L’ouverture des données est souvent abordée comme une question de diffusion : quel portail, quel format, quelle licence. Mais la valeur réelle d’un jeu de données ouvert ne dépend pas d’abord de la façon dont il est publié. Elle dépend de ce qui s’est passé bien avant, au moment où cette donnée était encore brute, éparpillée entre plusieurs systèmes, et pas toujours cohérente d’une source à l’autre.
Sommaire
Des données ouvertes, mais pas toujours fiables
Il n’est pas rare de trouver, sur des portails d’open data, des jeux de données incomplets, avec des champs vides, des formats de dates qui changent d’un fichier à l’autre, ou des doublons issus de plusieurs exports successifs. Ce n’est généralement pas un manque de bonne volonté de la part des organisations qui publient. C’est plutôt le signe que la donnée a été extraite telle quelle de ses systèmes sources, sans étape intermédiaire pour l’harmoniser.
Le problème dépasse la gêne pour l’utilisateur final. Une donnée mal structurée à la source limite ce qu’on peut en faire ensuite : croiser deux jeux de données publiés par des services différents devient difficile si l’un utilise un code postal et l’autre un nom de commune, ou si les unités de mesure ne sont pas alignées. Un chercheur ou un développeur qui tente de réutiliser ces données doit alors consacrer un temps considérable à les nettoyer lui-même, avant même de commencer le travail pour lequel il les avait téléchargées. L’ouverture, dans ce cas, existe sur le papier, mais l’exploitabilité réelle reste faible.
Cette situation finit par affecter la crédibilité même de la démarche d’ouverture. Quand un utilisateur tombe à plusieurs reprises sur des jeux de données difficiles à exploiter, il devient plus prudent, voire sceptique, face aux publications suivantes de la même organisation, même quand celles-ci sont mieux préparées.
Ce que change une transformation des données bien faite
Avant qu’une donnée puisse être publiée de façon utile, elle passe généralement par une étape de nettoyage et de normalisation : suppression des doublons, harmonisation des formats, mise en cohérence entre les différentes sources qui ont contribué au jeu de données final. Cette étape est rarement visible pour qui consulte le résultat, mais elle conditionne presque tout ce qui vient après, de la facilité de réutilisation jusqu’à la confiance que les usagers accordent aux chiffres publiés.
Des organisations qui n’ont pas d’équipe data dédiée en interne se tournent parfois vers une plateforme de données managée pour structurer cette étape plutôt que de l’improviser à chaque publication. BEEM, par exemple, connecte les différentes sources d’une organisation et prend en charge la transformation des données en amont, avec une équipe qui opère cette étape au quotidien plutôt que de laisser l’organisation la construire elle-même. L’objectif n’est pas de remplacer la réflexion sur l’ouverture, mais de s’assurer que ce qui est publié tient debout une fois entre les mains de quelqu’un d’autre.
Les erreurs fréquentes qui compromettent l’exploitabilité
Certaines erreurs reviennent régulièrement, indépendamment du secteur. Les doublons issus d’exports répétés depuis un même système, sans mécanisme pour les identifier et les retirer avant publication. Les formats incohérents entre systèmes sources, un service utilisant une convention de dates, un autre une convention différente, sans que personne n’ait harmonisé les deux en amont. L’absence de documentation sur la provenance d’une donnée, ce qui complique la tâche de quiconque cherche à comprendre pourquoi un chiffre a changé d’une version à l’autre du jeu de données, ou pourquoi deux publications apparemment similaires ne concordent pas tout à fait.
À cela s’ajoute parfois un manque de continuité dans le temps : une donnée bien structurée au moment de sa première publication, mais dont la qualité se dégrade au fil des mises à jour successives, faute d’un processus stable pour la maintenir cohérente. Aucune de ces erreurs n’est spectaculaire prise isolément. Mais cumulées, elles expliquent une bonne part des jeux de données ouverts qui restent peu utilisés malgré leur disponibilité.
La transformation comme fondation, pas comme formalité
Il est tentant de traiter cette étape comme une formalité technique à cocher avant publication, au même titre qu’un export de fichier. Mais la traiter ainsi revient souvent à reporter le problème plutôt qu’à le résoudre : une donnée mal structurée à la source restera mal structurée une fois publiée, quel que soit le soin apporté au portail ou à la documentation qui l’entoure.
Penser la transformation des données comme une fondation plutôt qu’une formalité change la façon dont une organisation aborde l’ouverture. Cela signifie investir du temps en amont, avant même de penser au format de publication, pour s’assurer que ce qui sera mis à disposition a un sens pour quelqu’un qui ne connaît pas le système d’origine. C’est aussi un investissement qui profite à l’organisation elle-même avant de profiter au public, puisqu’une donnée interne mieux structurée facilite également le travail quotidien des équipes qui s’en servent pour leurs propres besoins.
Structurer la donnée avant de l’ouvrir
L’ouverture des données reste un objectif qui vaut la peine d’être poursuivi, mais elle ne suffit pas à elle seule à rendre une donnée utile. Une donnée bien structurée, cohérente et documentée en amont a beaucoup plus de chances de trouver un usage réel, qu’elle soit croisée avec d’autres jeux de données, réutilisée dans un projet tiers ou simplement comprise par quelqu’un qui la découvre pour la première fois. C’est cette étape, souvent invisible, qui fait la différence entre une donnée publiée et une donnée réellement exploitable.
