Transfert de données de recherche médicale : collaboration

Le transfert de données de recherche médicale consiste à déplacer des jeux de données pseudonymisés ou limités entre centres médicaux universitaires, centres de coordination, laboratoires centraux et dépôts publics, tout en respectant le RGPD article 89 sur les garanties pour la recherche scientifique, les conventions de partage de données (DUA) et les comités d'éthique compétents. Les fichiers vont d'un export REDCap de 5 Mo à une archive génomique BAM de 2 To, et la méthode de transfert change en conséquence. La CNIL encadre strictement le traitement des données de santé à des fins de recherche, exigeant notamment une pseudonymisation robuste et une traçabilité complète des accès — toute violation doit être notifiée dans les 72 heures conformément à l'article 33 du RGPD.

La convention de partage de données fixe les règles

Avant qu'un octet ne soit déplacé, la DUA entre institutions détermine ce qui est autorisé. Une DUA typique pour une étude multisite précise :

• Éléments de données inclus (règles de décalage des dates, troncature du code postal à trois chiffres, plafonnement de l'âge)
• Exigences de stockage sur le site récepteur (chiffrement au repos, contrôle d'accès)
• Méthode de transfert (SFTP via VPN, SCP avec authentification par clé publique, portail web approuvé)
• Interdiction de ré-identification et règles de suppression des petits effectifs
• Période de révision avant la publication
• Date et méthode de destruction

Quand la DUA spécifie « transfert via le portail sécurisé désigné du promoteur », utilisez ce portail même s'il est plus lent que le point d'accès Globus de votre institution. Ne vous inventez pas un flux de travail entre institutions.

Niveaux de pseudonymisation en recherche

Le RGPD et la réglementation française reconnaissent plusieurs catégories de données selon leur niveau de protection :

1. Données anonymes — la ré-identification est rendue impossible selon une évaluation d'expert. Hors du champ du RGPD une fois anonymisées.
2. Données pseudonymisées — les identifiants directs sont remplacés par un code ; la clé de correspondance est conservée à l'origine. Restent des données à caractère personnel au sens du RGPD.
3. Données codées avec clé de liaison conservée sur le site d'origine — techniquement encore des données personnelles à l'origine, mais le jeu de données codé chez le récepteur peut se qualifier sous des conditions spécifiques.

La plupart des recherches multi-sites fonctionnent sur des jeux de données pseudonymisés. La date d'hospitalisation compte. La région géographique compte. L'âge en années compte. Les flux de transfert doivent traiter ces données comme des données réglementées — pas comme des jeux de données open source prêts pour GitHub.

Plans de gestion des données et exigences de dépôt

Les instances de financement (ANR, Horizon Europe, collaborations internationales) exigent désormais des plans de gestion des données (PGD). Ces plans précisent comment les données seront partagées, où (entrepôts institutionnels, dépôts sécurisés) et quand.

Pour les données génomiques, les bases contrôlées comme EMBL-EBI ont des exigences de transfert spécifiques : authentification à deux facteurs, autorité institutionnelle préapprouvée, protocoles sécurisés dédiés. Pour les données d'essais cliniques, des dépôts structurés exigent des métadonnées et des formats de fichiers spécifiques.

Si votre PGD stipule « les données seront partagées via [dépôt X] dans les 12 mois suivant la fin de l'étude », votre flux de transfert doit produire des packages conformes dans les délais. Planifiez le pipeline, ne vous précipitez pas à la soumission.

Génomique à grande échelle : des téraoctets en mouvement

Un fichier BAM de séquençage du génome entier représente 50 à 200 Go. Les FASTQ de lecture courte d'un seul sujet se compriment à 80 Go. Multipliez par la taille de la cohorte et vous déplacez 10 à 100 To par lot d'analyse. Les outils de transfert web ne peuvent pas gérer cela. Options :

• Globus Connect — transfert de données haute performance, utilisé par pratiquement tous les centres de calcul de recherche financés par des fonds publics. Points d'accès dans les grandes universités et instituts de recherche européens.
• Aspera (IBM) — transfert basé sur UDP avec contrôle de la congestion, utilisé par les grandes bases de données génomiques internationales.
• AWS Snowball Edge — appareils physiques de 80 To expédiés par courrier quand le transfert réseau prendrait des semaines.
• Transfert cloud-à-cloud — si la source et la destination sont toutes deux sur AWS S3 ou GCP Cloud Storage, les services de réplication déplacent des pétaoctets en quelques heures.

Pour les fichiers plus petits qui entourent les gros — feuilles de calcul phénotypiques, rapports de contrôle qualité, protocoles d'étude — un transfert web chiffré maintient le pipeline de métadonnées en mouvement sans attendre la fin du téléversement BAM.

Le niveau intermédiaire : REDCap, tableurs et revues de dossiers

La majorité des transferts de données de recherche ne concernent pas la génomique. Ce sont un export REDCap de 40 Mo, une feuille de calcul d'abstraction de dossiers pseudonymisée de 15 Mo, un dossier de 200 Mo de vignettes CT dé-identifiées pour une étude de validation d'IA. Le transfert web sécurisé convient parfaitement à cette plage.

Exigences minimales :

• Chiffrement AES-256-GCM, idéalement côté client
• Transport TLS 1.3
• Expiration du lien (7 à 30 jours selon la DUA)
• Journal d'audit avec hachage de fichier et IP du destinataire
• Canal de communication du mot de passe séparé du canal du lien

HexaTransfer répond à ces spécifications avec un chiffrement côté client à connaissance zéro. Essayez-le sur hexatransfer.com — gratuit, sans compte, 10 Go maximum. Consignez le transfert dans le classeur de votre étude avec la date, le destinataire, la description du fichier et le hachage.

RGPD article 89 et recherche internationale

Les données de recherche européennes bénéficient de garanties spécifiques en vertu du RGPD article 89 : pseudonymisation, minimisation des données et limitation de la finalité alignée sur l'objectif de recherche. Pour les transferts depuis des institutions de l'UE vers des collaborateurs hors EEE, les lignes directrices du Comité européen de la protection des données s'appliquent.

Mesures complémentaires pour les transferts hors EEE :

• Pseudonymisation avec la clé conservée sur le site de l'UE
• Chiffrement côté client pour que le prestataire de transfert n'ait pas accès au texte en clair
• Interdiction contractuelle de répondre à des demandes de divulgation gouvernementales étrangères
• Analyse d'impact sur le transfert documentée

Packages de reproductibilité et science ouverte

Des revues comme Nature, The Lancet et les grandes publications biomédicales exigent désormais des packages de reproductibilité à la soumission : code, données pseudonymisées suffisantes pour reproduire l'analyse, et spécifications d'environnement (conteneurs Docker, fichiers de verrouillage conda). Ces packages représentent typiquement 100 Mo à 10 Go.

Le transfert vers le système de soumission de la revue ou vers un dépôt (Zenodo, Figshare) nécessite :

• Attribution d'un DOI pour la citation
• Authentification ORCID pour le déposant
• Métadonnées de licence (CC0, CC-BY, référence DUA personnalisée)
• Format d'archivage persistant (.tar.gz, .csv.gz plutôt que .xlsx)

La science ouverte ne signifie pas transit non chiffré. Cela signifie accès ouvert après dépôt. Le transfert vers le dépôt nécessite toujours TLS 1.3 et des vérifications d'intégrité.

Pistes d'audit pour l'intégrité de la recherche

Au-delà des exigences des comités d'éthique, les enquêtes sur l'intégrité de la recherche arrivent. Si des allégations surviennent, les enquêteurs reconstituent qui avait accès à quelles données à quel moment. Votre journal d'audit de transfert soutient cette reconstruction.

Conservation : les institutions françaises et européennes exigent généralement la conservation des données de recherche pendant au moins dix ans après la fin du projet. Pour les données d'essais cliniques soutenant une autorisation de mise sur le marché, cette période peut s'étendre à 25 ans ou plus.

Champs du journal à conserver :

1. Horodatage UTC
2. Identité de l'expéditeur (compte institutionnel authentifié)
3. Identité du destinataire (authentifié, pas une boîte aux lettres générique)
4. SHA-256 du fichier
5. Référence du protocole du comité d'éthique
6. Référence de la DUA

Centres de coordination et cartographie des flux de données

Les études multi-sites acheminent les données via un Centre de Données de Coordination. Le CDC maintient le jeu de données maître, gère le contrôle qualité et distribue les jeux de données dérivés aux noyaux analytiques et aux sites individuels. Les flux de transfert ressemblent à :

• Site → CDC : téléversement chiffré des données de formulaires et des PDFs de documents sources
• CDC → Laboratoire central : jeu de données dérivé pour un objectif analytique spécifique
• CDC → Sites : rapports d'avancement périodiques avec des benchmarks au niveau du site
• CDC → Dépôt : jeu de données final de l'étude à la publication ou selon le PGD

Chaque liaison a sa propre méthode de transfert, DUA et exigence d'audit. Cartographiez les flux dans un diagramme avant l'ouverture de l'étude. Mettez à jour le diagramme lorsqu'un nouveau partenaire rejoint l'étude.

Le transfert de données de recherche médicale se situe à l'intersection de la science ouverte, de la conformité réglementaire et de l'ingénierie réseau pratique. Le bon outil pour un fichier phénotypique de 10 Mo est le mauvais outil pour un BAM de 2 To. Construisez un flux de travail stratifié qui associe chaque transfert à son rail approprié, documentez-le dans le PGD, et le reste n'est qu'exécution soigneuse. Pour commencer, consultez hexatransfer.com.