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

par DESCHAMP Antoine, JEAN-LOUIS Océane, BONTEMS Adrien, FAYE Fatimatou, FALL Marie, VILLIEU Milena

INTRODUCTION

Au commencement de cette aventure, la motivation était à vrai dire… partagée. Nous ne connaissions pas vraiment le vaste monde de la data, et cette expérience semblait tant être la découverte d’un monde à approfondir, que l’angoisse de l’inconnu. Fatimatou semblait être la plus motivée d’entre nous, une chance pour motiver l’équipe !

C’est ainsi que nous entrâmes en auditorium pour écouter la première réunion des datactivistes. Même si nous voyons l’ampleur de la tâche qui nous attend, l’enthousiasme des jeunes débutants nous envahit et efface le stress de l’inconnu. Voir ces données bien triées et ces carnets de bord bien rédigés et illustrés nous motivait et nous poussait à nous dépasser, dépasser la fatigue et l’inexpérience. Même si, nous accorderons qu’il était un peu tôt, la présentation nous a réveillé et donné envie de travailler.

Certes, la tâche semblait difficile, dire le contraire serait mentir. Psychologiquement, les partiels et rendus de dossiers à venir rendent la concentration peu évidente. Physiquement, les journées promises de 8 h à 18 h n’arrangent rien. C’est donc curieux et intrigués que nous commençâmes cette semaine.

C’est en rentrant dans la salle D03 que tout commence. Nous apprenons alors que nous allons travailler avec la communauté d’agglomération Arlysère, en Savoie. J’étais alors content de voir que cette communauté d’agglomération était celle où se trouve Albertville, qui avait accueilli les jeux olympiques d’hiver il y a maintenant 30 ans. Bon, ce serait mentir de dire que tout le monde avait cette référence, mais bon ça m’a un peu motivé.

Nous avons donc commencé à nous répartir les rôles pour l’ensemble de cette semaine, chacun essayant de s’orienter vers là où il est le plus à l’aise. Malgré ma timidité de prime abord, je décide de me placer au “standard”, comme nous aimions le dire. J’étais alors chargé de l’envoi des mails et de certains appels vers notre interlocuteur de l’agglomération. Aucun chef, aucune direction au sein de l’équipe, tout se fait naturellement et dans la bonne humeur. Les rôles se répartissent presque naturellement, avec pour seul objectif d’avancer dans la lourde tâche qui nous attend.

Nous avons pour mission de réorganiser des données de consommation énergétique, pour indirectement les aider à trouver des pistes de sobriété en vue de l’hiver à venir. C’est donc investi d’une véritable tâche utile de service public que nous commençons cette semaine.

Il est 9 h 30, nous sommes le lundi 21 novembre 2022, nous sommes prêts…

JOUR 1 – DIAGNOSTIC

Nous travaillons sur la communauté d’agglomération d’Arlysère. Cette jeune communauté (née en 2017) du centre-est de la Savoie est composée de 39 communes, et 63 000 habitants. Après avoir fait le bilan, le niveau de maturité de la communauté est au palier 1, selon le compte rendu fourni par l’analyse du questionnaire portant sur la gestion et la connaissance de l’Open data, la communauté d’agglomération d’Arlysère représente un taux de maturité de palier 1 sur 4 correspondant à un score total de 28 sur 100.

Notre interlocuteur, spécialisé en gestion de flux et d’énergies semble avoir en sa possession un petit nombre de données que nous devons utiliser, ce sera par conséquent notre source d’information primaire puisque les échanges de données sont traités en interne. Leur objectif est avant tout de mieux communiquer sur leurs actions, sans avoir d’objectifs précis. Ils souhaitent réutiliser les données du patrimoine énergétique pour les mettre à la disposition du public, à travers leur site, réseaux sociaux et intranet. Ce manque de précision (bien que déstabilisant) laisse une marge de manœuvre à notre groupe pour orienter la wishlist, en fonction des données que nous recevons. L’échange paraît plutôt fluide, mais le temps de réponse de notre interlocuteur un peu long, au vu du nombre de tâches à accomplir chaque jour. Le début de la journée rime avec un manque d’assurance. Notre groupe est volontaire, la fluidité d’échanges entre les membres est un gros point positif pour optimiser la répartition des tâches et leur accomplissement. Nous avons pu échanger à l’oral avec notre interlocuteur dès la fin de la matinée. Malgré tout, les points d’interrogation persistent, et nous ont rattrapés en début d’après-midi, laissant l’ensemble du groupe dubitatif sur la suite du Challenge. Internet ne fut pas non plus notre meilleur allié durant cette première journée. Mais personne n’a baissé les bras, et nous avons petit à petit retrouvé confiance. En milieu d’après-midi, notre interlocuteur nous a transmis les premières données. De quoi définir notre wishlist, et se projeter sur la journée 2 du Challenge Data.

Bilan du diagnostic et wishlist

Selon le compte rendu fourni par l’analyse du questionnaire portant sur la gestion et la connaissance de l’Open data, la communauté d’agglomération d’Arlysère représente un taux de maturité de palier 1 sur 4 correspondant à un score total de 28 sur 100. Globalement, l’ouverture de la collectivité aux questions relatives à la gestion et à la collecte de données est moyenne.

En effet, il n’y a pas de service ni de personnel employé qui soient concrètement dédiés au sujet et la plupart des questions qui s’en rapportent sont traitées aléatoirement selon des agents divers. Outre cela, le service n’a pas une grande familiarité avec les problématiques d’Open data, personne n’est habilité pour transformer et préparer un jeu de données dans la collectivité et aucune donnée récoltée n’est employée pour prévoir des phénomènes au sein de l’agglomération. Il n’y a pas de catalogue de données et de métadonnées et les agents, pourtant coopératifs, ne connaissent pas de moyens ni d’alternatives permettant de publier des données en Open data que ce soit de façon publique, ou sur un site intranet.

Cependant, il est important de noter quelques points positifs et certains qui pourraient être améliorés. L’agglomération possède plusieurs moyens de communication comme un site Internet et une présence sur divers réseaux sociaux pour communiquer sur les événements qu’elle organise. Elle possède également des moyens suffisants et une équipe chargée d’exploiter des données cartographiques. La collectivité d’Arlysère est également en possession d’un service Smart-Agglo, qui leur permet de mettre en avant l’attractivité du territoire et les avancées portant sur la transition écologique. Le service porte également une certaine importance aux données personnelles, à celles du patrimoine et à celles des administrés, du service de l’eau et des services publics (médiathèques, etc).

Ainsi, les jeux de données sur lesquels nous allons travailler portent sur la consommation annuelle d’électricité et gaz par commune et par secteur d’activité (portant notamment sur le patrimoine général que sur les communes individuelles), l’équipement collectif public, potentiellement sur l’assainissement de l’eau et l’éclairage public.

équipeautravail

Le groupe au complet, concentré et prêt à réaliser ce challenge !

JOUR 2 – IDENTIFICATION

La prise en main des objectifs de la journée à été assez délicate car nous avons à disposition un fichier Excel de données très complet mais aussi très complexe. Nous avons pensé à subdiviser le fichier en catégorie de consommation pour avoir plus de visibilité sur les données que l’on a afin de réaliser l’importation des données dans les templates Google sheets.

Dans un premier temps nous avons décidé de subdiviser le fichier en type de consommation : électricité et gaz puis dans la continuité, nous divisons la consommation électrique en consommation des infrastructures et éclairage public et en consommation pour assainissement des eaux.

Toutefois, le tableau est difficile à lire et nous avons du mal à repérer les données intéressantes, et ce sur toutes les feuilles du tableau ce qui rend cette subdivision plus difficile. De fait, nous avons envoyé un mail et tenté un appel téléphonique pour demander plus d’information pour avoir plus de données sur l’assainissement des eaux, l’éclairage public, et sur une éventuelle distinction entre la consommation énergétique relative à l’assainissement des eaux et la consommation énergétique pour l’éclairage des bâtiments publics.

Après une réponse assez tardive de notre collectivité, nous sommes parvenus à repérer les données qui pourront nous être utiles par la suite. Cependant, uploader les fichier de données utiles sur les templates a été un challenge en lui-même : les fichiers étant assez lourds, cette étape nous a pris plus de temps que prévu et nous a retardés par rapport à la suite ; à 14h30 nous étions toujours sur cette étape malgré un rendez-vous à 15h30 avec notre référent de collectivité pour échanger sur la wanted data list, étape finale de la journée.

Les difficultés rencontrées aujourd’hui se sont naturellement dépeintes sur le moral du groupe. Il y avait une baisse de motivation générale en début d’après-midi qui s’est soldée avec encore plus d’appréhension pour la suite de la semaine.

Après une évaluation des données, nous avons réalisé que les différents jeux de données que nous avions vont en réalité être regroupés sous le même jeu de données qui est la consommation d’énergie. Afin de réaliser notre mission qui est de trouver des pistes d’économie d’énergie dans les bâtiments publics, nous avons contacté notre référent à nouveau pour avoir de nouveaux jeux de données concernant cette fois-ci l’isolation pour évaluer la performance thermique des bâtiments publics, mais il n’avait pas assez de données pour. Nous avons procédé à l’évaluation de la qualité du jeu de données que nous avions en détaillant bien les différents volets de la consommation énergétique publique : l’éclairage public, la consommation annuelle d’électricité et gaz par commune et par secteur d’activité, l’assainissement des eaux et les équipements publics.

Nous avons établi le constat suivant : la consommation de gaz est correctement documentée, notamment les coûts et ressources qui devront peut-être être triés afin d’être standardisés auprès du template. Les données sur les équipements publics collectifs sont disparates, difficilement visibles et reconnaissables. Elles seront donc difficiles à traiter, puisqu’un travail de réorganisation sera à faire au préalable. Concernant le jeu de données correspondant à l’éclairage public, les données sont disponibles et accessibles mais nécessitent d’être nettoyées, complétées puis standardisées pour parvenir à une publication effective et lisible de la consommation réelle dépensée en éclairage public par l’agglomération d’Arlysère. Les données correspondant à l’assainissement des eaux sont à nettoyer et à standardiser. Suite à notre évaluation finale, nous en déduisons que l’analyse des jeux de données correspondant à l’assainissement des eaux, l’éclairage public et à la consommation annuelle d’électricité est faisable mais à travailler. Toutefois, le traitement des jeux de données concernant les équipements publics collectifs est difficile et demande du travail. Ainsi, nous ouvrirons les quatre jeux de données.

Petite note de fin de journée : nos interlocuteurs ont reconnu ne pas être totalement aptes à nous accompagner sur ce travail en termes de réactivité et aussi de préparation des données en amont. L’équipe a retrouvé de l’énergie, et est prête à affronter la journée de demain.

milena

équipeautravail2

organigramme

JOUR 3 – MISE EN QUALITÉ

Aujourd’hui encore, la disparité des données qui nous ont été confiées a encore sévi. Que ce soit des colonnes non renseignées, à des lignes entières de totaux divers à supprimer, la troisième journée commence avec une difficulté de réalisation certaine.

Parmi les étapes d’aujourd’hui, nous avons dû procéder au nettoyage des données enregistrées dans nos templates. Cette première étape était à la fois constructive pour comprendre les informations dont ont besoin les datactivistes, et également assez dure car les données que nous possédions étaient extrêmement mal rangées. Notre interlocuteur de l’agglomération d’Arlysère fonctionnait seul à la composition de ces données et n’avait pas de base d’Open data très fournie. Ainsi, plusieurs erreurs dont un fichier contenant plus d’un million de lignes inutiles devaient être traitées sans compter les nombreuses données présentes dans de mauvaises feuilles de calcul ou des jeux de données du même thème mais contenant des ordres de grandeurs et des unités différentes pour des données censées être similaires. Malgré cela, nous nous sommes motivés tous ensemble à effectuer un travail appliqué en relisant plusieurs fois la méthodologie présente sur le site d’Opendata Canvas.

confettis

tableurs

C’était tout de même l’occasion d’effectuer les tâches en s’amusant et notamment en rendant un peu plus esthétique nos feuilles de calcul.

Nous avons donc procédé au nettoyage des données concernant l’éclairage public, l’assainissement des eaux, la consommation en gaz et les équipements publics de l’agglomération en essayant d’effacer les coquilles et autres fautes d’orthographe diverses. Puis, nous avons procédé à la standardisation des données concernant la consommation de gaz et celles de l’éclairage public. Cette tâche fut quand même compliquée car nos données ne comportaient pas de “modèle” standard.

Le ressenti global de cette journée de la part de Fatima était sa confusion, notamment en début de matinée, puis avec le tri des colonnes et le nettoyage de cellules non pertinentes, le travail fut plus fluide selon elle. J’ai (Océane) trouvé le travail dans l’ensemble beaucoup plus dur et compliqué que les premiers jours notamment par rapport aux différentes tâches à effectuer, mais j’ai quand même appris beaucoup de choses, notamment des procédés techniques durant cette troisième journée. Antoine et Adrien ont trouvé le travail assez compliqué notamment pour le fait qu’à chaque réalisation, il y avait une nouvelle difficulté qui apparaissait mais une fois la tâche effectuée, c’était agréable de constater tout l’effort fourni. Selon Marie et Milena, le travail était assez dur car les données, et notamment les jeux de données sur lesquels elles travaillaient, étaient absolument disparates et peu adaptés. Au lieu de passer la journée à travailler sur les missions édictées par le guide, elles ont notamment dû trier minutieusement les données fournies qui constituaient plus de 3 000 lignes (sans compter le million de lignes inutiles que comportait le tableur général).

Dans l’ensemble, le groupe a ressenti la charge de travail plus complexe de la journée 3 comme nous l’avaient présenté les agents de datactivistes dès la réunion de présentation en début de semaine. En une expression, la journée peut de nouveau être caractérisée par l’expression “les montagnes russes ! ”. Mais le travail était globalement formateur et constructif, on a beaucoup appris comme différentes appellations du langage de gestion public comme ceux des taxes et des données de consommation chiffrées (UN, CESP, CT, etc), les différentes étapes de traitement de données, certaines fonctionnalités d’Excel qui pourraient nous être utiles indépendamment du Challenge Data (comme l’usage de tableau croisé dynamique, les outils de mise en forme et de traitement des cellules). Cette journée s’est conclue par un appel avec l’agent de l’agglomération pour lequel on a fait un compte rendu de l’évolution de notre travail 🎉.

Bilan de mise en qualité global :

Les principales difficultés rencontrées : la plus grande difficulté était sans conteste le tri des données qui étaient très disparates en fonction des colonnes et en fonction des différents tableurs. Après avoir effectué ce tri, il a fallu faire le nettoyage des feuilles de calcul, donc procéder à une autre sélection des données pertinentes. C’était, je pense, la partie la plus longue puisque les jeux de données ne nécessitent pas de compilation et la standardisation était manuelle, mais heureusement assez simple et rapide à effectuer.

CONSEILS POUR AMÉLIORER LA PRODUCTION DES DONNÉES

JOUR 4 – PUBLICATION

Mood du jour : Fluidité, à l’exception de l’interaction avec le pôle communication.

Aujourd’hui, contrairement à hier, le déroulement de la matinée a davantage été fluide. Ayant terminé en amont le nettoyage ainsi que la standardisation des données, nous avons pu consacrer notre journée aux diverses étapes relatives à la publication des données. Un appel avec notre interlocuteur était nécessaire afin de faire un point sur nos jeux de données avant leur publication et d’obtenir les coordonnées du pôle communication. Toutefois, il n’était pas disponible durant l’ensemble de la matinée ce qui nous a légèrement retardé.

L’appel avec notre interlocuteur s’est bien déroulé. Nous remarquons une certaine évolution par rapport au premier échange avec ce dernier. Notre interlocuteur est davantage précis dans les réponses qu’il nous apporte et les objectifs qu’il attend de cette démarche d’open data. Cet appel nous a permis d’obtenir quelques précisions quant aux raisons de la production des données ainsi que les considérations légales et éthiques.

La collectivité n’avait pas de stratégie d’open data en amont. Lors de l’appel, notre interlocuteur nous confie que l’intérêt de la part de l’agglomération est assez récent pour ces problématiques d’open data. Ainsi le challenge data était un moyen pour eux de se lancer dans cette nouvelle démarche.

La plateforme de publication utilisée est data.gouv.fr. Après nous, notre interlocuteur gérera le compte et la publication sur data.gouv.fr, ce qui n’est pas pratique. Il envisage de consulter sa direction afin de créer un service dédié à la gestion de l’open data. De plus, il précise que légalement il y a une obligation de publier les données, ce qui constitue une pression de plus. Quant aux projets à venir, notre interlocuteur n’a pas tant d’informations là-dessus, ni de visibilité. Toutefois, il espère à l’avenir potentiellement poursuivre la démarche d’open data notamment autour du traitement des déchets.

Cependant, nous avons rencontré des obstacles quant à l’élaboration du plan de communication. En effet, à l’heure du rendez-vous convenu, les agents du pôle communication nous informent qu’ils ne sont pas en mesure d’échanger avec nous. On perçoit une confusion de leur côté autour du principe du Challenge Data ainsi que notre nécessité d’élaborer un plan de communication. De ce fait, nous ne pourrons finaliser notre plan de communication que la journée suivante.

L’appel passé durant le jour 5 avec les agents du pôle communication nous a permis de comprendre leur confusion. En effet, ils n’avaient pas été mis au courant du Challenge Data. Après une explicitation de notre part de la démarche et des objectifs poursuivis, l’échange était plus fluide. Néanmoins, nos interlocutrices nous informent que la publication des diverses formes de communication ne sera pas possible sans l’aval de leurs supérieurs, ce qui pourrait prendre plusieurs jours. De plus, elles ont préféré se charger des visuels car c’était leur domaine d’expertise. Elles nous permettent toutefois de constituer le plan de communication, qu’elles compléteront au gré de leur appréciation.

Le but de ce plan de communication est de rendre les données ouvertes attrayantes et pertinentes pour les citoyens et les élus, tout en offrant les bonnes incitations et les bonnes pistes pour effectuer des économies d’énergie sur le territoire Arlysère tant dans les infrastructures de l’Agglomération que les 39 communes qui la composent.

Les objectifs établis sont :

  1. Créer des publications sur les différents supports de communication de l’Agglomération, que les citoyens et élus pourront consulter.
  2. Créer une compréhension d’un concept encore peu connu, datant de 2018 (CRPA) et encore peu utilisé que le grand public comprendra.
  3. Présenter les données ouvertes comme une source d’informations qui intéressera le citoyen lambda.
  4. Promouvoir l’Agglomération en tant que collectivité ouverte, transparente et innovante.
  5. Rendre publiques les ressources et outils nécessaires pour envisager des projets de sobriété énergétique, dans le cadre plus large des transitions écologiques et énergétiques.

Nos diverses stratégies se résument à :

  1. Informer les agents et les élus sur les données ouvertes ainsi que sur leurs avantages pour la collectivité et le public. (Facebook, LinkedIn, site Internet d’Arlysère, et moyen et intra réseau de l’agglomération).
  2. Communiquer cette ressource technique en termes simples.
  3. Communiquer les avantages des données ouvertes.
  4. Cibler les municipalités partenaires, leurs agents et citoyens.

pausecafé

Les challengers en pleine pause café ☕️.

Pièces jointes :

JOUR 5 – VALORISATION

Mood du jour : Tristes… mais fiers…

Dernier jour du challenge, l’occasion de se retourner pour contempler le chemin parcouru. Mais la première chose à faire, briefing à peine conclu, c’est de rappeler le service communication pour leur présenter nos pistes de plan com, appel que nous redoutons car celui d’hier en toute fin d’après-midi était globalement plutôt tendu et parsemé d’incompréhensions. Trente minutes plus tard : l’appel s’est finalement très bien passé, les membres du service communication n’avaient simplement pas été informés du challenge, nous avons clarifié la situation, présenté la démarche, ce que nous leur apportions et leur demandions. Nous avons déterminé par quels moyens l’agglomération pourrait communiquer sur l’ouverture des data : messages sur les réseaux sociaux, réunions d’informations des agents, peut-être même le contact du Dauphiné Libéré, on verra bien…

Pour la suite de la matinée l’équipe s’est divisée en deux : une partie sur l’élaboration définitive du plan com et l’autre s’attelant à la valorisation des jeux de données. De petits problèmes jalonnent ce qu’il reste de la matinée : des espaces résiduels dans les jeux de données, l’agglomération nous demandant pourquoi nous sommes administrateurs sur data.gouv.fr avec nos adresses personnelles. D’ailleurs, bonne nouvelle : l’agglomération d’Arlysère a été certifiée et reconnue comme service public, aube longtemps attendue d’une nouvelle ère de transparence des données.

Pour la valorisation des données, nous alternons quand c’est le plus adéquat entre Rawgraphs et les graphiques intégrés à Excel, prenant bien garde à éviter les graphiques camemberts porteurs de biais trop dangereux pour une présentation saine et objective de nos données.

Dans l’après-midi nous finalisons la valorisation des données avant le rendez-vous final avec notre interlocuteur à 17h. Jusqu’au dernier moment des embûches imprévues sur les jeux de données, des problèmes de connexion ou des locations gather town impayées rendent chacune des dernières minutes intenses. Finalement, le rendez-vous se déroule sur un seul ordinateur avec toute l’équipe derrière. Nous en profitons pour faire un résumé des actions menées durant la semaine, un compte-rendu de ce qu’il pourra trouver sur data.gouv.fr et mener un échange sur nos impressions mutuelles à propos de ce challenge. Nous en sortons tous satisfaits, même si l’interlocuteur avoue avoir été peut-être débordé au début car ne comprenant pas vraiment ce qui était attendu de lui et de nous. Il espère cependant que ce premier pas dans le monde de l’open data permettra à l’agglomération de définitivement s’y atteler dans les temps à venir.

Fatigués mais satisfaits, il nous semble désormais nous souvenir qu’est organisé en salle médiane un large cocktail afin de conclure définitivement cette semaine…

Lien des valorisations : https://www.data.gouv.fr/fr/organizations/communaute-dagglomeration-arlysere/#organization-reuses

CONCLUSION

25 novembre 2022… Il est 17 h. Voilà, c’est fini, comme disait Jean-Louis Aubert. Nous avons achevé notre mission, le dernier appel avec notre interlocuteur est terminé. Cet appel, malgré les quelques difficultés que nous avons connues, a été un bon moment pour nous tous. Finalement, nous avons tous appris de cette belle expérience, dont nous avons su tirer le positif malgré les obstacles et les difficultés. 4 jeux de données ouverts, 1 nouveau jeu de données sur data.gouv.fr, le premier pour cette agglomération, tel est le bilan de cette folle semaine.

Pour nous, pauvres étudiants néophytes en la matière, ce fut une véritable découverte. Il est vrai que le domaine des données ouvertes et des jeux de données nous était totalement inconnu à l’origine, mais à l’issue de cette semaine, nous nous sommes réellement sentis utiles. Utiles pour l’agglomération Arlysère, qui s’est rendue compte de l’importance de l’ouverture des jeux de données. Utiles pour nous, qui avons tant appris, sur nous-mêmes comme sur ce domaine.

Notre bilan à l’issue de cette semaine est donc positif. Malgré les difficultés, malgré les problèmes techniques et le manque de motivation qui nous a parfois fait du tort, nous sommes ressortis grandis de cette expérience. L’esprit d’équipe qui nous a porté pendant ces 5 jours nous a porté, appris l’importance du travail collectif et de ses bénéfices. Nous avons appris à connaître de belles personnes, je pense que l’aventure humaine a été un point tout aussi positif. Cela a été particulièrement vrai lors du fameux cocktail de fin de semaine, organisé par nos chers datactivistes en salle médiane. Un bon moment de convivialité, l’occasion de revenir sur nos bons (et parfois moins bons) moments.

fin

Un beau moment pour clore la semaine, avec une pensée pour Milena qui n’a pas pu être avec nous à ce moment

Pour la collectivité, le bilan est tout aussi positif. À la suite de l’appel avec notre interlocuteur, ce dernier nous a dit que le travail que nous avons effectué ensemble était le point de départ d’une nouvelle aventure, où les données ouvertes prendront une place importance, tant pour des questions de transparence que d’utilité pour la gestion interne de la collectivité. Il est simplement à noter que l’utilisation de Gather Town a été un petit peu compliquée pour notre interlocuteur, qui trouve la plateforme peu accessible et pratique contrairement à d’autres comme Zoom ou Teams. Le début de l’appel était donc un peu difficile, mais rien susceptible d’arrêter la motivation de notre groupe, fier du travail accompli.

Cela a été également une véritable prise de conscience de la méthodologie liée aux jeux de données, puisque nous avons pu expliquer à notre interlocuteur la démarche qui a été la nôtre, tant pour le nettoyage, pour le tri et les visualisations des jeux de données. Les données, parfois brutes et difficiles à traiter au départ, sont donc devenues des données faciles, lisibles et intéressantes pour le grand public néophyte en la matière.

Il en est de même pour le service communication de l’agglomération, avec qui nous avons pu travailler. La prise de conscience de la communication en interne comme en externe des données ouvertes a été une vraie réussite pour nous. Nous espérons sincèrement que nous avons été utiles à cette collectivité, et que des pistes de sobriété énergétique seront trouvées grâce à notre travail.

Ainsi, les données constituent un véritable domaine utile aux sciences politiques, puisque notre mission d’intérêt général nous a particulièrement montré l’importance de celles-ci dans les politiques publiques.

Oui, cela a été parfois compliqué, les jeux de données brutes nous ayant donné du fil à retordre. On disait presque que c’était la misère, l’arl’misère même (oui, j’assume ce jeu de mots à la qualité douteuse…) !

Mais à la fin, les réussites ont dépassé les casse-têtes, la fierté du travail accompli a dépassé les difficultés et le stress de ce travail.

Je suis persuadé que ce sera une belle source de souvenirs, on en reparlera encore.

Lundi, nous retournerons à la monotonie des cours, après cette parenthèse de datas.