aussi distinguer les données en transit, celles stockées et celles utilisées pour calculer. Le modèle de Yüksel fournit une architecture différenciée pour ces trois moments, avec des protections adaptées à chaque frontière.