‘De filibuster van Kamerlid Vincent Van Quickenborne (Open VLD) mag dan een controversiële politieke tactiek zijn,   de bezorgdheden die hij aankaart zijn legitiem en verdienen serieuze aandacht. Fraudebestrijding is belangrijk, maar niet ten koste van alles’, schrijft Wim Casteels.

In het federale parlement voert Van Quickenborne dezer dagen een uitputtingsslag tegen een wetsontwerp. Hij was al ruim 45 uur aan het woord, waaronder een marathonzitting van 23 uur. De politieke term hiervoor is filibusteren: het extreem rekken van redevoeringen om de behandeling van een wetsvoorstel te blokkeren.

De wet waartegen gestreden wordt, is wat Open VLD aanduidt als Money Control: de ambitie om met datamining grote hoeveelheden financiële gegevens te scannen om fraude te bestrijden. Open VLD ziet dit als een flagrante inbreuk op de privacy. “Wat is het volgende?” vraagt Open VLD-voorzitter Frédéric De Gucht zich af. “Huiszoekingen bij alle burgers om te zien of ze niets verkeerd doen?”

Privacy is een fundamenteel grondrecht dat de laatste jaren steeds meer onder druk komt te staan. In naam van veiligheid, efficiëntie en fraudebestrijding worden burgers steeds intensiever gemonitord. Maar waar ligt de grens? Wanneer gaat bescherming over in surveillance? En zijn we bereid om onze persoonlijke vrijheid op te offeren voor de belofte van een veiliger of rechtvaardiger samenleving?

Fraudebestrijding door datamining: de plannen van de regering

De regering-De Wever maakte van fraudebestrijding een prioriteit, zoals blijkt uit de beleidsnota van minister van Financiën Jan Jambon. Daarbij speelt het Centraal Aanspreekpunt (CAP) een belangrijke rol. Dit is een databank bij de Nationale Bank met informatie over rekeningen en financiële contracten. De regering wil deze databank uitbreiden met onder andere cryptorekeningen en buitenlandse financiële informatie. Daarnaast wil ze de CAP-gegevens opnemen in het datawarehouse van de FOD Financiën om deze te combineren met andere databanken em datamining in te zetten voor risicodetectie en dossierselectie.

In haar uitgebreid advies toont de Gegevensbeschermingsautoriteit (GBA) zich bijzonder kritisch over deze plannen. Ze uitte haar bezorgdheid over wetten die raken aan grondrechten zoals het recht op gegevensbescherming. Naast verschillende andere punten stipte ze aan dat het wetsvoorstel weinig transparant is over de concrete werking van de geplande algoritmes en de mogelijke gevolgen van geautomatiseerde fraudedetectie.

Ondanks het negatieve advies van de GBA werd het voorstel, mede onder druk van Vooruit, toch meegenomen in een overkoepelende wet diverse bepalingen. Deze wet bevat verschillende aspecten van de geplande fiscale hervorming en staat momenteel geagendeerd om te stemmen in het parlement. Het is daartegen dat Van Quickenborne momenteel zijn uitsteltactieken bovenhaalt.

Het valse dilemma van privacy tegenover maatschappelijk belang

Een argument dat vaak opduikt in dit soort discussies is: waarom zou je tegen inperkingen van de privacy zijn als je zelf geen fraudeur bent? Dit standpunt werd treffend verwoord door Eric Schmidt, ex-CEO van Google, als antwoord op groeiende bezorgdheid over Google’s privacybeleid: “Als je iets hebt waarvan je niet wilt dat iemand het weet, zou je het misschien in de eerste plaats niet moeten doen”.

Dit schetst een misleidend zwart-witbeeld van privacy: of je hebt iets te verbergen, of je bent volledig open. Privacy is echter veel genuanceerder. Wie wil er constant gemonitord worden, zelfs als je niets illegaals doet? Stel je voor dat de overheid toegang heeft tot al je financiële gegevens. zou je je daar comfortabel bij voelen? Zodra mensen het gevoel hebben bekeken te worden, gaan ze zich anders gedragen. Dit is een inperking van hun vrijheid.

Bovendien zijn zulke technische maatregelen rond toegang tot privacygevoelige gegevens niet makkelijk terug te draaien. Zelfs als de redenen om deze data vandaag te ontsluiten perfect legitiem zijn, wie kan garanderen dat ze morgen niet in een andere context worden gebruikt? Wie kan garanderen dat een meer autoritaire regering over een aantal jaar niet beslist om deze datamining voor andere doeleinden in te zetten? Of dat een ambtenaar in de verleiding komt om al dan niet bewust zijn bevoegdheden te buiten te gaan?

Deze discussie speelt momenteel ook in de VS, waar het nieuwe Department of Government Efficiency (DOGE) zoveel mogelijk overheidsdata wil centraliseren. Over deze plannen lopen al verschillende rechtszaken wegens privacybezwaren.

Waarom meer gegevens niet automatisch betere fraudedetectie betekent

Vaak wordt aangenomen dat meer data automatisch leidt tot betere resultaten. Dit klopt echter niet. Meer data brengt juist meer ruis en foute detecties met zich mee, waardoor het moeilijker wordt om echte risico’s te identificeren. Gericht werken per case is vaak effectiever dan grootschalige datamining.

Neem het voorbeeld uit de VS, waar klokkenluider Edward Snowden onthulde hoe de NSA massasurveillance inzette op Amerikaanse burgers na 9/11. Analyses toonden achteraf echter aan dat het grootschalig bijhouden van telefoongegevens een verwaarloosbaar effect had op de bestrijding van terrorisme.

In haar advies benadrukte de GBA het belang van transparantie over de criteria waarop het algoritme beslissingen baseert. Als voorbeeld van mogelijke problemen verwijst de GBA naar de Nederlandse toeslagenaffaire. Daarbij werden duizenden gezinnen onterecht beschuldigd van toeslagfraude, zonder dat een fysiek persoon de beschuldigingen onderzocht of onderbouwde.

Het Belgische wetsvoorstel stelt dat transparantie niet nodig is omdat menselijke tussenkomst voorzien is, er zou dus geen sprake zijn van automatische besluitvorming. Dit is een gevaarlijke aanname. Mensen zijn vaak minder kritisch tegenover beslissingen van geautomatiseerde systemen, een fenomeen gekend als automation bias. Dit roept de vraag op: hoe groot is de deze impact van menselijke controle op geautomatiseerde resultaten in de praktijk?

Een andere bezorgdheid is hoe de fouten die het algoritme maakt verdeeld zijn over bevolkingsgroepen. Het gevaar bestaat dat geautomatiseerde algoritmes discriminerende datapatronen oppikken en versterken. Zo bleek bij de toeslagenaffaire dat mensen met een dubbele nationaliteit vaker fraude pleegden. Het algoritme gebruikte dit als indicator, waardoor deze groep een grotere kans had om beschuldigd te worden van fraude.

Van Quickenborne’s filibuster mag dan een controversiële politieke tactiek zijn, maar de bezorgdheden die hij aankaart zijn legitiem en verdienen serieuze aandacht. Fraudebestrijding is belangrijk, maar niet ten koste van alles. Grootschalige datamining brengt aanzienlijke risico’s met zich mee voor de privacy en grondrechten van burgers, zonder bewijs dat deze aanpak effectiever is dan gerichtere methodes. Een democratische rechtsstaat vraagt om een zorgvuldige afweging tussen doeltreffendheid en grondrechten. Daarom verdient deze discussie meer tijd en aandacht dan een haastige stemming voor een wet diverse bepalingen.

Wim Casteels is docent AI en IT. Hij is auteur van Het masker van AI.