À partir de l'analyse de 11 cas internationaux de valorisation des données pour créer des services et de la valeur pour le bien commun, nous proposons des modèles pour comprendre le rôle des différents acteurs du territoire : les collectivités, les individus, les entreprises, les acteurs du numérique. Nous dessinons aussi les formes de coopération et les stratégies mises en oeuvre.
Analyse du Benchmark international - Exploration DataCités 1
1. LA DATA COMME BIEN COMMUN
DE LA VILLE ?
Analyse du benchmark
DataCités
UNE EXPLORATION PROSPECTIVE
2. Sommaire
DataCités-CC-BY-SA
I. ANALYSE DU JEU D’ACTEURS
Alliances stratégiques
Rôle et positionnement stratégique des acteurs
II. ANALYSE DE LA GOUVERNANCE
DES DONNÉES
Quatre modèles de gestion des données
Trois niveaux de captation des données
Quatre formes de communautés sollicitées
Quatre façons de valoriser les données
Trois niveaux d’usage des données
p.11-16
p.17-21
p.23-26
p.27-28
p.29-31
p.32-34
p.35-36
3. Finalité
On participe à
l’atteindre - nos
convictions
Objectif
Identifier, analyser et promouvoir des modèles*
alternatifs** de services urbains
* modèle = modèle économique + jeu d’acteurs +
statut des données
** alternatifs aux DSP et aux modèles inventés par
les tech firmes
Ce qu’on réalise /
nous devons être
capable de nous
évaluer par rapport
à l’objectif /
réalisable
Finalité et objectif de cette exploration
Comment réinventer l’intérêt général des territoires
à l’aune du numérique ?
Quels équilibres entre les acteurs publics, les
citoyens et les providers ?
3
DataCités-CC-BY-SA
4. Objectifs du benchmark pour DataCités
Benchmark
Analyse documentaire
Entretiens Experts
Atelier de
co-production
Promouvoir
des modèles
alternatifs de
services
urbains
Analyser des modèles de data
services urbains dans trois
filières (énergie, mobilité et
déchets) présentant des
caractéristiques innovantes
(gouvernance / modèle
économique / statut de la
donnée)
1
2
3
4
4
DataCités-CC-BY-SA
5. 5
Liste des cas étudiés
Filière mobilité Filière énergie
●Enevo
●Terradona
●Waze
●Ride Austin
●Here
●Le Taxi
●Jungle Bus
●TransActive grid
●Qurrent
●Open Power System
Data
●MeSOLshare
Filière déchets
Un certain nombre d’autres cas ont été introduits dans les analyses même s’ils n’ont pas fait l’objet
d’une étude de cas spécifique dans DataCités (Catalogue, Navitia, MTL Trajet, Citymapper, etc.)
DataCités-CC-BY-SA
6. Waze est une application mobile de navigation routière cartographique GPS qui permet à
l'usager d'identifier les événements d'un parcours routier, d'anticiper son déroulé,
d'améliorer son efficience et éventuellement de signaler des incidents. Waze a été racheté
par Google en 2013 pour $1 milliard.
Ride Austin est un service de VTC développé par la communauté d’Austin, pour la
communauté. Ride Austin entend :
● Être équitable avec les chauffeurs
● Respecter les réglementations locales
● Devenir le leader du VTC à Austin
L’acquisition de HERE, société spécialisée dans la cartographie numérique pour véhicules, par
un consortium de constructeurs automobiles allemands vise à barrer la route à Google Maps
et à s’imposer dans la course au véhicule autonome.
Le Taxi est une plateforme numérique gouvernementale française qui regroupe les données
des exploitants de taxi agréés. Cette plateforme a été créée pour calmer la colère des
chauffeurs de taxi face à la concurrence des VTC et moderniser ce secteur réglementé pour
faire face aux défis posés par la révolution numérique
Description synthétique des cas (1/2)
Jungle Bus est un projet qui vise à développer trois outils de crowdsourcing simples,
ergonomiques, peu coûteux et collaboratifs pour permettre à tous les opérateurs de
transport du monde d’optimiser la collecte de données transports et de créer leur plan.
6
DataCités-CC-BY-SA
7. Description synthétique des cas (2/2)
TransActive Grid est un microgrid à Brooklyn qui autorise des échanges énergétiques directs
entre producteurs et consommateurs locaux d’électricité. Le service met en œuvre la
technologie BlockChain pour décentraliser les échanges.
Qurrent est un fournisseur d’énergie implanté aux Pays-Bas qui souhaite impulser la
transition énergétique du Pays en réduisant la consommation d’énergie et en passant à une
énergie 100% verte.
Open Power System Data développe une plateforme de données gratuite pour mettre à
disposition toutes les données disponibles en matière de modélisation énergétique, à l’
échelle européenne.
SOLShare est un nanogrid électrique qui permet aux habitants d’échanger de l’énergie entre
eux via leur téléphone mobile. SOLShare souhaite permettre à tous les bangladais d’être
approvisionnés en énergie même pendant les coupures de courant du réseau central qui
sont extrêmement fréquentes dans le pays et afin de fournir un accès peu onéreux en
électricité dans les zones rurales/reculées du pays.
Terradona entend aider les collectivités à atteindre les objectifs fixés par l’Etat et l’Europe en
matière de tri des déchets tout en diminuant leurs dépenses en matière de gestion des
déchets. Terradona a développé la box Cliiink et un système de récompenses pour incentiver
les citoyens à trier leurs déchets.
Enevo est une société finlandaise qui a mis au point un système de capteurs de remplissage
des poubelles reliés à une plateforme d’analyse des données. Les solutions d’Enevo
permettent de réduire les coûts de gestion des ordures tout en minimisant la pollution
générée par le ramassage des ordures.
7
DataCités-CC-BY-SA
8. Précautions méthodologiques
Des projets contrastés
Les 11 cas étudiés dans le benchmark proviennent de secteurs et de marchés différents. Ils reposent sur des
types de services et des plateformes de gestion de données hétéroclites. Ils ne sont pas représentatifs de ces
secteurs et marchés, mais permettent de comprendre comment de nouveaux acteurs se positionnent et avec
quelles stratégies. Les analyses constituent des hypothèses de travail puisqu’elles sont basées sur un échantillon
réduit.
Une analyse qualitative
Dès lors, les analyses présentées ci-après sont de l’ordre d’analyses stratégiques élaborées de manière
qualitative à travers :
● Une recherche documentaire,
● Des entretiens avec les porteurs de projets,
● Une analyse comparative basée sur des thématiques pré-identifiées comme :
Pour chacune de ces variables, il s’agissait de repérer les similitudes, les écarts, les leviers ou encore les freins
par une lecture croisée des données recueillies.
L’implication des individus
● Statuts des individus
● Rôles des individus
● Types et échelles de
communautés
Le jeu d’acteurs
● Alliances stratégiques
● Stratégies mises en œuvre
● Rôles des acteurs
La gestion de données
● Concurrence à la
captation de données
● Valorisation des données
8
DataCités-CC-BY-SA
9. Quelques définitions préliminaires
Intérêt général
Services public
Services d’intérêt
général
Données d’intérêt
général
Bien commun
Civic tech
“La notion d'intérêt général n'a de sens que pour un groupe d'individus membres d'une communauté,
telle une collectivité, à laquelle ils ont conscience d'appartenir. Il est du ressort de l'État de poursuivre
des fins d'intérêt général – c'est-à-dire d'entreprendre des actions qui présentent une valeur ou une
utilité pour tous ceux sur lesquels s'exerce son autorité – et de les faire prévaloir sur certains
intérêts particuliers.”
Service public : Activité d'intérêt général, assurée sous le contrôle de la puissance publique, par un
organisme (public ou privé) bénéficiant de prérogatives lui permettant d'en assurer la mission et les
obligations (continuité, égalité, mutabilité) (Wikipedia)
Les services d'intérêt général (SIG) sont, dans l'Union européenne, des « services marchands et non
marchands que les autorités publiques considèrent comme étant d'intérêt général et soumettent à des
obligations spécifiques de service public”. Les SIG peuvent inclure une dimension environnementale et
une dimension sociale.
Les données d’intérêt générales (DIG) sont “des données qui sont de nature privée mais dont la
publication peut se justifier en raison de leur intérêt pour améliorer les politiques publiques”.
Une ressource (matérielle ou informationnelle) partagée par une communauté d’utilisateurs qui
déterminent eux-mêmes le cadre et les normes régulant la gestion et l’usage de la ressource.
Trois conditions : 1. une ressource 2. une communauté d’acteurs 3. une gouvernance qui définit les
droits et obligations des acteurs sur la ressource afin de la préserver voire de l’enrichir
Nous identifions pas dans la littérature une définition unique pour ce néologisme récent. Très volatile, il
fonctionne comme une auberge espagnole et révèle une effervescence autour de la place du citoyen
dans la gouvernance. La définition se limite elle aux outils ou s'étend-elle à une philosophie de l'intérêt
général et par extension aux instances elles-mêmes ? Pour ajouter à la confusion, la primauté du "tech"
dans cette définition est souvent contestée. Cela ne nous exempte en rien de cerner les attentes que
réclament ces usages.
9
DataCités-CC-BY-SA
10. ANALYSE
1
Dans les sujets retenus (mobilité, énergie et déchets), nous sommes bien face à des services d'intérêt général,
administrés par des acteurs, soit seuls, soit en combinaison. On retrouve là les éléments clé du jeu d'acteurs, à savoir :
la transformation du rôle de l'acteur public, le degré d'implication des individus et la place des "providers" de toutes
sortes. Ce qui conduit naturellement à s'intéresser aux stratégies d'alliances, de connivence ou de domination.
DU JEU
D’ACTEURS
11. Alliances stratégiques
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes de communautés sollicitées
Quatre façons de valoriser les données
Trois niveaux d’usage des données
11
DataCités-CC-BY-SA
12. Même si tous les cas étudiés n’en sont pas au sens strict, nous sommes devant des services d’intérêt
général dans une acception large : « des services marchands et non marchands que les autorités publiques
considèrent comme étant d’intérêt général et soumettent à des obligations spécifiques ». Les acteurs
étudiés présentent de grandes différences en termes de but, d’activités, de gouvernance, de financement
et enfin d’histoire et de valeurs. On a donc une grande richesse de l’écosystème facteur de complexité
mais surtout de vitalité.
Le riche écosystème de l’intérêt général
12
DataCités-CC-BY-SA
13. Tous les acteurs revendiquent l’intérêt général et sont en quête, a minima d’un équilibre économique, a
maxima d’un leadership sur un marché ou un secteur. "Réduire la congestion urbaine" (Waze) participe de
l'intérêt général. Le centre névralgique de Here consolide le système de transport intelligent de la
smartcity et peut à ce titre revendiquer l'intérêt général. Donner à une filière économique les moyens de
se battre à armes égales avec les startup mondiales (Le.Taxi), n'est-ce pas aussi l'intérêt général ? Autant
que Me SOLshare qui avec ses microgrids transforme particuliers et microentreprises en acteurs
économiques de la transition énergétique.
L’intérêt général largement revendiqué
Trois positionnements vis-à-vis de l’intérêt général se dégagent :
L’intérêt général
représenté par la
“multitude”
● Ce modèle concerne des entreprises qui cherchent à imposer leur service privé
comme un service public.
● Il s’agit pour elles de présenter l’intérêt général au travers de la masse des données
collectées, donc des personnes représentées.
● Waze, Here et Uber incarnent ce modèle.
L’intérêt général
représenté par les acteurs
publics
● Ce modèle concerne les institutions publiques et les collectivités qui cherchent à
maîtriser l’intérêt général face à l’émergence de services urbains d’initiatives privées.
● Si les lois et les réglementations sont leur cheval de bataille, elles mettent aussi en
oeuvre des plateformes d’intermédiation et de partage de données.
● BANO, MTL et le Taxi incarnent ce modèle.
L’intérêt général
représenté par des
communautés locales
● Ce modèle concerne de nouveaux acteurs, jeunes entreprises, associations,
fondations… qui souhaitent préserver l’intérêt de communautés locales.
● Leur réussite tient dans la constitution et la maîtrise de ces communautés.
● Jungle Bus, Transactive Grid, MeSOLShare et Ride Austin incarnent ce modèle.
13
DataCités-CC-BY-SA
14. Rôle de l’action
publique
Périmètre
Modèle
économique
Services
publics privés
Green tech
Les Communs
Etat partenaire
Etat client
Etat financeur ou
investisseur
Globaux
Locaux et
internationaux
Locaux
Modèles stabilisés
Modèles
classiques
Modèles jeunes /
instables
Ils recherchent
une légitimité et
une meilleure
qualité de service.
Ils cherchent à
collecter la
donnée la plus
riche possible.
Ils doivent
s’affranchir de
l’action publique
pour se
développer.
Objectif
stratégique
Trois types de services d’intérêt général
14
DataCités-CC-BY-SA
15. Typologie des alliances
Les alliances stratégiques ici mentionnées ont des formes juridiques variées. Il peut s’agir de soutien
financier ou moral, de partenariat, de rachat, d'actionnaires, etc. Dans certains cas, ces alliances se
combinent.
Alliances entre
concurrents
Alliances avec
un acteur du
numérique
Alliances avec
les acteurs
locaux
Alliances avec
un acteur
public légitime
Des concurrents dont
le coeur de métier
n’est pas numérique,
s’allient pour contrer
les “géants du web”.
Cela se fait par choix
(les constructeurs
automobiles dans
Here) ou par
obligation (les
opérateurs de taxi
dans Le.Taxi).
Des acteurs
s’adossent à des
géants du web pour
asseoir leur légitimité
et gagner en parts de
marché. Ainsi de
Here avec le géant
chinois Baidu ou de
Waze avec Google.
Terradona ou encore
Qurrent s’appuient
sur des acteurs
locaux (commerces,
services de
proximité…) pour
disséminer leurs
solutions auprès d’un
public local.
Elles consistent à
développer des
partenariats avec des
acteurs qui
représentent l’intérêt
d’un secteur ou
encore d’une
communauté. Jungle
Bus, Ride Austin,
Qurrent et Open
Data System
développent - entre
autres - cette
stratégie.
15
DataCités-CC-BY-SA
16. Typologie des alliances
Les alliances stratégiques ici mentionnées ont des formes juridiques variées. Il peut s’agir de soutien
financier ou moral, de partenariat, de rachat, d’actionnariat, etc. Dans certains cas, ces alliances se
combinent.
Alliances entre
concurrents
Alliances avec
un acteur du
numérique
Alliances avec
les acteurs
locaux
Alliances avec
un acteur
public légitime
Jungle Bus
16
DataCités-CC-BY-SA
17. Rôle et positionnement stratégique des acteurs
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes de communautés sollicitées
Quatre façons de valoriser les données
Trois niveaux d’usage des données
17
DataCités-CC-BY-SA
18. Acteurs privés
Certains acteurs privés légitiment leur action par l’alliance formée avec les individus : c’est le cas d’Uber
qui convoque l’intérêt général pour obtenir des aménagements réglementaires de la profession des VTC,
ou le cas de Citymapper qui lance une pétition pour l’ouverture des données de la RATP au nom du « droit
des Parisiens d’accéder à des services de mobilité innovants ».
La capacité d’un acteur privé à concilier service personnalisé et service d’intérêt
général
La capacité de domination d’un acteur privé d’un secteur d’intérêt général
La capacité de domination d’un acteur privé de plusieurs secteurs d’intérêt général et
qui de fait exerce une concurrence frontale à l’Etat
18
Quand The Guardian évoque Sidewalk Labs de Google et sa filiale Flow, il se demande si "Google ne risque pas d'imposer
une forme de 'système d'exploitation urbain' aux grandes villes du monde entier." L'acteur privé existe sous forme
“d’empires numériques" très offensifs dans la captation de la donnée et la redéfinition d'un service public sous maîtrise
privée et d'une donnée dont le partage se cantonne au mieux à l'échange (ici Waze). Il existe aussi sous forme de
start-ups qui inventent des stratégies (originales ou non), mais qui restent généralement dans une logique de rétention
de la donnée. L’acteur privé privilégie le plus souvent un service personnalisé.
Trois questions se posent :
DataCités-CC-BY-SA
19. Acteur public
L’acteur public est challengé par les acteurs privés qui revendiquent le respect de l’intérêt général à
travers leurs services. Au-delà de la planification et du financement des services publics traditionnels,
l’acteur public diversifie ses rôles et ses actions.
Régulateur
L’acteur public
légifère l’ouverture
des données
publiques mais
réglemente aussi
plus largement les
secteurs avec des
politiques sociales
et économiques. Le
cas de la ville
d’Austin qui a
imposé ses
réglementations à
Uber et Lyft
contribuant à leur
faire quitter la ville,
rend compte de ce
rôle.
Réutilisateur
de données
Plusieurs exemples
existent où les
acteurs privés
partagent
gratuitement
certaines de leurs
données aux
collectivités pour
qu’elles mesurent
puis optimisent
leurs services
publics. Waze
rentre dans cette
catégorie.
Client
Dans certains cas
comme Terradona
et Qurrent, les
acteurs publics
achètent les
données aux
fournisseurs de
services. C’est
d’autant le cas
lorsque les données
collectées sont
rares et
difficilement
accessibles par
ailleurs.
Créateur de
communs
C’est sans doute le
rôle le plus
innovant porté par
l’acteur public.
Jungle Bus, BANO
ou Le.Taxi en sont
des exemples
phares. A travers
ces projets, l’acteur
public accompagne
et soutient la
création de
communs, voire les
développe
lui-même en mode
startup d’Etat.
Investisseur
L’acteur public
investit dans les
services qui lui
semblent les plus
prometteurs et
garants de l’intérêt
général. Ainsi la
Caisse des Dépôts
investit dans
Terradona,
l’Ademe et la CE
financent Jungle
Bus et l’European
Investment Bank
investit dans Enevo.
19
DataCités-CC-BY-SA
20. Acteurs “communautaires”
Quelques exemples :
● Aux Pays-Bas, Qurrent est porté par la fondation DOEN qui vise à influencer le développement d’un
monde durable.
● Dans le projet TransActive Grid, Brooklyn Microgrid a le statut de “benefit corporation”, une
entreprise qui oeuvre pour le développement d'une production locale dans le cadre d’une économie
circulaire et d’un sens de la "communauté de vie".
● Quand OpenSidewalk (avec le concours d'OSM) crée une application de navigation piétonne Access
Map, le wiki mobilise les citoyens et œuvre au bénéfice des handicapés en mettant en œuvre un
commun pour l'intérêt général.
● Jungle Bus ou Ride Austin se revendiquent civic techs, prétendant offrir un service d’intérêt collectif
et une meilleure répartition des recettes vers les chauffeurs. Ride Austin se présente comme une
émanation de la communauté d’Austin, manifeste une rare volonté de transparence et propre à un
modèle à but non lucratif et se positionne comme alternative "collaborative" aux géants du web comme
Uber et Lyft. Jungle Bus s’appuie sur un principe de crowdsourcing.
● Dans le cas de Le.Taxi, l’Etat défend l’intérêt des opérateurs français de taxis en créant un service
d’intermédiation face à l’incapacité des opérateurs à se regrouper et à s’adapter à l’évolution de la
demande.
Les cas révèlent de nouveaux acteurs et pas seulement les tech firms ou les startups de génération
récente. Certaines entités inédites cristallisent l'intérêt général. La richesse sémantique – entre social
business, coopérative, wiki, civic tech, start-up d’État… – souligne une féconde effervescence. Une
taxonomie de ces acteurs semble une piste de travail intéressante pour la mise en œuvre des politiques
d'intérêt général.
20
DataCités-CC-BY-SA
21. Individus
Quatre rôles se dégagent de nos analyses pour les individus : consommateur passif, consom’acteur, smart
citizen et commun’acteur (dit aussi commoner). Les individus remplissent ces rôles au gré de l’usage qu’ils
font des dataservices, selon la façon dont ils partagent, l’intensité avec laquelle ils partagent et la finalité
de ce partage. La plupart du temps, c’est le service lui-même qui détermine le rôle que peut jouer
l’individu.
Consommateur
passif
Consom’acteur Smart Citizen
Commun’acteur
ou commoner
Les données de
l’individu sont captées
sans aucune action de
sa part et en échange
d’un service
hyperindividualisé. La
donnée est privatisée
by design. Here ou Uber
convoquent ce statut
pour leurs utilisateurs.
Quand le promoteur du
service prétend
organiser la
convergence de
l’intérêt général et de
l’intérêt particulier.
Waze se réclame
implicitement de
l’intérêt général
(résorber les
congestions urbaines)
mais promet surtout un
bénéfice particulier (la
trajectoire la plus
rapide grace au
crowdsourcing).
Quand l’acteur public le
sollicite pour contribuer
à un service public. Son
action est alors
bénévole, civique et
gracieuse. L'appellation
possible est aussi
"connected citizen" dès
lors que la médiation
est numérique. MLT
Transport à Montreal
incarne ce statut.
Quand il est sollicité
pour contribuer à un
commun, au sein d’une
communauté de pairs
(wikis ou civic techs).
Dans les projets d’utilité
publique comme Jungle
Bus ou Open Power
Grid, le bénéfice
individuel est faible,
voire nul en échange
d’une implication
importante.
21
DataCités-CC-BY-SA
22. ANALYSE DE LA
2
Cette partie éclaire les stratégies que les acteurs déploient en matière de captation, partage et valorisation des données.
GOUVERNANCE
DES DONNÉES
23. Quatre modèles de gestion des données
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes de communautés sollicitées
Quatre façons de valoriser les données
Trois niveaux d’usage des données
23
DataCités-CC-BY-SA
24. Des niveaux de maturité différents entre les secteurs
Dans le secteur de la mobilité, une très large part des données sont produites par des capteurs “banalisés” (les
smartphones), au sein d’un écosystème ouvert (plateformes ouvertes). Cela permet aux acteurs (Waze, Le.Taxi,
RideAustin ou Jungle Bus…) de recueillir des données sans posséder l’infrastructure physique de captation.
La maturité de ce secteur est élevée.
Dans le domaine de l’énergie, les cas étudiés ont une approche captive l’arrivée des compteurs communicants et
autres objets connectés va profondément transformer l’accès aux données et, plus globalement l’ensemble du jeu
des acteurs, à l’instar de ce qui s’est produit dans la mobilité.
A l’opposé, dans le domaine des déchets, les capteurs permettant de créer et recueillir la donnée sont la
propriété de l’acteur qui les exploite.
L’analyse des cas met en évidence des différences d’accès aux données entre les trois secteurs étudiés*, ce
qui détermine une maturité différente des acteurs en termes de stratégie de captation et de gestion des
données.
L’accès aux données mobilité est (relativement) facile, et la concurrence des acteurs pour les capter est forte.
L’accès aux données de l’énergie évolue vers plus d’ouverture, sous l’impulsion des compteurs communicants
et autres objets connectés. Enfin, dans le domaine des déchets, l’étude identifie des initiatives intéressantes,
dans un contexte global où l’accès aux données est difficile.
* Seuls cinq cas ont été étudiés dans le secteur des mobilités, quatre dans le secteur de l’énergie et deux dans le secteur des
déchets. L’analyse proposée ne vaut que pour les cas étudiés et ne rend pas compte de l’intégralité de ces secteurs. Elle
propose des pistes de réflexion, des hypothèses de travail.
24
DataCités-CC-BY-SA
25. Entre rétention, échange, vente et ouverture
Rétention des données
On entend par rétention des données la stratégie des acteurs qui ne monétisent pas leurs
données. Bien qu’elles soient consubstantielles à la création de valeur, elles ne sont pas
l’objet de transactions monétaires. Enevo incarne ce mode de gestion.
Echanges de données
L’échange de données est une stratégie pratiquée par peu d’acteurs (Waze et Here dans
les cas étudiés, mais aussi Uber récemment) et semble s’inscrire dans la poursuite de
deux buts : la légitimité d’un partenariat avec les pouvoirs publics notamment, et
l’innovation qui améliore la qualité du service.
Vente de données
La vente est un modèle retenu par Here (vente de licences aux constructeurs), Qurrent
(vente de données sur l’énergie à d’autres agents économiques dans le domaine de l’
énergie) et Terradona.
Ouverture des données
L’ouverture des données comme des communs est une stratégie retenue par de
nombreux acteurs, procédant aussi bien du choix stratégique des agents économiques
que de la régulation imposée par l’acteur public. Jungle Bus ou le Taxi proposent ce mode
de gestion.
Dans la mobilité, les acteurs économiques déploient des approches variées en matière de partage des
données captées (échange, vente, ouverture, rétention) répondant à des buts différents. Dans les déchets
et dans l’énergie, la maturité est moindre : la captation des données nécessite des capteurs propres et les
acteurs qui captent les données sont en général ceux qui les exploitent (intégration forte entre la
captation et l’exploitation des données).
25
DataCités-CC-BY-SA
26. Entre rétention, échange, vente et ouverture
Rétention des données
Echanges de données
Vente de données
Ouverture des données
Dans la mobilité, les acteurs économiques déploient des approches variées en matière de partage des
données captées (échange, vente, ouverture, rétention) répondant à des buts différents. Dans les déchets
et dans l’énergie, la maturité est moindre : la captation des données nécessite des capteurs propres et les
acteurs qui captent les données sont en général ceux qui les exploitent (intégration forte entre la
captation et l’exploitation des données).
Jungle Bus
26
DataCités-CC-BY-SA
27. Trois niveaux de captation des données
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes de communautés sollicitées
Quatre façons de valoriser les données
Trois niveaux d’usage des données
27
DataCités-CC-BY-SA
28. Trois niveaux de captation des données
Données créées par des
capteurs banalisés
Données créées par des
capteurs en cours de
banalisation
Données créées par des
capteurs propriétaires
Jungle Bus
Il apparaît au vu de la classification ci-dessous que ce sont les services du secteur de l’énergie qui vont
fortement évoluer dans les années à venir, en raison de la banalisation en cours des capteurs. Celle-ci va
en effet faire émerger une plus forte concurrence à la captation des données et donc laisser place à de
nouveaux entrants, dont les acteurs du numérique comme Google avec Nest, comme ce fut le cas dans les
secteurs des mobilités la décennie passée.
28
DataCités-CC-BY-SA
29. Quatre formes d’alliances avec les individus
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes d’alliances avec les individus
Quatre façons de valoriser les données
Trois niveaux d’usage des données
29
DataCités-CC-BY-SA
30. Quatre formes d’alliances avec les individus
Alliances avec la
multitude
Dans le domaine de la mobilité, l’abondance des données est essentielle à la fourniture
de leur service. Les acteurs recherchent donc des alliances avec la multitude. Waze et
Here visent le même objectif : disposer des données d’une multitude d’automobilistes.
Alliances avec les
commun’acteurs
Des acteurs comme Jungle Bus, Catalogue ou encore Navitia visent des alliances avec les
commun’acteurs (appelés aussi commoners), afin de créer des communs informationnels.
Dans le cas de Le.Taxi, l’enjeu est d’engager l’ensemble des taxis français.
Alliances avec la
communauté locale
Dans le secteur de l’énergie, les acteurs étudiés recherchent une alliance avec la
communauté locale (mesolshare, Qurrent, etc.). Le développement des compteurs
communicants et des objets connectés recèlent un potentiel d’innovation pour qui saura
nouer des alliances avec la multitude (fournisseurs d’énergie, Google avec Nest etc..).
Alliances avec les
consomm’acteurs
Enfin, dans le cas des déchets, les acteurs se positionnent comme fournisseur de services
aux collectivités (principalement). Dans le cas de Terradona, l’alliance avec l’usager
“consommacteur” est recherchée pour l’engager dans le tri de ses déchets.
30
Dans la mobilité, les acteurs économiques déploient des approches variées en matière de partage des
données captées (échange, vente, ouverture, rétention) répondant à des buts différents. Dans les déchets
et dans l’énergie, la maturité est moindre : la captation des données nécessite des capteurs propres et les
acteurs qui captent les données sont en général ceux qui les exploitent (intégration forte entre la
captation et l’exploitation des données).
DataCités-CC-BY-SA
31. Quatre formes d’alliances avec les individus
Alliances avec la
multitude
Alliances avec les
commun’acteurs
Alliances avec la
communauté locale
Alliances avec les
consomm’acteurs
Dans la mobilité, les acteurs économiques déploient des approches variées en matière de partage des
données captées (échange, vente, ouverture, rétention) répondant à des buts différents. Dans les déchets
et dans l’énergie, la maturité est moindre : la captation des données nécessite des capteurs propres et les
acteurs qui captent les données sont en général ceux qui les exploitent (intégration forte entre la
captation et l’exploitation des données).
Jungle Bus
31
DataCités-CC-BY-SA
32. Quatre façons de valoriser les données
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes d’alliances avec les individus
Quatre façons de valoriser les données
Trois niveaux d’usage des données
32
DataCités-CC-BY-SA
33. Quatre façons de valoriser les données
La donnée comme “actif
abondant”
En réaction aux acteurs qui organisent la rareté des données, des acteurs comme Navitia
ou Catalogue visent à rendre les données abondantes (celles liés à l’expérience utilisateur
du moins). En ouvrant les données, ces acteurs organisent l’abondance de ce qui, pour les
acteurs du numérique, est le principal levier d’innovation.
La donnée comme
“ressource d’intérêt
général”
Le soutien à l’ouverture et au partage des données représente un modèle alternatif de
gestion des données. Ce modèle contribue à l’intérêt général ; ce qui n’exclut pas que ces
agents poursuivent leur intérêt bien compris.
La donnée comme
“patrimoine stratégique”
Pour les acteurs de la mobilité, la donnée est un patrimoine stratégique. Pour la plupart,
la marchandisation de la donnée n’est pas la finalité première des acteurs comme Waze,
RideAustin, Uber ou encore Google Maps. La donnée est un actif qui leur permet de
dominer leur marché, en concentrant la demande par exemple.
La donnée comme
“matière première”
Les cas étudiés dans le domaine de l’énergie et des déchets ne déploient pas de stratégie
particulière pour capter d’autres données, ni pour partager ou ouvrir les leurs. Seul
Qurrent les monétise auprès d’autres acteurs de l’énergie. Ces acteurs accordent à la
donnée la valeur d’une matière première.
La valeur désigne l’intérêt ou l’importance que les acteurs portent à la donnée, voire le prix qu’ils lui
confèrent. Le benchmark met en lumière les différences de valeur que les acteurs accordent aux données.
On retrouve la notion de plasticité de la valeur des données, qui avait été développée dans le programme
DatAct (“La valeur de la donnée doit être dynamiquement estimée en fonction de débouchés évolutifs et
d’usages différentiés”).
33
DataCités-CC-BY-SA
34. Quatre façons de valoriser les données
La donnée comme
“actif abondant”
La donnée comme
“ressource d’intérêt
général”
La donnée comme
“patrimoine stratégique”
La donnée comme
“matière première”
Jungle Bus
34
La valeur désigne l’intérêt ou l’importance que les acteurs portent à la donnée, voire le prix qu’ils lui
confèrent. Le benchmark met en lumière les différences de valeur que les acteurs accordent aux données.
On retrouve la notion de plasticité de la valeur des données, qui avait été développée dans le programme
DatAct (“La valeur de la donnée doit être dynamiquement estimée en fonction de débouchés évolutifs et
d’usages différentiés”).
DataCités-CC-BY-SA
35. Trois niveaux d’usage des données
Analyse du jeu d’acteurs Analyse de la gouvernance des données
Alliances stratégiques
● Le riche écosystème de l’intérêt général
● Une tension entre intérêt économique et
intérêt général
● Trois types de services d’intérêt général
● Typologie des alliances
Rôle et positionnement stratégique des acteurs
● Acteurs privés
● Acteur public
● Acteurs communautaires
● Individus
Quatre modèles de gestion des données
● Des niveaux de maturité différents entre les
secteurs
● Entre rétention, vente, ouverture et partage
Trois niveaux de captation des données
Quatre formes d’alliances avec les individus
Quatre façons de valoriser les données
Trois niveaux d’usage des données
35
DataCités-CC-BY-SA
36. Trois niveaux d’usage des données
Niveau individuel
Niveau
communautaire
et local
Niveau global
Les données collectées au sein de chaque service sont utilisées à trois échelles :
● le niveau individuel (les données permettent de fournir un service personnalisé)
● le niveau communautaire et local (des échanges sont garantis entre les individus)
● le niveau global (afin d’optimiser un réseau ou le fonctionnement global d’un service d’intérêt
général)
Jungle Bus
36
DataCités-CC-BY-SA