Open Data impact #1 : premières propositions pour 3 défis


(Charles Nepote) #1

La seconde partie de la journée Open Data impact #1 a donné lieu à un approfondissement du travail sur les défis de l’open data : 3 groupes de travail ont proposé quelques pistes d’action. Nous en donnons ici un compte-rendu synthétique, n’hésitez pas à réagir.

Défi 2 réutilisabilité

1. L’amélioration de la recherche
Les participants proposent la création :

  • d’un référentiel des catalogues de données
  • d’un thésaurus des domaines et thématiques (général)
  • d’un thésaurus des données pivot (détail et lien entre jeux de données)

2. Améliorer la “reliabilité”
Les participants proposent la création d’un référentiel des données pivot.

3. Faire émerger la fonction de diffuseur, différente de celle du producteur
Le diffuseur joue le rôle de relieur, comme par exemple dans le croisement de la base SIRENE et de la BAN.

Défi 3 réutilisation

  • Montrer le pouvoir du croisement de données
    • Lister tous les jeux croisables : cas existants et cas théoriques
    • créer un générateur de mashup aléatoire à l’image de celui ciblant la Loire-Atlantique et Nantes ?
  • Tirer parti du potentiel de la donnée : documenter des cas d’usage : 5 cas d’usage typiques
    • Ex : BAN, déterminer le sexe sur la base du prénom, SIRENE
  • L’utilisation open data pour les nuls : #thingiverse #school-of-data
  • Renforcer la conversation entre producteurs, diffuseurs et réutilisateurs
    • s’engager sur un délai de réponse
      • les participants proposent une expérimentation avec une collectivité ou Etalab
  • Inciter les utilisateurs qui publient leur réutilisation à documenter leur process d’usage du jeu
  • Constat de la vision de beaucoup d’entreprises :
    • open data = gratuit = risqué = pas de service = pas de pérennité
    • “service public de la donnée” fait plus sérieux, plus pérenne

Défi 7 “irritants”

Le sujet n’a pas été longuement investigué mais des participants ont proposé la création d’une sorte d’Open Data Leaks, afin de repérer les cas irritants, les croisements irritants.

“Paye ton open data”
Consiste en un lieu de partage des histoires de non-ouverture de data.

  • Témoignages, commentaires, contre-exemples
  • Montrer ce qui bloque
  • Discuter avec d’autres gens confrontés au même problème
  • Benchmark / classement
  • Formulation des objections
  • Peur d’être démasqué

Plateforme comparative pour les data irritantes

  • Exemple : le prix de l’eau

“Open Rapport d’Audit”
(Non décrit lors de l’atelier.)

Fuite de données (leaks)

  • Carotte ? Trophés ? Dénonciation !
  • Bénéfices objectivables ?
  • Pression citoyenne
  • Pétition, votation citoyenne