Big et Open Data, dispositifs contingents des développements sociaux et économiques locaux

Abstract

Dans cette recherche, apparait pour le bigdata la nécessité d’une gouvernance de l’information au niveau territorial (ville, intercommunalité), gouvernance qui s’appuie sur la construction d’un écosystème propice à l’innovation et l’invention que Pentland [27] qualifie d’écosystème de stimulation intellectuelle immergé dans un processus d’essai/erreur.

L'organisation territoriale (OT) produit, détient, stocke, échange ou possède une grande quantité de données, données pouvant être insérées dans un système de gestion de données de masse (Big Data). Une vigilance doit être apportée à la qualité des données, celle-ci pouvant biaiser la prise de décisions [9]. Pour cette raison il convient de mettre en place également une organisation des données MDM (Master Data Management : en Français, gestion des données de référence ou gestion des données maîtres) basée sur un référentiel de données avec des règles métier (c'est-à-dire des activités, réalisées suivant des procédures administratives, corrélées ou en interactions qui contribuent aux finalités de la collectivité), et un processus rigoureux qui produit de la donnée de qualité à destination des citoyens et plus généralement des parties prenantes locales, processus nommé BPM (Business Process Management : en Français, Gestion des Processus Métiers). Il s’agit en fait d’une réappropriation des données par les métiers présents dans l’OT.

L’utilisation de ces données peut-être protéiforme et générateur de business possiblement insoupçonné. C’est le cas d’entreprises qui se créent et se développent principalement à partir d’objets nouveaux, issus généralement d’une idée créative. Ou d’entreprises qui se transforment en même temps que les usages numériques. Dans cette hypothèse, on parle alors d’improvisation organisationnelle au service de la créativité et de l’innovation.

Des nouvelles plateformes Web collaboratives (crowdfunding : financement participatif et crowdlending : prêt participatif) vont probablement mettre le citoyen au centre des échanges et ainsi le transformer d’un citoyen consommateur en citoyen consom’acteur. Cette évolution permettra aux citoyens par leur contribution à ces plateformes de participer aux politiques publiques. Le développement du « deep learning : apprentissage profond » et des « machines learning : apprentissage automatique ou apprentissage statistique» permettra de modéliser les données et d’en déduire des comportements ad-hoc au service par exemple de la santé et des déplacements de citoyens.