Les données publiques ouvertes et leurs usages
Les données publiques ouvertes désignent les informations produites par les administrations et mises à disposition de tous, gratuitement et dans un format exploitable par une machine. Le principe est inscrit en droit français depuis la loi pour une République numérique de 2016, qui a posé l'ouverture par défaut des documents administratifs pour les collectivités au-delà d'un certain seuil de population, et il a été renforcé par une directive européenne consacrée aux données ouvertes et à leur réutilisation. L'ouverture ne concerne ni les données personnelles, ni les informations couvertes par un secret protégé par la loi, deux limites qui expliquent l'anonymisation ou l'agrégation de nombreux jeux de données.
Les portails de diffusion
La plateforme data.gouv.fr recense les jeux de données publiés par les administrations françaises, des ministères aux communes, et sert de point d'entrée principal. Plusieurs producteurs disposent en outre de leurs propres services de diffusion, mieux documentés et plus complets que la copie référencée sur le portail général : l'institut national de la statistique pour les données démographiques et économiques, l'institut national de l'information géographique et forestière pour les données cartographiques, ouvertes gratuitement depuis 2021, et les services de la direction générale des finances publiques pour les données fiscales et foncières. Au niveau européen, un portail équivalent agrège les publications des États membres.
Les licences
Deux licences dominent la diffusion française. La licence ouverte, rédigée par la mission Etalab, autorise la réutilisation libre, y compris commerciale, à la seule condition de mentionner la source et la date de la version utilisée. La licence ODbL impose en plus le partage des bases dérivées sous la même licence, ce qui convient aux projets collaboratifs mais complique l'intégration dans un produit fermé. La vérification de la licence avant tout développement évite de découvrir une contrainte de partage une fois le travail avancé, et la mention de la source constitue de toute façon une obligation dans les deux cas.
La qualité des jeux de données
Un jeu de données ouvert n'est pas un jeu de données propre. Les défauts les plus courants sont connus : codages de caractères mélangés dans un même fichier, dates écrites selon plusieurs conventions, identifiants de communes ou d'entreprises absents ou erronés, colonnes dont la signification n'est documentée nulle part. La présence d'un fichier de description des champs constitue le meilleur indicateur de sérieux, et son absence impose un travail de reconstitution par recoupement. La fréquence de mise à jour mérite également d'être vérifiée, car un jeu publié une fois et jamais actualisé reste en ligne sans que rien ne le signale.
Les interfaces de programmation
Une partie des données est accessible non par téléchargement mais par une interface de programmation, qui renvoie les informations demandées à la requête. Le répertoire des entreprises, les référentiels d'adresses, les données de transport et les géoservices fonctionnent sur ce modèle, mieux adapté aux usages où l'information change constamment. Les conditions d'utilisation prévoient en général un plafond de requêtes, et certaines interfaces exigent une clé obtenue après inscription, gratuite mais nominative. Un cache local des réponses évite d'atteindre ces plafonds et accélère les traitements répétés.
Les usages des données ouvertes
Les usages constatés dépassent largement les intentions initiales des administrations. Les applications d'itinéraires reposent sur les données de transport publiées par les autorités organisatrices, les comparateurs d'installation immobilière sur les transactions foncières et les données de l'éducation, et de nombreux travaux de recherche et de journalisme sur les données budgétaires et sanitaires. Les collectivités elles-mêmes en tirent un bénéfice indirect, puisque l'ouverture oblige à mettre de l'ordre dans des systèmes d'information dont les incohérences n'apparaissaient pas tant que les fichiers restaient internes.