Carnet de bord de l’ouverture des données d’Epone

par Camille Kress, Clara Tabra, Albane Violleau, Lina Miftah, Safâ B., Arnal Sabrina

Illustration réalisée par Anne-Cécile Calléjon

JOUR 1 – DIAGNOSTIC

1/ La mise en route

Après la réunion générale du matin, nous avons eu tout d’abord de grosses difficultés de connexion en raison de l’impossibilité d’être toutes ensembles sur Gather, d’où l’obligation de passer par Zoom pour le début de la session de travail. Nous avons perdu environ une heure.

2/ Le premier entretien

Nous avons très rapidement fait la connaissance de notre interlocutrice du service animation ville et vie économique. Nous avons pu ainsi faire le questionnaire avant même notre pause déjeuner. Nous accompagnons durant ce challenge la commune d’Epône dans les Yvelines. Elle appartient à la Communauté urbaine Grand Paris Seine & Oise (GPSEO). Trois autres communes sont inscrites à ce challenge, il y a une dynamique collective en faveur de l’open data dans le territoire.

La communauté comporte 73 communes allant de Conflans-Saint-Honorines à Rosny sur Seine. La GPSEO est issue de la fusion de 6 intercommunalités du Nord des Yvelines au 1er janvier 2016 et s’étend sur une superficie de 500 km2. Forte de ses 405 000 habitants, la GPSEO se proclame aujourd’hui comme la plus grande communauté urbaine de France en termes d’habitants et a l’originalité d’être la seule à ne pas avoir de ville-centre.

La ville d’Epône s’est portée candidate suite à l’appel lancé par Datactivist et la communauté urbaine car elle a envie d’évoluer vers l’open data. Située à environ 10 kilomètres de Mantes-la-Jolie, la ville compte 6 500 habitants pour environ 100 agents.

Dès le début du questionnaire, nous avons vite compris que la ville était très novice sur les datas. Il y a en effet pas de personnes formées à la mairie, il s’agit ainsi de quelque chose de nouveau pour la collectivité.

De plus, notre interlocutrice nous affirme que la plupart de ses collaborateurs ne savent pas quel est l’intérêt de l’open data. Il y a ainsi un véritable enjeu de sensibilisation de la plupart du personnel de mairie. Cela s’explique notamment par une moyenne d’âge des collaborateurs qui est d’environ 40-60 ans. La jeunesse est présente dans les effectifs mais le plus souvent seulement dans les équipes d’animateurs et de services à la jeunesse : on remarque donc un effet générationnel. À titre d’exemple, le personnel éprouve des difficultés lorsqu’il s’agit d’utiliser l’Intranet (messagerie), et ce, pour deux raisons: d’abord, ce sont des outils qu’ils n’utilisent pas quotidiennement (il n’y a pas de “socialisation à l’outil numérique”); ensuite, ce sont des outils qui ne sont pas instinctifs pour eux (problème générationnel et manque de formation).

Aussi, les données de la collectivité ne sont pas mises en commun et sont très dispersées. On se trouve donc avec plusieurs catalogues de données, au lieu d’en avoir un unique ou au moins accessible à tous. Il y a très peu de fluidité entre les services pour partager les données : il n’existe pas de plateforme de mise en commun. On remarque par ailleurs que le vocabulaire de la data est clairement étranger à notre interlocutrice: certaines questions lui semblaient floues car dépourvues de praticité et d’éléments concrets. Par exemple, elle ne savait ce qu’était une métadonnée.

La principale motivation de la commune est donc de comprendre comment les datas fonctionnent et surtout de trouver une utilité concrète à la mise en ordre de ces données pour la collectivité municipale et ses collaborateurs.

La deuxième motivation est d’ordre juridique: la commune est soumise à l’obligation d’ouvrir ses données au public. La loi pour une République numérique du 7 octobre 2016 impose en effet l’obligation d’open data « par défaut » pour les collectivités locales de plus de 3 500 habitants dont les administrations ont plus de 49 agents. Notre interlocutrice est consciente de cette obligation juridique.

En ce sens, la commune souhaite aller de l’avant et est clairement dans une démarche d’ouverture : par exemple, elle a fait refaire son site internet entièrement via Gallimédia. La commune est très enthousiaste autour de l’ouverture de ses données mais notre interlocutrice a cependant souligné la nécessité d’avoir une approche pédagogique et ludique afin que l’équipe de la commune puisse vraiment s’ouvrir à l’open data de manière durable.

Des éléments positifs sont à souligner, malgré la petite taille de la ville. Elle est interactive et assez bien connectée aux nouvelles technologies :

Notre interlocutrice est très investie et prend très à cœur le challenge. La communication est très facile, elle est disponible rapidement. C’est un véritable plaisir de travailler avec elle.

3/ Les résultats

Au terme du questionnaire, Epône est classée au niveau 2 en terme de maturité open data, avec un score total de 16 (5; 2; 7). Après avoir observé les autres résultats obtenus sur les autres collectivités, nous constatons que la commune d’Epône se situe dans la moyenne des communes en termes d’ouverture aux datas, se hissant au 14e rang. C’est un résultat très encourageant étant donné qu’Epône est une petite commune en termes de population par rapport aux autres collectivités participantes.

4/ La wishlist

Dès le premier entretien, la ville nous a transmis un « top 5 » des données qu’elle souhaite ouvrir au grand public. Une liste secondaire a été aussi transmise. Nous avons voulu dès le début nous orienter vers la question de l’accessibilité afin de répondre non seulement aux demandes de la mairie mais aussi pour pouvoir leur créer une base solide cohérente sur une thématique précise afin de servir d’exemple pour les agents municipaux. Aussi, se focaliser sur une thématique en particulier permettrait de croiser les données pour ainsi répondre à des questions de politiques publiques, relevant ainsi le potentiel de la data, ce dont l’équipe ne semble pas avoir conscience.

Dans la première liste proposée par notre interlocutrice on retrouve 5 thèmes à traiter en priorité:

  1. Thème 2 : Les Défibrillateurs Automatisés Externes (DAE)
  2. Thème 13 : Lieux de covoiturage
  3. Thème 16 : Base de commerces
  4. Thème 19 : Etablissement d’accueil petite enfance
  5. Thème 23 : Monuments historiques

La première difficulté réside dans le fait que la base de commerce est classée niveau 4 pour les données : la question est de savoir si les données ne seront pas trop complexes à traiter. S’il est vrai que nous pouvons tenter relever le défi de traiter des données de niveau 3, nous avons un doute sur celles de niveau 4.

Après discussion, notre interlocutrice nous explique pourquoi la ville a fait de tels choix de thèmes. La commune est à un tournant majeur puisqu’il y a deux projets en cours qui vont venir modifier son organisation. Non seulement l’arrivée prochaine de l’extension du RER E (EOLE) va transformer le quartier de la future gare mais la ville a été aussi sélectionnée pour le projet de transformation “Petite ville de demain” sous l’égide de l’Agence Nationale de la Cohésion des territoires, ce qui va mener à un changement profond du centre-ville dans les années à venir. Ces éléments sont donc à prendre en compte et la mairie souhaite ainsi mettre l’open data au service de ces mutations et valoriser l’attractivité de la ville.’

Au sujet du thème du commerce, notre interlocutrice nous a affirmé que la commune avait suffisamment de données sur ce sujet. Elle a en effet participé au recensement des entreprises dans la ville, que ce soit dans le centre-ville ou dans les zones industrielles.

Ainsi après une réflexion commune, nous décidons de garder sa liste des cinq thèmes proposés au début, puis d’ajouter les autres thèmes suivants si les datas transmises demain ne sont pas suffisantes pour notre travail. Aussi, ces données vont de paire avec les cinq premiers thèmes puisqu’elles se penchent sur la la question de l’accessibilité et de l’attractivité des lieux :

  1. Thème 6 : Lieux de stationnements
  2. Thème 28 : Parking à vélos
  3. Thème 5 : Infrastructures de recharge pour véhicules électriques
  4. Thème 18 : Espaces verts
  5. Thème 24 : Eclairages publics

La wishlist est ainsi établie. Un mail est envoyé pour savoir quels services se chargeront des thèmes afin de compléter notre document. Cependant, nous n’entrons pas en contact directement avec eux car notre interlocutrice tient à que tout soit centralisé par elle dans une logique de fluidité et de clarté. Nous la remercions encore une fois de son implication dans ce projet.

À la fin de la journée, nous avons ainsi le document suivant :

Afin de pouvoir avancer sur le travail de demain, nous commençons à transmettre en fin de journée dans un second mail adressé à notre interlocutrice des informations concernant les détails que devront contenir les jeux de datas que les équipes nous transmettrons demain. Nous souhaitons en effet faciliter son travail et avons ainsi fourni la liste simplifiée et explicative des données que nous souhaitons obtenir.

Ce que l’on retient de cette journée : Dans le cadre de la transformation de la commune, la data semble être un élément essentiel dans la transformation d’une ville, notamment à l’heure du Grand Paris. Aussi, malgré l’obligation avec la loi de 2016, certaines communes comme Epône ne sont pas suffisamment équipées afin d’être en conformité avec la loi. Cela peut entre autres s’expliquer par un manque de compréhension de cet impératif d’open data mais également par un manque de formation des équipes, notamment lorsque la moyenne d’âge est relativement élevée.

JOUR 2 – IDENTIFICATION

  1. 1/ Réunion avec notre interlocutrice : 9h30.

Nous annonçons à notre interlocutrice le programme de la journée à savoir la recherche des jeux de donnés sur la base des 10 décidées hier. Le problème qui se profile est que la commune n’a pas de fichiers EXCEL avec les donnés dedans, nous devons donc créer des tableurs EXCELS nous mêmes, pour que les services les complètent avec leurs informations.

Notre interlocutrice semble être la seule véritablement concernée par les problématiques de data dans sa ville, elle nous confie que la plupart des personnes qu’elle a contacté hier afin d’obtenir des donnés, ne comprennent pas l’utilité de la démarche et n’ont pas l’air motivés à collaborer.

Nous décidons d’importer les templates de Workbench sur des fichiers Google Sheets dans un drive commun que nous partageons avec notre interlocutrice afin qu’elle puisse transmettre aux différents services. Nous avons ajouté une ligne “significations” pour traduire les sigles codés compliqués à comprendre, ainsi qu’une ligne exemple pour que les services comprennent exactement quel type de donnée est attendue. Nous continuons donc dans notre démarche pédagogique, le but étant avant tout que la commune s’approprient ces nouvelles façons de travailler avec la data.
Durant cette étape la difficulté rencontrée est d’harmoniser les tableurs EXCEL et standardiser les données dans les cellules : il faut respecter les formats de cellule de la template qui ne correspondent pas aux documents envoyés par notre interlocutrice : c’est donc un travail très long et peu réjouissant.

  1. 2/ Deuxième réunion avec notre interlocutrice : 12h30

Nous lui transmettons tous nos tableurs et échangeons avec elle, pour savoir si elle comprend bien tous les éléments. Elle demande des précisions sur certaines données : par exemple les données “petite enfance” doivent aller jusqu’à quel âge ?

Notre interlocutrice semble très préoccupée par rapport à l’avancement des autres villes, elle demande plusieurs fois “les autres villes galèrent autant ?”, ce qui prouve encore une fois son engagement dans ce challenge. Elle a à coeur de montrer qu’Epône est une commune qui s’engage dans la démarche open data

  1. 3/ L’organigramme

Après la pause déjeuner nous réalisons l’organigramme des donnés sur Mindup avec l’aide de notre interlocutrice. Alors que cette étape paraît très simple, c’est finalement plus compliqué car dans une toute petite commune comme Epone, il est difficile d’identifier clairement quel service est géré par qui : entre ceux dirigés par la mairie directement, et d’autres services par l”intercommunalité (service intercommunal de la région d’Epône pour les transports, petite enfance etc) , les élus personnellement, ceux qui ont plusieurs casquettes ….

Difficultés : la Mindmap réalisée dans l’après-midi ne s’est pas enregistrée … nous sommes pourtant sûres de l’avoir fait, mais impossible de retrouver le fichier. Nous avons dû recommencer une nouvelle fois.

  1. 4/ Evaluation de la qualités des donnés : Wanted list

La dernière étape de la journée consiste à évaluer le travail de mise en qualité des données transmises par notre interlocutrice tout au cours de la journée au travers de notre drive commun.

Concernant le jeu de données “Base horaires commerce” : notre interlocutrice nous a envoyé une base où figuraient également les services et industries. Nous avons donc décidé de ne pas comptabiliser ces ajouts, afin d’avoir la base la plus claire possible qui reste concentrer sur les commerces. De plus, elle n’était pas complète, nous devons chercher sur Google, une par une, les horaires des différents commerces afin de soulager le travail de notre interlocutrice. En effet, n’ayant pas de partenaires ou d’aides pour ce challenge, le travail de notre interlocutrice est fastidieux et d’autant plus compliqué que les données sont difficiles à trouver. Ce qui explique notamment la lenteur des démarches. Elle nous confie que ses collègues sont peu motivés, à noter cependant qu’un est allé compter les places de parking dans l’après-midi pour nous fournir des données ! Pour l’aider, nous décidons de réaliser nous mêmes des jeux de donnés, notamment celui sur les bornes de recharges des voitures électroniques grâce aux informations présentes sur l’application Epône en poche.

La dernière étape est donc de compléter notre wishlist. Nous sommes assez enthousiastes car malgré les difficultés, notre interlocutrice a fait du très bon travail, avec nos ajouts, nous disposons maintenant potentiellement de 5 bases de données qui seront ouvrables ! (Cette wishlist sera provisoire, nous pouvons recevoir de nouvelles données dans la soirée ou jusqu’à demain matin).

Nous avons conclu cette journée par une discussion détendue avec notre interlocutrice sur nos scolarité à Sciences Po saint, nos projets futurs et notre situation actuelle dans ce contexte de pandémie. Elle se dit soulagée de voir que tout se passe très bien, surtout quand nous apprenons que contre toute attente, elle est l’une des interlocutrice à nous avoir transmis le plus de données ! Elle se réjouit de continuer à travailler avec nous durant cette semaine, qu’elle qualifie de fatiguante mais de très positive, car elle apprend énormément à nos côtés.

Bilan : nous sommes satisfaites de notre dataexploration, qui est le résultat d’un véritable travail d’équipe entre nous et notre interlocutrice. C’est une tâche complexe qui demande beaucoup de patience, et qui montre clairement les lacunes des petites communes à fournir des données exploitables.

JOUR 3 – MISE EN QUALITE

Après s’être aperçues hier soir que nous avions malencontreusement mal enregistré la Mind Map, nous sommes obligées ce matin de la refaire. Nous devons faire travailler notre mémoire qui s’avère être un très bon outil lors de ce genre de problème.

Notre principal travail aujourd’hui est de nettoyer et mettre aux propres les données qui nous ont été fournies la veille par notre interlocutrice. Cette dernière a complété tous les tableurs que nous avions préparés pour elle la vieille.

Nous reprenons d’abord notre Wish list établie la veille et nous la mettons à jour. Nous redéfinissons les données que nous souhaitons traiter. Nous choisissons finalement d’ouvrir et de traiter les données suivantes: Défibrillateurs, Base de commerce, Monuments historiques, Lieux de stationnement, Infrastructure de recharge, et Parking à vélos. Nous utilisons donc Openstreetmap, Geo code.local focus et Google Map afin d’obtenir ces différentes localisations.

Appel avec notre interlocutrice à 10h

Notre interlocutrice nous aide à vérifier l’organigramme et le complète avec nous. nous saluons le travail qu’elle a fourni afin de nous fournir les données nécessaires puis, nous lui annonçons notre sélection de jeux de données à ouvrir et particulièrement le fait que nous écartons “Lieux de covoiturages” car ils sont inexistants sur la commune ainsi que “Espaces verts” car les données fournies pour le moment sont insuffisantes.

Elle nous fait alors part d’un projet duquel fait partie la commune d’Epône concernant le développement durable qui nécessite de développer les données sur les espaces verts. Nous lui transférons donc les modèles de données que nous possédons afin qu’elle prenne connaissance des éléments dont elle a besoin pour compléter ses données.

Nous nous répartissons donc les différentes bases de données et nous commençons tout d’abord à les nettoyer. Cette étape consiste à mettre à propre nos bases de données, en vérifiant qu’elles sont bien ordonnées et inscrites dans les tableurs. Nous en profitons aussi pour relever les données manquantes ou encore incomplètes. Par exemple, il manque dans la base de données Horaire Commerce les horaires, ainsi que les données géographiques de localisation. Bien que nous ayons commencé la vieille à compléter les données horaires, le travail est très important et nous devons le continuer aujourd’hui. Nous allons aussi devoir compléter les adresses des commerces ainsi que leur localisation géographique.

Le travail est très important car la base de données est très riche.

Pendant que 3 d’entre nous s’affairent à compléter cette base de données, celles des “Monuments historiques”, “Lieux de stationnement”, “Infrastructures de recharge” et “Parking à vélo”, sont rapidement terminées.

Une fois les bases nettoyées sur Excel, nous les transférons sur la Template. Après quelques questionnements quant à la manipulation, nous parvenons à transférer ces 4 bases de données.

Le reste de notre journée va se concentrer sur les bases de données “Défibrillateurs” et “Horaires commerces”.

Nous devons donc les compléter nous même, le problème est de rentrer correctement les données dans le excel, sachant qu’elle diffère selon la source. Par exemple, les coordonnées GPS ne sont pas les mêmes selon qu’elles proviennent de Google Map ou de Open Street Map.

Fin de journée, réunion avec Arthur et notre interlocutrice

A 18h nous recevons les données géographiques des espaces verts mais la base reste finalement inexploitable car les données sont erronées. Nous créons des ID sur Open Street Map pour pouvoir cleaner le jeu de données “espaces verts” mais cela s’avère plus compliqué que prévu: les adresses fournies par la ville ne correspondent pas à des adresses existantes (le gps ne les reconnaît même pas), et les coordonnées de localisation fournies la ville sont erronées. Après réflexion, ce jeu de données ne peut de toute évidence pas être utilisé, ni cleané dans le temps qui nous est imparti. Mais nous avons au moins compris comment participer à la création de nouveaux lieux sur l’open street map (contribution libre, un peu comme wikipédia).

Lors de la réunion à 18h avec Arthur car nous rencontrons un problème pour charger la base “Défibrillateurs” dans le logiciel de vérification.

Notre interlocutrice nous fait cependant part d’une très bonne nouvelle qui donne du baume au cœur : elle nous explique que l’utilisation des datas de la ville sur les commerces va servir concrètement d’ici peu car la ville va recevoir une aide financière pour ses commerces en raison du Covid-19. La base de données commerce va être utilisée afin de recenser les commerces pour pouvoir bénéficier de cette aide de 15 millions d’euros. Cela nous prouve bien que notre travail est utile et qu’il est possible et utile d’appliquer de la data à des fins administratives.

Retour sur les modifications apportées sur les bases de données et difficultés rencontrées

Difficultés rencontrées: Pas de nettoyage à faire ou de fusion en raison de la petitesse de la base de données. Seul soucis dans la validation via le logiciel Validata de la base bornes de charge de la voiture électrique que le format de la date. Le format demandé était le AAAA-MM-JJ, et la cellule était remplie sur ce modèle. Après manipulation sur Workbench, Validata signalait encore cette erreur…

Points positifs : Cette journée, bien que éprouvante, nous a permis d’apprendre à maîtriser ou du moins manipuler de nombreux outils comme Open street map, geocode, yo hours et validata et surtout se familiariser avec Workbench un peu plus.

Fichiers joints : Les bases de données travaillées et nettoyées aujourd’hui

JOUR 4 – PUBLICATION

Nous commençons la journée par une nouvelle vérification des données du jeu de données “Base horaires commerce”, et y apportons plusieurs modifications. Nous vérifions ensuite que tous les jeux de données ont bien été mis sur le Workbench pour ensuite les transmettre à notre interlocutrice, et nous importons la base de donnée recensant les commerces, puisque c’est la seule base manquante. Nous faisons ensuite un tri et isolons les bonnes importations :

On décide d’en ouvrir 6 : Défibrillateurs / Base horaires commerce / Lieux de stationnement / Monuments historiques / Infrastructures de recharge véhicules électriques / Parkings vélos.

Une fois tous nos jeux de données isolés et bien mis en page, nous remplissons de façon séparée les 6 fiches descriptives des bases de données que nous comptons publier, puis nous faisons une mise en commun pour rassembler les informations manquantes qu’il faudra demander à notre interlocutrice.

Nous faisons une relecture commune des fiches descriptives avec notre interlocutrice, qui nous a notamment aidé à remplir les cases sur les fréquence de mise à jour et sur le processus de collecte. Cela nous a permis de discuter de la stratégie Open Data de la commune d’Épône, des premiers pas déjà entamés par la ville et de la future gestion de ces données : c’est la première fois qu’Épône a établi une collecte de data de ce type, c’est bien à l’occasion de ce challenge que le service animation a fait ce travail de collecte de données et d’informations ; et ils ont l’intention de continuer ce travail de rassemblement de donnée et de mettre à jour ces fichiers une fois par an. Notre interlocutrice nous a posé la question de la raison pour laquelle nous avons décidé de ne pas ouvrir la base de données sur les Espaces Verts, nous lui avons répondu qu’on ne retrouvait pas les lieux sur Openstreetmap en fonction des adresses transmises. Ainsi, nous lui avons signalé que la ville d’Épône n’est pas bien référencée sur Openstreetmap, notre travail a pu mettre en lumière ce problème de référencement. Nous avons donc fait la recommandation de poursuivre la collecte de données pour un meilleur référencement des coordonnées GPS des espaces verts d’Épône, notre interlocutrice a confirmé et la mairie est désormais au courant de ce problème.

Notre référent Arthus nous ayant dit que nous ferons la publication sur Opendatasoft et non sur Data.gouv, nous avons rencontré quelques difficultés de connexion vu que la plateforme est payante.

3 objectifs du plan de communication :

Plateformes de communication d’Épône : communiqués de presse ; réseaux sociaux ; affiches/flyers.

Ainsi, au lieu de créer une plateforme, on décide avec notre interlocutrice de partager et de diffuser les liens, puisqu’ils sont déjà publics (éventuellement un article sur le site internet de la mairie d’Épône + communication en interne pour sensibiliser les élu.es et le personnel de mairie sur l’importance de l’Open Data). Nous avons pu échanger avec la chargée de communication de la mairie, mais l’échange ne nous a pas vraiment aidé dans l’établissement du plan de communication. On essaie alors de le mettre en place avec notre interlocutrice et on arrive à la conclusion que la priorité est la communication interne, puisque tant que les élu.es n’ont pas compris l’importance et les enjeux de l’Open Data, nos actions ne pourront s’inscrire dans le long terme. L’idée est d’intégrer les équipes et le personnel dans ce processus d’ouverture de la donnée, et le moyen le plus efficace est de faire une réunion : expliquer ce qu’est l’Open Data, présenter la loi Lemaire de 2016 pour la République numérique, faire comprendre les enjeux de transparence et présenter l’Open Data comme un outil utile pour le citoyen au quotidien. Il s’agirait d’une stratégie en “entonnoir” : partir du plus large (la loi) et aller au local (le citoyen). Il faudrait insister sur l’idée de faciliter le quotidien des habitants et de contrer cette vision de la donnée et de la data comme étant technique et compliquée.

4 cibles du plan de communication : les services de la ville ; les élu.es ; les entreprises ; le grand public.

En termes de support concret, il s’agirait de publier ces données et informations sur la page FaceBook, Instagram, le site internet de la mairie et l’application “Épône en poche”. Concernant la communication interne, il s’agirait de la faire en 3 temps : la faire d’abord pour les élu.es, la faire ensuite pour les directeurs de service et finir sur les agents. Cela pourrait prendre la forme de séminaires (une forme ludique comme Gather Town), de table ronde et ne pas s’en tenir au support papier. Les chefs de service seraient ensuite les relais pour centraliser ces informations, et les agents seraient des piliers puisque c’est par leur travail que l’Open Data pourra se compléter. Le directeur de cabinet a insisté sur le fait de désolidariser les élu.es et les directeurs de service dans les tables rondes pour vraiment entièrement convaincre les élu.es dans un premier temps, et c’est à partir d’eux que cela pourra s’étendre et se diffuser facilement. Un problème qui a été soulevé est le fait que personne n’utilise l’intranet et il ne faudrait pas s’en tenir à cette plateforme, on décide alors d’utiliser la plateforme Gather Town pour pouvoir organiser cette communication en terme sur l’Open Data. Conclusion : faire d’Épône une “petite ville de demain”.

Nous avons fini la journée en formalisant nos plans de communication internes et externes dans le document “Plan de communication sur les données ouvertes - Février 2020” : https://docs.google.com/document/d/16tEB689i6w8BbMlAuwOK2_gWVPVYVFgR/edit

JOUR 5 – VALORISATION

Aujourd’hui, nous commençons la visualisation de nos données sur le site Open Data Soft. Nous constatons un premier problème: nos données sont pour la plupart cartographiques. Il paraît donc difficile de produire des graphiques avec ce type de données. De plus, les éléments de notre base ne sont pas très distinctifs.

Réunion 9h30 Etienne

Etienne est donc venu nous présenter un peu plus la plateforme Open Data Soft et nous aider à la prendre en main. Aussi avec son aide, nous nous sommes appropriés la plateforme avec quelques essais. L’enjeu de la journée était de visualiser nos données de la manière la plus pertinente et lisible possible, pour la présenter à la mairie et au grand public. Nous voulions dans un premier temps valoriser notre base commerce. Nous avions eu comme idée de cartographier notre base de commerce avec la zone industrielle correspondante. Nous avons rapidement abandonné cette idée, car elle n’était pas inscrite dans notre base de données. De même, faire un graphique à partir de d’horaires d’ouverture ne nous semblait pas pertinent. Aussi, Etienne nous a également présenté l’infobulle, afin d’afficher seulement les informations les plus utiles au grand public. Dans un souci d’esthétique, nous avons suivi son conseil et choisi une belle mise en page avec un fond de carte jawg light pour toutes nos visualisations, avec notamment la possibilité de mettre des points sur la carte. Etienne nous a également présenté le croisement des données dans une cartographie plus générale. Il a ainsi proposé de croiser nos données avec d’autres communes, mais nous avons décidé de nous concentrer sur notre commune pour plus de clarté. Avec quelques tests avec notre base de données, en croisant par exemple les places de parking et les lieux de stationnement, nous avons conclu qu’une visualisation cartographique était la plus pertinente pour la majorité de nos jeux de données, afin de les mettre en valeur et ainsi faciliter la compréhension pour le grand public.

Nous avons décidé de classifier nos informations sur l’infobulle pour avoir les informations les plus intéressantes sur nos visualisations. Nous avons donc sélectionné les informations pour chacun de nos six jeux de données.

Pendant la production de nos visuels, une inquiétude a émergé: celle de ne pas pouvoir transférer nos jeux de données du site payant Open Data Soft à la plateforme public Open Data Gouv, et de perdre notre travail.

Une personne a pu répondre à notre crainte que nos publications n’apparaissent pas sur le site de Open Data Gouv. Aussi, nos visuels seront bien publiés et visibles pour la plateforme, ainsi que pour la présentation de notre travail en fin d’après-midi. La ville pourra ainsi conserver ces jeux de données et partir de ces productions pour en ouvrir d’autres dans le futur.

Appel 10h30 avec notre interlocutrice

Nous avons fait un point avec notre interlocutrice sur la journée de jeudi, notamment concernant la communication. Nous avons conclu que celle-ci doit se faire principalement en interne, au sein de l’équipe qui ne sont pas tous convaincus par l’importance et l’utilité de l’open data pour la ville. La formation aux différents outils numériques semble également nécessaire pour leur faciliter la prise en main. Nous avons également corrigé avec elle quelques erreurs sur notre organigramme initial. Enfin, nous lui avons également présenté nos objectifs du jour de valorisation des jeux de données.

Voici nos différentes bases visualisées sous forme de carte. Pour chacune de nos bases, nous avons choisis de garder certains éléments les plus pertinents dans l’infobulle. Nous avons ainsi privilégié le format cartographique comme support visuel et joué avec les couleurs et les petites icônes, pour faciliter la compréhension.

Infobulle: Nom, Adresse, description du monument et siècle. https://gpseo.opendatasoft.com/explore/dataset/monuments_historiques_epone/map/?basemap=jawg.streets&location=14,48.96207,1.82217

graph

Infobulle: nom de la station, type de prise, adresse, nombre et puissance. https://gpseo.opendatasoft.com/explore/dataset/infrastructures_de_recharge_vehicules_electriques_epone/map/?basemap=jawg.streets&location=22,48.95761,1.81309

graph

Infobulle: Nom, accès, couvert, capacité

https://gpseo.opendatasoft.com/explore/dataset/parkings_a_velos_epone/map/?basemap=jawg.streets&location=15,48.95642,1.81867

graph

Infobulle: Nom, adresse, horaires d’ouvertures.

https://gpseo.opendatasoft.com/explore/dataset/base-de-commerces-epone/map/?basemap=jawg.light&location=13,48.9521,1.81354

graph

Infobulle: Horaires, adresse, accès libre, téléphone, état de fonctionnement.

https://gpseo.opendatasoft.com/explore/dataset/defibrillateurs/map/?basemap=jawg.streets&location=14,48.96115,1.82241

graph

Infobulle: gratuité, nombre de place, adresse, nombre de vélos, nom et PMR. Il reste dommage de ne pas pouvoir expliciter sur l’infos bulles certains des noms comme PMR (personne à mobilité réduite).

https://gpseo.opendatasoft.com/explore/dataset/lieux_de_stationnement_epone/map/?basemap=jawg.streets&location=15,48.96065,1.81906

graph

Nous avons également effectué un croisement entre les lieux de stationnement, les parkings à vélos et les infrastructures de recharges électriques sur une carte, pour faciliter la mobilité.

https://gpseo.opendatasoft.com/explore/dataset/infrastructures_de_recharge_vehicules_electriques_epone/table/

graph

Nous avons croisé les bases de commerce, des monuments historiques, des parkings à vélos et des stationnements, afin de montrer les endroits importants et attractifs de la ville.

https://gpseo.opendatasoft.com/map/desserte_points_dinteret_epone/?location=14,48.95914,1.81798&basemap=jawg.streets

graph

Certaines données de la base ne correspondent pas pour les parkings, nous avons donc dû vérifier nos informations sur internet et donc retrouvé les coordonnées sur google Map. Par ces vérifications nous avons donc dû effectuer des petites modifications nécessaires et ainsi assurer la véracité des informations que nous partageons pour la ville.

A partir de l’adresse URL, nous avons pu partager nos visualisations sur le site de la commune d’Epône, comme mentionné dans notre projet de communication.

graph

Réunion notre interlocutrice 12h30

Nous avons présenté nos cartographies à notre interlocutrice qui approuve nos choix. Nous avons ainsi réalisé avec elle la datavisualisation, afin de lui proposer nos idées. Nous avons déjà bien travaillé sur les bases de données en amont, et connaissons donc bien les variables et leur utilité. Notre interlocutrice nous a aidé en exprimant son point de vue pour formuler les utilités que ces données pourront avoir pour la collectivité.

Lien datavisualisation:

https://docs.google.com/document/d/1eZ1A5IFW_D9vicY-_fxgogl9Yy28n3mgjHErH6uoHQw/edit#heading=h.pw0ht7dpdnas

Nous avons enfin fait un petit point avec notre interlocutrice sur cette semaine challenge data. Elle est très contente de cette semaine assez chargée et intensive, avoir quelque chose de concret et d’interroger les élus pour des actions futures à l’aide des données déjà présentes. Elle ne connaissait pas du tout les datas et leurs utilités, elle a donc beaucoup appris tout au long de cette semaine. Elle a toujours apprécié travailler avec nous toujours avec enthousiasme et gentillesse. partie zone industriel intéressante par ex par rapport à l’emploi pour l’installation d’entreprise etc. Elle souhaite ainsi continuer à ouvrir les données de la commune avec son équipe.

Nous avons donc finis cette semaine de challenge data sur une note très positive, avec un bon esprit d’équipe et ayant atteint les objectifs fixés par le groupe

CONCLUSION

A l’issue de cette semaine de challenge data, 6 jeux de données ont été ouverts, en fonction des données disponibles et du besoin exprimé par la commune.

Cette semaine de travail, si intense soit-elle, a été l’occasion de découvrir l’intérêt de l’open data pour les collectivités territoriales. Même s’il est certain que notre génération est davantage socialisée aux outils numériques, il n’en reste pas moins que l’open data n’était pas forcément un univers familier pour la majorité d’entre nous. De même, notre référente nous a fait part de ses difficultés à comprendre ce qu’était l’open data en début de semaine. C’était une notion aux contours flous, tant pour elle que pour les autres agents de la commune, qui avaient pour leur part du mal à déceler l’intérêt réel d’une telle démarche. Notre interlocutrice nous a confié qu’au fil de la semaine, ces notions se sont éclaircies tout comme l’intérêt de l’open data. Elle a compris que les données pouvaient lui être utiles à de nombreux égards: réaliser un diagnostic de territoire complet, disposer d’une base de données centralisées, avoir un aperçu complet des commerces basés sur la ville etc. Toutes ces informations vont fluidifier la communication entre les services et être utiles dans le cadre de projets très concrets, comme le projet « Petite ville de demain ». Elle nous a également fait part de son souhait d’installer une maison médicale sur la commune. Elle se servira des jeux de données et des data visualisations pour déterminer, par exemple, l’emplacement le plus propice à l’installation de celle-ci. Cette semaine a également été une occasion pour notre interlocutrice et les agents de la commune d’Epône de se pencher sur de nouvelles problématiques qu’ils n’envisageaient pas jusqu’alors, notamment sur les questions relatives aux équipements de la ville. L’open data va également lui être utile pour évaluer la cohérence de certains projets : est-il cohérent d’installer telle entreprise à tel endroit? Y-a-t-il un intérêt stratégique à l’installation d’une entreprise dans telle zone?

D’un autre côté, cette semaine a été l’occasion d’échanger avec la collectivité sur ses besoins, ses attentes, ses projets, en bref, d’apprendre à communiquer avec les agents. Il est, à notre sens, extrêmement formateur de comprendre d’une part comment fonctionne une collectivité (comment le travail des services s’articule dans le cadre de projets), mais surtout de saisir les interactions à l’œuvre dans une municipalité. Certains d’entre nous envisagent de travailler dans les collectivités territoriales, et cette expérience constitue une mise en pratique des techniques d’échange et de construction de projets collaboratifs. C’est un aspect du travail de cette semaine qui nous a semblé central et très enrichissant.

Par ailleurs, cette semaine a été l’occasion pour nous et la commune de découvrir de nouveaux outils. Nous étions déjà familiers des outils comme excel, mais nous ne connaissions pas la majorité des autres outils utilisés. Notre interlocutrice de son côté a particulièrement aimé l’interface gather et nous a confié vouloir organiser des réunions à distance sur ce modèle. L’open data et tous les outils qui permettent de collecter, centraliser et visualiser les données sont pour la commune autant d’éléments pratiques participant d’une meilleure efficacité des agents. Ces outils, en bref, permettent de gagner du temps.

L’open data présente également un intérêt majeur en termes de transmission de l’information. Dans les mairies chacun est sur son poste, collecte ses propres données au moment où le besoin est exprimé, mais il n’y a pas de véritable centralisation. Par ailleurs, notre interlocutrice nous confiait que lorsqu’un agent partait à la retraite, il emportait bien souvent avec lui de précieuses informations qu’il fallait récolter de nouveau, du fait de l’absence de numérisation et de centralisation de ces informations. Une fois de plus donc, l’open data constitue un réel gain de temps pour les services de la commune.

Cette semaine a réveillé certaines envies de la part des agents de la commune. Ils envisagent de se former aux outils de l’open data. De notre côté, nous avons perçu tout au long de cette semaine l’intérêt de certains outils pour notre avenir professionnel.

Une question reste en revanche en suspend pour la commune: celle de l’intérêt réel de l’open data pour les citoyens. Les jeux de données bruts tels qu’ils figurent sur data gouv ne sont en effet pas, à son sens, destinés à être consultés par les administrés. Ils constituent plutôt des outils pour les communes pour reprendre les jeux de données et les insérer dans des applications, dans des sites internet, à destination du grand public. Nous comprenons ici que les agents de la commune et les élus doivent jouer un rôle de relais entre l’open data et les citoyens, pour que l’objectif de démocratisation soit réellement atteint. D’un côté, cela est plutôt rassurant: nous ne vivons pas dans un pays où le numérique gouverne, mais plutôt où il se met au service des agents pour qu’ils puissent le mettre au service de la collectivité et des citoyens.

Les freins à l’ouverture des données:

L’un des principaux freins à l’ouverture des jeux de données a été la moindre mobilisation des autres agents de la ville. Notre interlocutrice était pour sa part particulièrement investie et a consacré l’intégralité de son temps à nous aider, en collectant les données manquantes, en faisant la promotion de notre travail, en éclaircissant nos questionnements relatifs, par exemple, à l’organisation municipale. En revanche, elle a dû faire preuve d’ingéniosité pour récolter certaines données manquantes. A titre d’exemple, elle a demandé à l’une de ses connaissances d’aller sillonner la ville pour recenser les parkings. Certaines données étaient absentes, ce qui nous a empêché d’ouvrir certaines bases. En revanche, la plupart de jeux de données sont quasiment complets, si bien qu’il suffira à la commune de compléter quelques éléments des tableurs pour disposer de jeux de données complets et pour les publier par la suite.

Un autre frein à l’ouverture des jeux de données a été, on l’a dit plus haut, l’absence de centralisation des données à l’échelle de la commune. Notre interlocutrice a été contrainte de jongler avec différents contacts pour obtenir des informations dont elle ne disposait pas.

Notre plus grosse difficulté:

Outre le caractère intensif de cette semaine, qui nous a toutes beaucoup fatigué, nos plus grosses difficultés se sont manifestées au troisième jour, lorsqu’il a fallu « nettoyer » et standardiser les jeux de données. Nous en donnerons un exemple.

La veille, nous avions travaillé à constituer la base horaire des commerces. Tout était prêt pour qu’elle soit publiée. Cependant, le mercredi, notre interlocutrice nous a envoyé un nouveau jeu de données relatif aux commerces, beaucoup plus complet, mais surtout beaucoup plus fourni, avec 5 feuilles excel de données, soit près de 284 lignes à traiter. Nettoyer cette base en repérant les entreprises qui relevaient du commerce ou non, trouver les coordonnées gps de chaque établissement, leur adresse, et leurs horaires a été une tâche particulièrement difficile, non du point de vue technique, mais plutôt du point de vue de la pénibilité de la tâche. C’est à la fois notre plus gros casse-tête mais aussi notre plus belle réussite. Nous avons expérimenté réellement, à l’occasion de la mise en forme de cette base, les bienfaits du travail collectif, de la répartition des tâches et de la solidarité de groupe.

Notre deuxième plus grande fierté cette semaine ne relève pas d’un jeu de données en particulier. Nous sommes en réalité extrêmement fières d’avoir plus globalement contribuer au développement de la ville d’Epône et surtout d’avoir permis à ses agents de comprendre les intérêts de l’open data pour leur commune et leurs administrés. Beaucoup de questionnements se sont estompés au fil de la semaine ce qui, à notre sens, est révélateur du succès de la démarche et nous a confortés dans notre capacité à faire preuve de pédagogie et d’accompagnement. La présentation finale de notre travail a confirmé notre sentiment. Le directeur général des services de la commune d’Epône nous a en effet confirmé son envie d’utiliser davantage l’open data à l’avenir.