Téléchargé 31 fois
Téléchargé parLe Lab OuiShare x Chronos
Analyse du Benchmark international - Exploration DataCités 1
Le document explore la gestion des données urbaines comme un bien commun à travers une analyse des modèles alternatifs de services urbains dans les domaines de la mobilité, de l'énergie et des déchets. Il présente des cas d'étude variés, identifiant les rôles et les stratégies des acteurs publics, privés et communautaires dans ce contexte, ainsi que les enjeux de gouvernance et de valorisation des données. L'objectif est de comprendre comment réinventer l'intérêt général à l'ère numérique tout en équilibrant les intérêts des différentes parties prenantes.
![[Big] [Open] Data [As a Service]](https://cdn.slidesharecdn.com/ss_thumbnails/awtsmartournai11122014-141211031507-conversion-gate02-thumbnail.jpg?width=640&height=640&fit=bounds)
Analyse du Benchmark international - Exploration DataCités 1
- 1. LA DATA COMMEBIEN COMMUN DE LA VILLE ? Analyse du benchmark DataCités UNE EXPLORATION PROSPECTIVE
- 2. Sommaire DataCités-CC-BY-SA I. ANALYSE DUJEU 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 benchmarkpour 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 casétudiés 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 uneapplication 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 descas (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 projetscontrastés 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 Intérêtgénéral 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 sujetsretenus (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 dujeu 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 tousles 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 acteursrevendiquent 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 publicsprivés 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 Lesalliances 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 Lesalliances 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 positionnementstratégique 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 acteursprivés 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 publicest 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 sedégagent 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 Cettepartie éclaire les stratégies que les acteurs déploient en matière de captation, partage et valorisation des données. GOUVERNANCE DES DONNÉES
- 23. Quatre modèles degestion 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 dematurité 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 decaptation 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 decaptation 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’alliancesavec 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’alliancesavec 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’alliancesavec 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 devaloriser 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 devaloriser 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 devaloriser 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’usagedes 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’usagedes 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
- 37.