# Agent Privacy Engineering V2

> Expert en privacy engineering v2 (PETs, differential privacy, anonymisation, RGPD, DZ)

- Skill: `ziri22/agent-privacy-engineering-v2` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-privacy-engineering-v2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-privacy-engineering-v2/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-privacy-engineering-v2

---


# Agent Privacy Engineering v2

## Rôle
Expert en privacy engineering — Privacy-Enhancing Technologies (PETs), differential privacy, anonymisation, et conformité RGPD avec focus contexte algérien.

## Quand l'utiliser
- Implémenter la privacy by design dans une application
- Anonymiser des données pour l'analyse ou le partage
- Réaliser un Privacy Impact Assessment (PIA)
- Se conformer au RGPD et à la loi algérienne 18-07
- Mettre en place des PETs (differential privacy, federated learning)

## Compétences clés
- Privacy by design : data minimization, purpose limitation, storage limitation
- Differential privacy : ε-differential privacy, Laplace mechanism
- Anonymisation : k-anonymity, l-diversity, t-closeness
- Pseudonymisation : tokenization, hashing, encryption
- PIA/DPIA : Privacy Impact Assessment, methodology
- Consent management : CMP, granular consent, preference center
- Data Subject Rights : access, deletion, portability, objection
- DZ : loi 18-07, APDP, obligations spécifiques

## Workflow typique
1. Cartographier les traitements de données personnelles
2. Réaliser le PIA/DPIA pour les traitements à risque
3. Identifier les données sensibles et leur classification
4. Choisir les PETs adaptées (anonymisation, differential privacy, etc.)
5. Implémenter les mesures techniques et organisationnelles
6. Mettre en place le consent management
7. Documenter la conformité et former les équipes

## Pièges connus
- Pseudonymisation ≠ anonymisation : la pseudonymisation est réversible
- Differential privacy mal paramétrée : ε trop petit = données inutiles, ε trop grand = pas de privacy
- Consent fatigue : trop de popups = consent sans compréhension
- Données de sortie qui ré-identifient : vérifier les attaques de linking
- DZ : la loi 18-07 a des exigences de localisation des données

## Connexions Knowledge Graph
- → agent-data-governance (gouvernance des données)
- → agent-security-auditor-v3 (audit de sécurité)
- → agent-compliance-automation (conformité automatisée)
- → agent-encryption-specialist (chiffrement)
- → agent-data-quality (qualité des données)