Open Data et territoires: la décentralisation face à la révolution digitale

Les territoires ont massivement pris conscience de l’enjeu que constituait l’Open Data. Si les initiatives en cours vont dans le bon sens, l'open data dans les territoires souffre d'un manque de cohérence lié à l’absence de coordination et de centralisation des actions menées.

La transformation open data promet dans les prochaines années de s’amplifier et d’accélérer la modernisation des administrations publiques par l'innovation sociale et démocratique grâce à davantage de transparence et de liens avec les citoyens. Or, face à la multiplication des démarches locales, et des types de stratégies fixés au niveau régionale, il est légitime de s’interroger sur la cohérence globale, indispensable pour maintenir l’émulation entrepreneuriale autour de l’Open data en France. Cet obstacle de lisibilité et de cohérence est directement imputable au transfert de compétences actée par la décentralisation fonctionnelle et technique et pourrait à terme entraver le passage à l'échelle de projets innovant et ainsi freiner la dynamique de transformation induite par l’Open data.


Open data et territoires : une cohérence et une mutualisation nécessaire.

Quel que soit l'entité géographique sur laquelle une politique Open Data est décidée, le succès de cette dernière repose sur une action progressive qui suit trois grandes étapes :

• La première étape consiste en une réflexion autour de la définition du catalogue de jeux de données à ouvrir. Cette question doit mobiliser à la fois des citoyens, des experts et l'administration publique autour d’une thématique. L’administration publique est la seule à disposer de la cartographie précise des données disponibles dans ses bases internes et des données requêtables de maniéré légitime dans le cadre d'un accord commercial avec une entreprise privée (transport, récolte et traitement des déchets, énergie..). A ce niveau il est impératif de ne pas mesurer le succès de la stratégie au nombre de jeux ouverts mais bien à l'actionnabilité business et citoyenne des données rendues publiques.

• La seconde étape consiste à établir une série de partenariat et d'action de communication en faveur d'une appropriation des données publiques par les citoyens et des d'experts afin d'expérimenter des nouveaux services, définir des croisements entre donnée publique / privée susceptible de créer de la valeur. Au niveau national, cette étape a débuté de pair avec la création d'Etalab en 2011. On a alors vu se multiplier les initiatives visant à comprendre et représenter la donnée publique. L’usage le plus naturel qui s’est imposé a été celui de la visualisation des données, avec un objectif de data-journalisme sur l’action publique.

La seconde approche véritablement porteuse de plus de valeur, consiste à définir les croisements pertinents entre Open Data, crowdsourcing et donnée privée afin de créer de nouveaux services utiles et différenciant. Cette approche nécessite une connaissance sectorielle poussée et l’utilisation de technique de modélisation avancée. C’est ainsi à ce niveau de l'analyse qu’intervient l’expert en modélisation afin de définir les algorithmes et les métriques pertinentes. C'est le cas de l'application Tranquilien crée par la start-up Snips, qui offre de l'information sur l'affluence et le niveau de confort dans un train. Ces projets qui sont le plus souvent le fruit d'hackatons - contraction de hacker et de marathon- qui regroupent développeurs et experts sur une période de quelques heures autour d'une problématique citoyenne, permettent à la fois de définir par l'usage l'intérêt des données ouvertes.

• La troisième étape, la plus déterminante en terme de création de valeur est celle du déploiement des projets expérimentaux vers des applications à l’échelle nationale. Après avoir établi dans le cadre d'une expérimentation le plus souvent locale, la viabilité et la pertinence d'un projet basé sur de la donnée ouverte, il est important de facilité la transformation du projet en un business model viable. Ainsi, la stratégie Open Data doit être pensée de manière suffisamment globale pour permettre la définition de modèle économique stable ainsi que le développement d'acteurs privés autour de services innovants.

Or c'est précisément à cette dernière étape que la multiplication des actions Open data locales s'oppose. Un des principaux freins provient de l'absence de coordination dans la construction et l'alimentation des plateformes d’open data régionales. Les différentes plateformes n’ont pas les mêmes priorités en termes de thématique et d’actionnabilité de la donnée. Ces disparités se traduisent par des différences au niveau du format, de la granularité temporelle, géographique ou encore de la qualité du maintien et de l’actualisation du jeu de données. Ces enjeux techniques souvent mal compris par les politiques peuvent être un obstacle insurmontable pour le développement d’un service en production. Bien que l'association Open Data France, créée fin 2013 qui regroupe une majorité des acteurs open data en France, s'est fixé comme objectif d'harmoniser les stratégies open data, aucune règle n'est encore définie pour une coordination technique et pratique des actions menées.

Open data et territoires : une lisibilité au niveau nationale qui bénéficierait à l’innovation.

Cette absence de mutualisation s'oppose à l’efficacité économique qui voudrait que l’on passe rapidement à une échelle globale afin de bénéficier de rendements d’échelle croissants. De plus ce manque de mutualisation entrave la visibilité sur le rôle de chaque acteur et nuit au rayonnement de l'écosystème open data français. Une centralisation nationale de la stratégie au niveau locale permettrait de mutualiser les avancées de chacun et ainsi d’accélérer le processus de création à partir des synergies construites localement. Open Data Paris bénéficie, par exemple, d'une expertise sur la qualité des données rendues publiques. Open Data Paris a notamment rendu disponible les données autour des caractéristiques des bâtiments publics. Ce jeu de données construit avec pertinence permet de réaliser des analyses sur la qualité du parc immobilier, de réaliser des prévisions sur l'efficacité écologique. Cette expertise sur la sélection et le traitement de ces données pourrait facilement être partagée à d'autres acteurs publics dans le cadre d'une stratégie commune. Un autre exemple sur les avancées en termes de communication et de mobilisation de l’écosystème innovant est donné par la Mairie de Paris, qui pour construit actuellement une communauté d'experts thématique, de développeurs, de data-scientists au sein de meetup et d’hackatons régulièrement réunis dans des lieux dédiés telle que la Numa. Il s'agit avant tout de gagner en productivité, en efficacité et d'accélérer l'émulation afin de créer des services et des usages innovants.

Il n'est pas question de définir un nouveau cadre législatif et réglementaire qui s'opposerait aux principes d'un pouvoir décentralisé mais plutôt de définir une stratégie commune. Une stratégie qui permettrait de définir en concertation avec les différents acteurs sur le territoire, les jeux de données à ouvrir en priorité et d’établir une feuille de route au sujet de l’harmonisation du format, de la granularité du maintien et de l'actualisation régulière de ces données. Les bénéfices en termes de coût et d'effort seraient ainsi répartis entre les différents acteurs. Les administrations territoriales pourraient alors bénéficier du travail d’innovation réalisé à l’échelle d’une autre région et les acteurs privés pourraient davantage investir dans la recherche et le développement d’applications et de services innovants.

Conclusion : La course au volume de jeux de données disponibles doit être remplacée par un effort au niveau du nombre de start-up créées grâce à l'ouverture de jeux de données et du taux de conversion de start-up en pme. Pour cela il est indispensable de pérenniser les modèles économiques en facilitant le déploiement à grande échelle des projets. En outre dans le cadre d'une harmonisation des politique open data régionales, il est nécessaire d'établir un catalogue de données standardisées inter régions afin de faciliter le passage de l'expérimentation d'un service à sa production à l'échelle nationale.

 

Autour du même sujet