La multiplication croissante non seulement des volumes mais aussi des sources et types de données pose un sérieux défi pour les acteurs du territoire en termes de capacité à les traiter efficacement et “intelligemment”.

Mais elle porte en elle un autre danger: celui d’être contre-productive. “Données émanant de leurs propres services, de sources publiques, des citoyens, données externes générées par les dispositifs mobiles et les objets connectés, open data publiques de nature géographique, socio-démographique, environnementale, données historiques et temps réel… Comment déterminer si l’on a réellement besoin de telle ou telle donnée et si elles rendent réellement les processus plus utiles, pertinents et efficace?” Question fondamentale que posait Frédéric Lhostte, responsable IoT & Analytics chez Proximus.

La question de la pertinence des données, de l’identification de celles dont tout responsable public a besoin pour concrétiser le processus d’amélioration des services prestés, doit être posée au début de tout projet. Avec, comme corollaire, la nécessité de déterminer quelle finalité précise on tente d’atteindre grâce aux traitements des données.

Frédéric Lhostte rappelait que l’échelle des usages de données se structure en quatre niveaux:

• utilisation purement descriptive: via recours à une source de données unique (historiques, statistiques) portant sur le passé
  • exemple-type: la surveillance temps réel des mouvements de foule, à destination des organisateurs d’événements, des forces de police, des services d’information touristique…
•  utilisation de type diagnostic: avec combinaison de différentes sources de données, pour génération d’un tableau de bord multi-paramètres offrant une plus grande richesse dans le support à la décision
  • exemple-type: l’analyse d’impact du tourisme sur l’économie d’une ville via croisement de données de géolocalisation des touristes (via leur smartphone) qui détaillent les endroits fréquentés, leur parcours, la période…, de leurs données de profil (provenance géographique, voire informations plus personnelles), de données socio-démographiques les concernant (niveau moyen de salaire de la commune où ils habitent), de données telles que les statistiques de paiement (leurs achats dans tel ou tel lieu commercial ou culturel…)
• utilisation prédictive, notamment via recours à des algorithmes qui permettent de prévoir l’avenir sur base de données historiques
  • exemple-type: l’analyse des trajets suivis par des individus ou des véhicules dans un espace déterminé (aéroport, axe de circulation, complexe commercial…)
• utilisation prescriptive, qui inclut une dimension supplémentaire d’automatisation de la prise de décision et de pilotage automatique (au moins partiel) des processus opérationnels
  • exemple-type: l’analyse des volumes et flux de fréquentation d’un lieu (via données de géolocalisation de smartphones, bornes WiFi et détecteurs de présence) pour modéliser des schémas de fréquentation, en fonction de l’heure, de la période de l’année…, afin d’améliorer les conditions de sécurisation des lieux.

 

Se poser avant de décider

“Déterminer en amont l’objectif poursuivi et le type d’informations nécessaires, se poser très tôt les bonnes questions, permet d’éviter de partir dans la mauvaise direction, de perdre du temps en jours-homme de développement, de déployer trop de dispositifs superflus”, soulignait Frédéric Lhostte. “Cela évite les projets-pilote qui n’en finissent pas ou qui n’atteignent jamais leur objectif.”

Philippe Dedobbeleer, responsable du développement commercial Marketing public & Corporate banking chez Belfius, tenait un discours similaire, mettant en garde contre la perception que l’on a parfois que “volume de données = pertinence et progrès”.

Il prenait en exemple l’agence Informatie Vlaanderen qui, en dépit des amas de données venant depuis de nombreuses années d’intercommunales, n’a pas réussi à faire émerger des cas d’usage réellement pertinents ou significatifs. Or, sa mission est justement de “mettre en oeuvre une politique d’information cohérente et de soutenir et d’aider à concrétiser la transition des pouvoirs publics flamands vers un fonctionnement piloté par les données.”

“C’est bien la preuve qu’il faut bien réfléchir au préalable à ce que l’on désire faire et que la simple mise à disposition de données ne suffit pas.”

Au-delà des compétences techniques évoquées au chapitre précédent, les acteurs publics doivent également maîtriser certaines compétences “logiques”. Samuel Nottebaert (Ville de Namur) évoquait notamment – lui aussi – l’évaluation de la pertinence des jeux de données. “A trop les multiplier, on risque de s’éparpiller dans de multiples projets. Mieux vaut en privilégier quelques-uns et aller jusqu’au bout. Se concentrer permet de mieux sensibiliser les équipes et de démontrer l’intérêt des données et du projet.”

A Namur, la pertinence des jeux de données et l’identification de données et services supplémentaires qui seraient utiles pour les citoyens et les acteurs – économiques, culturels ou autres – du territoire feront l’objet d’un projet de type “participation citoyenne”. L’objectif étant d’imaginer des services qui suscitent une réelle adhésion et qui aient une utilité réelle.

Conseil subsidiaire: “veiller à désigner une personne qui puisse opérer en transversal sur l’ensemble des services communaux, qui soit liée à la Direction générale ou au service d’appui afin de pouvoir faire avancer le projet, et qui ait des compétences techniques.”

 

Page précédente

Page suivante

Retour au sommaire

 

Accéder aux supports des présentations du séminaire

En partenariat avec :

 

Avec le soutien de :