Introduction : Les bases de données massives sont de plus en plus nombreuses. Cependant, la question de la sécurité des données et des risques de réidentification de données pseudonymisées limite légitimement la libre circulation et le partage des données. Les données synthétiques sont un outil puissant pour régler la question de la confidentialité à la racine, mais leur construction nécessite souvent des hypothèses de relation entre les variables d’intérêts. L’objectif de cette étude était de valider des données synthétiques au regard les associations statistiques d’une grande base de données synthétisées en aveugle.Méthode : A partir de données extraites de la cohorte en population générale CONSTANCES, un seul jeu global de données synthétiques « avatar » a été créé de manière aveugle sur en utilisant le logiciel de données synthétiques par Octopize. Trois analyses d’intérêts ont été choisies pour comparer les associations retrouvées dans les jeux de données « brut » et « avatar » : risque d’accident vasculaire (AVC), selon le type et tout AVC compris, facteurs associés aux douleurs de genoux et types de handicap liés aux douleurs de genoux. Des modèles logistiques ont été calculé et une comparaison qualitative et quantitative des associations a été réalisée. Résultats : Au total 162 434 observations dans chaque jeu ont été inclues. Sur les 19 variables utilisées, 3 avaient une répartition non statistiquement significative entre les données brutes et avatars, mais seule une catégorie de variable avait une différence d’OR cliniquement importante (≥2 ou ≤0.5). Sur l’ensemble 172 couples d’OR calculé dans les trois analyses principales, plus de 77% avait une différence OR brut et OR avatar ≤0.5. Moins de 7% des couples d’OR avaient une discordance sur la significativité des associations (kappa = 0.82) et parmi ces couples d’OR seul 1 avaient une différence d’OR supérieur à 0.5.Conclusion : En ayant réalisé un jeu de donnée synthétique avatar d’une grande base de données en aveugle, les associations retrouvées sont fiables malgré l’utilisation de variables reconstruites. Non soumises aux contraintes du RGPD, les données synthétiques semblent être un atout majeur dans l’utilisation des données massives même sans hypothèse de travail et permettraient le partage de données malgré certaines limites.