L'application des mégadonnées, de la radiomique, de l'apprentissage machine et des algorithmes d'intelligence artificielle (IA) à la radiologie nécessite un accès à de grands ensembles de données contenant des renseignements personnels sur la santé. Considérant que les projets d'apprentissage machine nécessitent souvent une collaboration entre différents centres ou le transfert de données à des parties tierces, des précautions sont requises pour protéger la confidentialité des patients. Il est indispensable de mettre en place des mesures de sécurité pour empêcher un accès accidentel à des informations identifiables ou le transfert de celles-ci. L'Association canadienne des radiologistes (CAR) est le porte-parole de la radiologie à l'échelle nationale et s'engage à promouvoir les normes les plus élevées en matière d'imagerie axée sur le patient, un apprentissage tout au long de la vie et la recherche. La CAR a créé un comité permanent sur les questions éthiques et juridiques de l'IA dont le mandat est de guider la communauté d'imagerie médicale vers de meilleures pratiques de gestion des données, d'accès aux données de soins de santé, d'anonymisation et de responsabilisation. La première partie de cet article informera les membres de la CAR sur les principes suivants : anonymisation, pseudonymisation, chiffrement, identifiants directs et indirects, k-anonymisation, risques de réidentification, implémentations, modèles de libération des ensembles de données et validation des algorithmes d'IA. Son but est de parvenir à élaborer des normes adaptées afin de protéger efficacement les renseignements sur les patients. [ABSTRACT FROM AUTHOR]