SlideShare une entreprise Scribd logo
Enjeux de pouvoir au cœur de la ville intelligente
Olivier Kempf & Thierry Berthier
Colloque « Cybersécurité dans les villes intelligentes »
15 octobre 2015 – Musée de l’Armée – Hôtel National des Invalides
I - Les données donnent-elles le pouvoir ?
I - Les données donnent-elles le pouvoir ?
- Les débats autour de la ville intelligente omettent
fréquemment d’interroger l’origine des données.
- Les analystes considèrent plus leur traitement et la
façon dont elles peuvent améliorer le fonctionnement
de la ville, par conséquent le bien-être collectif.
- Or, l’origine des données est tout sauf une chose
anodine, tout comme leur récupération et leur mode
de « gestion ».
1-1 Les deux dimensions de la projection algorithmique
- Chaque individu est désormais identifié par sa projection
algorithmique (PA), constituée de deux sources, l’une active, l’autre
passive (cf – partie III ).
- La première tient à la pratique du cyberespace par l’individu : surf
sur Internet, réservations à distance, la validation magnétique de son
abonnement de transport. Autant d’actions cyber venues d’une
démarche active de l’individu.
- La seconde tient à son passage dans un univers cybernétisé. Ainsi,
transports en commun, marche dans la rue (caméras de
surveillance), mise sur veille de son téléphone... Les données cyber
proviennent de l’observation de l’individu, à son insu.
1 – 2 Récupération et analyse des données
- Toutefois, tous ces procédés sont pour l’instant décentralisés.
Quelques uns aux mains des autorités municipales (systèmes de
caméras de surveillance), la plupart aux mains d’acteurs privés. Les
uns sont locaux (systèmes de transport), d’autres ont des dimensions
plus larges (fournisseurs de téléphonie ou d’internet). Enfin, de
nouveaux acteurs apparaissent sur le modèle de l’uberisation.
- Ainsi, les données sont-elles réparties en de multiples mains qui
obéissent à des intérêts différents et donc des logiques diverses.
- Souvent, les analystes s’interrogent sur l’interconnexion de ces
données. Pourtant, un des enjeux réside dans le contrôle de cette
concentration. Au fond, à supposer résolue l’interconnexion,
comment réguler les données ? Surtout, comment partager leur
gestion ? De façon sous-jacente, qui est propriétaire des données ?
Celui qui les émet, volontairement ou non, ou celui qui les récupère
et les traite ?
II Comment réguler les données ?
II Comment réguler les données ?
Il y a en fait plusieurs catégories d’acteurs qui
interagissent. Les décrire permettra de mieux
comprendre les relations qu’ils peuvent nouer.
2 – 1 Plusieurs acteurs aux intérêts divergents
- L’usager, considéré comme individuel. Il peut revêtir plusieurs noms
: citoyen, administré, public usager, client... Toutefois, c’est bien sa
projection algorithmique, active et passive, qui permet d’envisager la
ville intelligente. Projection algorithmique toujours croissante : plus
de données, c’est plus de traitement statistique collectif, donc plus de
service public, donc plus de bien commun. Du moins en théorie.
- L’autorité publique. Il s’agit le plus souvent des édiles communaux,
malgré la complexification administrative (intercommunalité, pays,
agglomérations... ). Elle dispose du pouvoir de décision et
d’orientation. Elle est donc celle qui optera pour les orientations vers
la ville intelligente et qui arbitrera entre plusieurs options.
- Quelques données via les services en régie ; le plus souvent, use de
délégations de service public, avec des prestataires soit privés soit
publics, mais distincts d’elle (réseaux de transport, distribution de
flux). Ils auront accès à de multiples sources de données qui
serviront, en théorie, à abonder le centre de recueil.
2 – 1 Plusieurs acteurs aux intérêts divergents
- Administrations nationales implantées localement pourront avoir
des données qui serviraient à la ville intelligente (enseignement
supérieur ou universitaire, centre des impôts, police nationale...).
- On le voit, il y a ainsi plusieurs catégories d’acteurs publics, semi-
publics ou mixtes qui gravitent autour de l’autorité communale.
Toutefois, ils ne sont pas sous une autorité directe et totale. Leurs
données ne sont pas automatiquement transférables à l’autorité
communale.
- Enfin, acteurs privés. Le modèle économique de certains peut être
bâti principalement autour de la donnée, quand cette dernière peut
n’avoir qu’un rôle marginal chez d’autres. Or, les rapports entre
acteurs privés et autorités varient.
2 – 2 Des rapports public – privé autour de la donnée
- Ainsi, un gestionnaire de parking souterrain se préoccupe d’abord
de son taux de remplissage (équilibre économique). Cela peut
intéresser les autorités communales (fluidité de la circulation). Dans
ce cas particulier, l’intérêt des deux coïncide : signaler un parking
vide sur les panneaux d’affichage public renforcera son remplissage
et détournera le trafic des parkings qui sont déjà complets.
- Mais certains acteurs peuvent n’avoir aucun intérêt à échanger
leurs données et vouloir les vendre.
- Acteurs locaux (Uber peut chercher à vendre les données qu’il a
acquises), ou de données massives (vente des extractions de leurs
gigantesque base de données). Certains grands acteurs ont déjà des
applications dédiées : soient par le biais de la géolocalisation
(Facebook) soit par des utilitaires (Google Maps).
- La ville serait alors dépendante d’acteurs extérieurs qui lui
fourniraient une grande masse de données. Toutefois, cette situation
simple soulève plusieurs questions.
2 – 3 Le risque du monopole de la donnée
- Risque de « solutions » qui soient uniquement technologiques
pas sûr que ce soit dans l’intérêt du bien commun.
- Question de la « propriété » des données. Uber est-il vraiment
propriétaire des données qu’il compte vendre ? Un système d’observation
des flux avec, par exemple, reconnaissance automatique des plaques
d’immatriculation, ne serait-il pas une solution alternative, cette fois dans
les mains de la municipalité ?
- Il y a ainsi un risque de dépendance de la municipalité envers le
fournisseur de données. À ce risque s’ajoute celui du traitement de la
donnée, au travers des centres de fusion qui seront nécessaires aux villes
intelligentes.
- Leur gestion en revanche pose une difficulté : elle peut être assurée en
régie ou déléguée au prestataire. Se profile alors le risque que le même
acteur offre, sous couvert d’intégration et donc de cohérence, la conception
et la gestion du centre, mais aussi la fourniture des données qui seront
utilisées par le centre. Il bénéficierait alors d’un véritable monopole de la
donnée.
2 – 3 Le risque du monopole de la donnée
- La question des monopoles est toujours délicate. Distinction entre
maîtrise d’ouvrage et maîtrise d’œuvre, ou délégation de service public :
pas suffisant.
- Envisager des solutions alternatives. Par exemple, elles peuvent se doter
des applications qui intègrent tous les transports (y compris la marche
pied). Ainsi, un usager de la ville aurait accès : aux transports en commun,
vélibs et autres systèmes de partage. Helsinki a développé une application
de ce genre, Kutsuplus. L’avantage pour la ville est double : non seulement
elle offre un service public à ses usagers mais en plus elle acquiert des
données.
- Par conséquent, le contrôle des données de la ville intelligente constitue
un enjeu qui renouvelle les rapports compliqués entre les municipalités et
les services offerts par des entreprises privées. Ce qui est valable pour les
transports l’est également pour tous les autres domaines de responsabilité
des villes (distributeurs de flux comme énergie, eau, téléphonie, câbles. Là
encore, il s’agit de réfléchir à l’intégration de ces données.
III - Vers une nouvelle dévolution du pouvoir ?
III Vers une nouvelle dévolution du pouvoir ?
- Jusqu’à présent, nous nous sommes placés dans
un cadre classique, celui où « municipalités »,
usagers et prestataires nouent des relations
compliquées.
- Pourtant, la ville intelligente pourrait remettre en
cause ce cadre classique, notamment celui de la
dévolution politique.
3 - 1 Le cadre classique de dévolution du pouvoir
- Aujourd’hui, les autorités communales font face à deux types de
« clients ». Les électeurs (habitants de la ville titulaires d’une carte
électorale) et les usagers. Or, si tous les électeurs sont usagers de la
ville, la réciproque n’est pas vraie.
-Dès lors, les autorités sont partagées. Sanction par les élections
(échéances assez espacées). En revanche, peu de rapports directs
avec les usagers, surtout ceux qui ne sont pas citoyens. Au mieux,
d’enquêtes de satisfaction mais c’est approximatif.
Avantages : marge de manœuvre, non soumission aux aléas
d’une opinion changeante.
Inconvénients : le risque de passer à côté des besoins réels de
tous les usagers, électeurs ou non, et donc de ne pas remplir son
office.
Or, la ville intelligente pourrait modifier l’équation.
3 – 2 La ville intelligente peut-elle changer
les règles de la dévolution politique ?
- Imaginer de nouveaux modes de consultation grâce à des
systèmes de votes intégrés, sujet par sujet. Une application
partagée pour que tous les acteurs aient un « mot à dire ».
Chaque sujet pourrait faire l’objet d’une consultation.
- Toutefois, problèmes. Par exemple, un vote en janvier sur
l’aménagement de pistes cyclables, un autre en octobre sur un
axe automobile prioritaire, pourraient donner lieu à des votes
positifs. Le vote révélerait des préférences contradictoires.
- Car au fond, tout le pouvoir réside dans la capacité de poser
des questions assez englobantes pour appréhender toutes les
données d’un problème. Dans le cas cité, la question
deviendrait alors : Voulez vous une voie prioritaire, quitte à ne
pas avoir de piste cyclable sur cet axe ?
3 – 3 Des droit différenciés
- Toutefois, le système paraît en l’état assez basique. Est-il normal
qu’un citoyen (qui non seulement paye ses impôts mais est surtout
intimement associé à la ville où il vit) ait « seulement » autant de
droit qu’un usager ?
- La smart city remet en question les modes habituels de dévolution
du pouvoir : jusqu’à présent, le citadin était citoyen. Le lieu
d’habitation déterminait le droit de vote et donc le territoire de la
représentation.
- Or, il est possible d’envisager des systèmes de droits de votes
différenciés et surtout pondérés. Les « habitants » disposeraient de
voix plus importantes que les usagers voisins (ceux de
l’agglomération), qui eux-mêmes auraient plus d’influence que les
usagers de passage. Cela serait assez aisé à définir grâce justement à
des algorithmes adaptés.
3 – 3 Des droit différenciés
- Au fond, la seule difficulté résiderait dans la définition
des critères de pondération : un habitant vaut il trois fois
plus qu’un usager occasionnel ? Cinq fois plus ? Poser la
question est en soi un débat politique : mais il aurait le
mérite de forcer à reconsidérer les pratiques de la ville.
- Il reste que grâce à de tels systèmes techniques, on
passerait d’une démocratie représentative à une
démocratie plus directe.
III-1 Projection algorithmique d’un usager
III-1 Projection algorithmique d’un usager
Lorsqu’un individu H déclenche l’exécution (volontaire ou non)
d’un algorithme A sur un système S, une partie de l’information
associée à cette exécution est stockée quelque part dans les
archives de S, dans le Cloud ou ailleurs. C’est la trace numérique de
cette interaction. Cette information est notée PS(H/A), comme la
projection algorithmique de H sur S selon A. PS(H/A) est un
ensemble de mots binaires m qui ont un sens pour la machine qui
exécute A. Cette projection algorithmique peut se décomposer en
composantes ouverte et fermée :
PS(H/A) = POS(H/A) U PFS(H/A)
III-1 Projection algorithmique d’un usager
POS(H/A) est la composante ouverte de la projection, elle est
publique, consultable par tous les utilisateurs sur S. PFS(H/A) est la
composante fermée de la projection, elle est privée, consultable par
les administrateurs de S et d’autres…
Elle peut aussi se décomposer en composantes volontaire et
systémique :
PS(H/A) = PVOL-S(H/A) U PSYST-S(H/A)
PVOL-S(H/A) est la composante volontaire de la projection.
(je rédige un mail et je l’envoie, j’achète un objet en ligne).
PSYST-S(H/A) est la composante systémique de la projection.
(les métadonnées créées lors d’une interaction).
III-1 Projection algorithmique d’un usager
Lorsque l’on considère maintenant la réunion de toutes les
projections algorithmiques d’un individu H sur le système S, on
obtient sa S-projection notée PS(H) :
PS(H) = UA PS(H/A)
Puis, on généralise encore en considérant la réunion de toutes les
S-projections de H. On obtient la projection algorithmique globale de
H notée P(H) :
P(H) = US PS(H)
III-2 Niveau d’ubiquité d’une ville intelligente
III-2 Niveau d’ubiquité d’une ville intelligente
Considérons à présent un individu évoluant dans une ville
connectée durant l'intervalle de temps [0,T]. Au cours de cette
période, il va produire des projections algorithmiques volontaires et
systémiques (involontaires) dont on mesure le volume total
V Vol ( H , [0,T] ) et V Syst ( H , [0,T] ) . On s'intéresse ensuite au ratio
des volumes "volontaire / systémique" durant la période considérée :
R ( H , [0,T] ) = V Vol ( H , [0,T] ) / V Syst ( H , [0,T] ) puis à la valeur
moyenne µ ( R ( H , [0,T] ) ) de ce ratio prise sur tous les individus
fréquentant la ville durant la période [0,T]. On peut alors définir le
niveau d'ubiquité d'une ville connectée en fonction de cette valeur
moyenne.
III-2 Niveau d’ubiquité d’une ville intelligente
Définition du niveau d'ubiquité d'une ville :
Une ville est dite ubiquitaire de niveau N sur la période [0,T] si :
µ ( R ( H , [0,T] ) ) < 10 - N
Le niveau d'ubiquité d'une ville intelligente est l'entier N[0,T]
maximum vérifiant cette inégalité.
Plus N est grand et plus la partie systémique des projections est
prépondérante sur la partie volontaire. Cela signifie que durant la
période considérée, la densité des objets, systèmes de surveillance
vidéo et infrastructures connectées de la ville provoque cette
dissymétrie. Le niveau N est globalement croissant dans le temps au
sein d'une ville intelligente.
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
Ce second niveau d'ubiquité s'appuie cette fois sur une appréciation
rétrospective que l'usager porte sur sa propre projection
algorithmique purement systémique. Le niveau de consentement
algorithmique (ou ubiquité consentie) mesure en quelque sorte le
degré de liberté algorithmique ressenti par les usagers d'une ville
intelligente. On le définit à partir des projections algorithmiques
systémiques des usagers : P Syst - S ( H / A). On observe leur
production de projections purement systémique durant l'intervalle
de temps [0,T] puis à l'instant T, on leur demande de se prononcer
rétrospectivement sur l'admissibilité de chacune des projections
systémiques par la question : "Vous avez produit involontairement P
Syst - S ( H / A). Si vous aviez la possibilité de bloquer ou de supprimer
cette projection, le feriez-vous ?".
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
Les réponses de l'usager permettent alors de séparer l'ensemble des
projections systémiques créées durant la période [0,T] en deux sous-
ensemble : les projections systémiques rétrospectivement
consenties d'une part, et celles qui sont rétrospectivement jugées
non admissibles par l'usager, c'est-à-dire, celles qu'il aurait refusées
s'il en avait eu la possibilité. Ainsi, la projection systémique sur un
système S pendant la durée [0,T] s'écrit :
PSyst - S (H, [0,T] ) = UA, [0,T] PSyst - S (H/A)
On la généralise à tous les systèmes actifs pendant l'intervalle de
temps [0,T] pour obtenir :
PSyst (H, [0,T]) = US PSyst - S (H, [0,T])
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
Puis, on passe à la phase de jugement rétrospectif de l'usager, à
l'instant T, sur ses projections systémiques :
PSyst (H, [0,T]) = PSyst - consentie (H, [0,T]) U PSyst - refusée (H, [0,T])
Cette partition fait apparaitre la projection algorithmique systémique
consentie par l'usager d'une part PSyst - consentie (H, [0,T]) et d'autre
part, celle qu'il refuserait rétrospectivement de produire s'il en avait
la possibilité : PSyst - refusée (H, [0,T]). En considérant les volumes
respectifs de ces projections consenties et systémiques, on peut alors
définir le ratio de consentement algorithmique d'un usager de la ville
sur l'intervalle de temps [0,T] par :
R consentie ( H , [0,T] ) = V Syst - consentie ( H , [0,T] ) / V Syst ( H , [0,T] )
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
Enfin, on définit la valeur moyenne de ce ratio µ (R cons ( H , [0,T] ) )
prise sur tous les individus fréquentant la ville durant la période [0,T].
Définition du consentement algorithmique :
On appelle consentement algorithmique sur la période [0,T] ou
niveau d'ubiquité consentie d'une ville intelligente sur la période
[0,T], la valeur C[0,T] = µ (R consentie ( H , [0,T] ) ) .
Plus cette valeur moyenne C[0,T] est proche de 1 et plus il y a
consentement algorithmique des usagers de la ville intelligente. Plus
ce ratio s'approche de 0 et plus les usagers ont le sentiment d'une
perte de liberté et d'une captation illégitime par les infrastructures
connectées de leurs données personnelles. Le ratio fournit une
mesure sur la période [0,T] du degré de liberté ressentie par l'usager
au sein de la ville intelligente.
III-3 Niveau de consentement algorithmique
(ou ubiquité consentie) d’une ville intelligente
La valeur du consentement algorithmique dépend en particulier de la
période sur laquelle on la mesure et du lieu d'implantation de la ville
intelligente. Par exemple, la demande en systèmes de vidéo
surveillance automatisés semble plus forte chez les habitants de
Songdo (Corée du Sud) que dans une ville connectée européenne.
C'est avant tout une question de culture, de perception des risques et
d'acceptation d'une technologie parfois intrusive.
III-4 Prospérité d’une ville intelligente
III-4 Prospérité d’une ville intelligente
Prospérité et développement d’une ville intelligente :
Une ville intelligente ne peut prospérer, se développer, et augmenter
ses capacités algorithmiques que si, lorsque N[0,T] croît, alors C[0,T]
croît également.
Autrement dit, le développement et la prospérité d'une ville
connectée reposent sur les croissances conjuguées de son niveau
d'ubiquité N[0,T] et de son consentement algorithmique C[0,T] .
www.chaire-cyber.fr/
echoradar.eu/
Olivier Kempf - www.egeablog.net/
Olivier Kempf - www.lettrevigie.com/
Thierry Berthier - cyberland.centerblog.net/

Contenu connexe

Tendances

Tendances (20)

Atelier d'innovation @ Le Cube "Smart City & Open Data"
Atelier d'innovation @ Le Cube "Smart City & Open Data"Atelier d'innovation @ Le Cube "Smart City & Open Data"
Atelier d'innovation @ Le Cube "Smart City & Open Data"
 
Les contributions de la géomatique au développement de la ville intelligente
Les contributions de la géomatique au développement de la ville intelligenteLes contributions de la géomatique au développement de la ville intelligente
Les contributions de la géomatique au développement de la ville intelligente
 
[Big] [Open] Data [As a Service]
[Big] [Open] Data [As a Service][Big] [Open] Data [As a Service]
[Big] [Open] Data [As a Service]
 
Conference Smart city - ENPO, Oran 270915
Conference Smart city - ENPO, Oran 270915Conference Smart city - ENPO, Oran 270915
Conference Smart city - ENPO, Oran 270915
 
La médiation des projets urbains
La médiation des projets urbainsLa médiation des projets urbains
La médiation des projets urbains
 
Restitution Digiwork et les 7 leviers du numérique
Restitution Digiwork et les 7 leviers du numériqueRestitution Digiwork et les 7 leviers du numérique
Restitution Digiwork et les 7 leviers du numérique
 
Post-Smarticity
Post-SmarticityPost-Smarticity
Post-Smarticity
 
Smart city au Maroc
Smart city au MarocSmart city au Maroc
Smart city au Maroc
 
Smart[er] city, la ville en travaux
Smart[er] city, la ville en travauxSmart[er] city, la ville en travaux
Smart[er] city, la ville en travaux
 
Reprogrammer le système d exploitation de la ville 2.0
Reprogrammer le système d exploitation de la ville 2.0Reprogrammer le système d exploitation de la ville 2.0
Reprogrammer le système d exploitation de la ville 2.0
 
En route vers la Smart City
En route vers la Smart CityEn route vers la Smart City
En route vers la Smart City
 
La ville intelligente de demain sera-t-elle plus sûre ?
La ville intelligente de demain sera-t-elle plus sûre ?La ville intelligente de demain sera-t-elle plus sûre ?
La ville intelligente de demain sera-t-elle plus sûre ?
 
Rapport Smart City (mission Luc Belot)
Rapport Smart City (mission Luc Belot)Rapport Smart City (mission Luc Belot)
Rapport Smart City (mission Luc Belot)
 
SmartCity : La transformation digitale de la ville
SmartCity : La transformation digitale de la villeSmartCity : La transformation digitale de la ville
SmartCity : La transformation digitale de la ville
 
Digital polis berthier kempf
Digital polis   berthier kempfDigital polis   berthier kempf
Digital polis berthier kempf
 
30 minutes pour demain - La smart city : quarantaine ordinaire pour les futur...
30 minutes pour demain - La smart city : quarantaine ordinaire pour les futur...30 minutes pour demain - La smart city : quarantaine ordinaire pour les futur...
30 minutes pour demain - La smart city : quarantaine ordinaire pour les futur...
 
Analyse des entretiens d'experts - Exploration DataCités 1
Analyse des entretiens d'experts - Exploration DataCités 1Analyse des entretiens d'experts - Exploration DataCités 1
Analyse des entretiens d'experts - Exploration DataCités 1
 
Guide pour l'action - Exploration DataCités 1
Guide pour l'action - Exploration DataCités 1Guide pour l'action - Exploration DataCités 1
Guide pour l'action - Exploration DataCités 1
 
Les 10 Facteurs Critiques pour des données au service du bien commun - Explor...
Les 10 Facteurs Critiques pour des données au service du bien commun - Explor...Les 10 Facteurs Critiques pour des données au service du bien commun - Explor...
Les 10 Facteurs Critiques pour des données au service du bien commun - Explor...
 
Les villes intelligentes: perspectives marocaines
Les villes intelligentes: perspectives marocainesLes villes intelligentes: perspectives marocaines
Les villes intelligentes: perspectives marocaines
 

Similaire à Enjeux de pouvoir au cœur de la ville intelligente

Similaire à Enjeux de pouvoir au cœur de la ville intelligente (20)

Livre blanc-numérique-de-la-fnccr-v12
Livre blanc-numérique-de-la-fnccr-v12Livre blanc-numérique-de-la-fnccr-v12
Livre blanc-numérique-de-la-fnccr-v12
 
Réussir la révolution numérique
Réussir la révolution numériqueRéussir la révolution numérique
Réussir la révolution numérique
 
Livre blanc Verteego : intelligence artificielle et territoires
Livre blanc Verteego : intelligence artificielle et territoiresLivre blanc Verteego : intelligence artificielle et territoires
Livre blanc Verteego : intelligence artificielle et territoires
 
La data: marchandise du 21em siècle
La data: marchandise du 21em siècleLa data: marchandise du 21em siècle
La data: marchandise du 21em siècle
 
Vers des data services urbains d'interet général
Vers des data services urbains d'interet généralVers des data services urbains d'interet général
Vers des data services urbains d'interet général
 
Kit présentation rapport ambition numérique
Kit présentation rapport ambition numériqueKit présentation rapport ambition numérique
Kit présentation rapport ambition numérique
 
Open Data. (Re)Définir les services publics digitaux
Open Data. (Re)Définir les services publics digitauxOpen Data. (Re)Définir les services publics digitaux
Open Data. (Re)Définir les services publics digitaux
 
Services publics et désintermédiation
Services publics et désintermédiationServices publics et désintermédiation
Services publics et désintermédiation
 
Territoires 2.0
Territoires 2.0Territoires 2.0
Territoires 2.0
 
Ouvrir les données, oui, mais pourquoi ? Récit de l'origine de la politique d...
Ouvrir les données, oui, mais pourquoi ? Récit de l'origine de la politique d...Ouvrir les données, oui, mais pourquoi ? Récit de l'origine de la politique d...
Ouvrir les données, oui, mais pourquoi ? Récit de l'origine de la politique d...
 
Smartcities 2015 - Compte rendu de la conférence « Une ville pour les citoyen...
Smartcities 2015 - Compte rendu de la conférence « Une ville pour les citoyen...Smartcities 2015 - Compte rendu de la conférence « Une ville pour les citoyen...
Smartcities 2015 - Compte rendu de la conférence « Une ville pour les citoyen...
 
Pluralisme des politiques de données urbaines, par Dominique Boullier
Pluralisme des politiques de données urbaines, par Dominique BoullierPluralisme des politiques de données urbaines, par Dominique Boullier
Pluralisme des politiques de données urbaines, par Dominique Boullier
 
Analyse du Benchmark international - Exploration DataCités 1
Analyse du Benchmark international - Exploration DataCités 1Analyse du Benchmark international - Exploration DataCités 1
Analyse du Benchmark international - Exploration DataCités 1
 
Les défis des services publics
Les défis des services publicsLes défis des services publics
Les défis des services publics
 
Plaquette projet mobilise
Plaquette projet mobilise Plaquette projet mobilise
Plaquette projet mobilise
 
Carrefour Data Innovation
Carrefour Data InnovationCarrefour Data Innovation
Carrefour Data Innovation
 
De la "Mobility as a Service" à la "Mobility as Networks" - Movin'On 2017
De la "Mobility as a Service" à la "Mobility as Networks" - Movin'On 2017De la "Mobility as a Service" à la "Mobility as Networks" - Movin'On 2017
De la "Mobility as a Service" à la "Mobility as Networks" - Movin'On 2017
 
Hcfips oc
Hcfips ocHcfips oc
Hcfips oc
 
Mmn - atelier 2 transports intelligents - groupes de discussions - 8 décembre...
Mmn - atelier 2 transports intelligents - groupes de discussions - 8 décembre...Mmn - atelier 2 transports intelligents - groupes de discussions - 8 décembre...
Mmn - atelier 2 transports intelligents - groupes de discussions - 8 décembre...
 
Demain, l'Internet des objets
Demain, l'Internet des objets Demain, l'Internet des objets
Demain, l'Internet des objets
 

Plus de OPcyberland

Plus de OPcyberland (20)

Conference robots kedge 26 mars 2021
Conference robots kedge   26 mars 2021Conference robots kedge   26 mars 2021
Conference robots kedge 26 mars 2021
 
Panorama Cybersécurité 2020
Panorama Cybersécurité 2020Panorama Cybersécurité 2020
Panorama Cybersécurité 2020
 
Synthese ianp2019
Synthese ianp2019Synthese ianp2019
Synthese ianp2019
 
Ianp 2019
Ianp 2019Ianp 2019
Ianp 2019
 
Ia et cybersecurite - conférence 3IL
Ia et cybersecurite - conférence 3ILIa et cybersecurite - conférence 3IL
Ia et cybersecurite - conférence 3IL
 
ID FORUM - FIC2020
ID FORUM - FIC2020ID FORUM - FIC2020
ID FORUM - FIC2020
 
Cybermed ia2020
Cybermed ia2020Cybermed ia2020
Cybermed ia2020
 
Dut informatique limoges
Dut informatique limogesDut informatique limoges
Dut informatique limoges
 
Nouveaux risques cyber - 4 décembre 2019
Nouveaux risques cyber - 4 décembre 2019Nouveaux risques cyber - 4 décembre 2019
Nouveaux risques cyber - 4 décembre 2019
 
Guide survie dans la jungle numérique pour élèves de 3eme
Guide survie dans la jungle numérique pour élèves de 3emeGuide survie dans la jungle numérique pour élèves de 3eme
Guide survie dans la jungle numérique pour élèves de 3eme
 
Congres cybermed nice 2019
Congres cybermed nice 2019Congres cybermed nice 2019
Congres cybermed nice 2019
 
Conférence NAIA Bordeaux
Conférence NAIA Bordeaux Conférence NAIA Bordeaux
Conférence NAIA Bordeaux
 
Ihedn menace cyber
Ihedn menace cyberIhedn menace cyber
Ihedn menace cyber
 
Colloque IA DEFENSE - CREC SAINT-CYR - 30 janvier 2019
Colloque IA DEFENSE - CREC SAINT-CYR - 30 janvier 2019Colloque IA DEFENSE - CREC SAINT-CYR - 30 janvier 2019
Colloque IA DEFENSE - CREC SAINT-CYR - 30 janvier 2019
 
MasterClass Intelligence Artificielle et Sécurité FIC 2019
MasterClass Intelligence Artificielle et Sécurité FIC 2019MasterClass Intelligence Artificielle et Sécurité FIC 2019
MasterClass Intelligence Artificielle et Sécurité FIC 2019
 
ifda financial attacks - Conférence ECW 2018 Rennes
   ifda financial attacks - Conférence ECW 2018 Rennes   ifda financial attacks - Conférence ECW 2018 Rennes
ifda financial attacks - Conférence ECW 2018 Rennes
 
Aristote IA et sécurité numérique - 15 novembre 2018 - Ecole Polytechnique
Aristote   IA et sécurité numérique - 15 novembre 2018 - Ecole PolytechniqueAristote   IA et sécurité numérique - 15 novembre 2018 - Ecole Polytechnique
Aristote IA et sécurité numérique - 15 novembre 2018 - Ecole Polytechnique
 
Keynote thierry berthier cybersecurite NOVAQ 2018
Keynote thierry berthier cybersecurite NOVAQ 2018Keynote thierry berthier cybersecurite NOVAQ 2018
Keynote thierry berthier cybersecurite NOVAQ 2018
 
Cyberstrategia
CyberstrategiaCyberstrategia
Cyberstrategia
 
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
 

Enjeux de pouvoir au cœur de la ville intelligente

  • 1. Enjeux de pouvoir au cœur de la ville intelligente Olivier Kempf & Thierry Berthier Colloque « Cybersécurité dans les villes intelligentes » 15 octobre 2015 – Musée de l’Armée – Hôtel National des Invalides
  • 2. I - Les données donnent-elles le pouvoir ?
  • 3. I - Les données donnent-elles le pouvoir ? - Les débats autour de la ville intelligente omettent fréquemment d’interroger l’origine des données. - Les analystes considèrent plus leur traitement et la façon dont elles peuvent améliorer le fonctionnement de la ville, par conséquent le bien-être collectif. - Or, l’origine des données est tout sauf une chose anodine, tout comme leur récupération et leur mode de « gestion ».
  • 4. 1-1 Les deux dimensions de la projection algorithmique - Chaque individu est désormais identifié par sa projection algorithmique (PA), constituée de deux sources, l’une active, l’autre passive (cf – partie III ). - La première tient à la pratique du cyberespace par l’individu : surf sur Internet, réservations à distance, la validation magnétique de son abonnement de transport. Autant d’actions cyber venues d’une démarche active de l’individu. - La seconde tient à son passage dans un univers cybernétisé. Ainsi, transports en commun, marche dans la rue (caméras de surveillance), mise sur veille de son téléphone... Les données cyber proviennent de l’observation de l’individu, à son insu.
  • 5. 1 – 2 Récupération et analyse des données - Toutefois, tous ces procédés sont pour l’instant décentralisés. Quelques uns aux mains des autorités municipales (systèmes de caméras de surveillance), la plupart aux mains d’acteurs privés. Les uns sont locaux (systèmes de transport), d’autres ont des dimensions plus larges (fournisseurs de téléphonie ou d’internet). Enfin, de nouveaux acteurs apparaissent sur le modèle de l’uberisation. - Ainsi, les données sont-elles réparties en de multiples mains qui obéissent à des intérêts différents et donc des logiques diverses. - Souvent, les analystes s’interrogent sur l’interconnexion de ces données. Pourtant, un des enjeux réside dans le contrôle de cette concentration. Au fond, à supposer résolue l’interconnexion, comment réguler les données ? Surtout, comment partager leur gestion ? De façon sous-jacente, qui est propriétaire des données ? Celui qui les émet, volontairement ou non, ou celui qui les récupère et les traite ?
  • 6. II Comment réguler les données ?
  • 7. II Comment réguler les données ? Il y a en fait plusieurs catégories d’acteurs qui interagissent. Les décrire permettra de mieux comprendre les relations qu’ils peuvent nouer.
  • 8. 2 – 1 Plusieurs acteurs aux intérêts divergents - L’usager, considéré comme individuel. Il peut revêtir plusieurs noms : citoyen, administré, public usager, client... Toutefois, c’est bien sa projection algorithmique, active et passive, qui permet d’envisager la ville intelligente. Projection algorithmique toujours croissante : plus de données, c’est plus de traitement statistique collectif, donc plus de service public, donc plus de bien commun. Du moins en théorie. - L’autorité publique. Il s’agit le plus souvent des édiles communaux, malgré la complexification administrative (intercommunalité, pays, agglomérations... ). Elle dispose du pouvoir de décision et d’orientation. Elle est donc celle qui optera pour les orientations vers la ville intelligente et qui arbitrera entre plusieurs options. - Quelques données via les services en régie ; le plus souvent, use de délégations de service public, avec des prestataires soit privés soit publics, mais distincts d’elle (réseaux de transport, distribution de flux). Ils auront accès à de multiples sources de données qui serviront, en théorie, à abonder le centre de recueil.
  • 9. 2 – 1 Plusieurs acteurs aux intérêts divergents - Administrations nationales implantées localement pourront avoir des données qui serviraient à la ville intelligente (enseignement supérieur ou universitaire, centre des impôts, police nationale...). - On le voit, il y a ainsi plusieurs catégories d’acteurs publics, semi- publics ou mixtes qui gravitent autour de l’autorité communale. Toutefois, ils ne sont pas sous une autorité directe et totale. Leurs données ne sont pas automatiquement transférables à l’autorité communale. - Enfin, acteurs privés. Le modèle économique de certains peut être bâti principalement autour de la donnée, quand cette dernière peut n’avoir qu’un rôle marginal chez d’autres. Or, les rapports entre acteurs privés et autorités varient.
  • 10. 2 – 2 Des rapports public – privé autour de la donnée - Ainsi, un gestionnaire de parking souterrain se préoccupe d’abord de son taux de remplissage (équilibre économique). Cela peut intéresser les autorités communales (fluidité de la circulation). Dans ce cas particulier, l’intérêt des deux coïncide : signaler un parking vide sur les panneaux d’affichage public renforcera son remplissage et détournera le trafic des parkings qui sont déjà complets. - Mais certains acteurs peuvent n’avoir aucun intérêt à échanger leurs données et vouloir les vendre. - Acteurs locaux (Uber peut chercher à vendre les données qu’il a acquises), ou de données massives (vente des extractions de leurs gigantesque base de données). Certains grands acteurs ont déjà des applications dédiées : soient par le biais de la géolocalisation (Facebook) soit par des utilitaires (Google Maps). - La ville serait alors dépendante d’acteurs extérieurs qui lui fourniraient une grande masse de données. Toutefois, cette situation simple soulève plusieurs questions.
  • 11. 2 – 3 Le risque du monopole de la donnée - Risque de « solutions » qui soient uniquement technologiques pas sûr que ce soit dans l’intérêt du bien commun. - Question de la « propriété » des données. Uber est-il vraiment propriétaire des données qu’il compte vendre ? Un système d’observation des flux avec, par exemple, reconnaissance automatique des plaques d’immatriculation, ne serait-il pas une solution alternative, cette fois dans les mains de la municipalité ? - Il y a ainsi un risque de dépendance de la municipalité envers le fournisseur de données. À ce risque s’ajoute celui du traitement de la donnée, au travers des centres de fusion qui seront nécessaires aux villes intelligentes. - Leur gestion en revanche pose une difficulté : elle peut être assurée en régie ou déléguée au prestataire. Se profile alors le risque que le même acteur offre, sous couvert d’intégration et donc de cohérence, la conception et la gestion du centre, mais aussi la fourniture des données qui seront utilisées par le centre. Il bénéficierait alors d’un véritable monopole de la donnée.
  • 12. 2 – 3 Le risque du monopole de la donnée - La question des monopoles est toujours délicate. Distinction entre maîtrise d’ouvrage et maîtrise d’œuvre, ou délégation de service public : pas suffisant. - Envisager des solutions alternatives. Par exemple, elles peuvent se doter des applications qui intègrent tous les transports (y compris la marche pied). Ainsi, un usager de la ville aurait accès : aux transports en commun, vélibs et autres systèmes de partage. Helsinki a développé une application de ce genre, Kutsuplus. L’avantage pour la ville est double : non seulement elle offre un service public à ses usagers mais en plus elle acquiert des données. - Par conséquent, le contrôle des données de la ville intelligente constitue un enjeu qui renouvelle les rapports compliqués entre les municipalités et les services offerts par des entreprises privées. Ce qui est valable pour les transports l’est également pour tous les autres domaines de responsabilité des villes (distributeurs de flux comme énergie, eau, téléphonie, câbles. Là encore, il s’agit de réfléchir à l’intégration de ces données.
  • 13. III - Vers une nouvelle dévolution du pouvoir ?
  • 14. III Vers une nouvelle dévolution du pouvoir ? - Jusqu’à présent, nous nous sommes placés dans un cadre classique, celui où « municipalités », usagers et prestataires nouent des relations compliquées. - Pourtant, la ville intelligente pourrait remettre en cause ce cadre classique, notamment celui de la dévolution politique.
  • 15. 3 - 1 Le cadre classique de dévolution du pouvoir - Aujourd’hui, les autorités communales font face à deux types de « clients ». Les électeurs (habitants de la ville titulaires d’une carte électorale) et les usagers. Or, si tous les électeurs sont usagers de la ville, la réciproque n’est pas vraie. -Dès lors, les autorités sont partagées. Sanction par les élections (échéances assez espacées). En revanche, peu de rapports directs avec les usagers, surtout ceux qui ne sont pas citoyens. Au mieux, d’enquêtes de satisfaction mais c’est approximatif. Avantages : marge de manœuvre, non soumission aux aléas d’une opinion changeante. Inconvénients : le risque de passer à côté des besoins réels de tous les usagers, électeurs ou non, et donc de ne pas remplir son office. Or, la ville intelligente pourrait modifier l’équation.
  • 16. 3 – 2 La ville intelligente peut-elle changer les règles de la dévolution politique ? - Imaginer de nouveaux modes de consultation grâce à des systèmes de votes intégrés, sujet par sujet. Une application partagée pour que tous les acteurs aient un « mot à dire ». Chaque sujet pourrait faire l’objet d’une consultation. - Toutefois, problèmes. Par exemple, un vote en janvier sur l’aménagement de pistes cyclables, un autre en octobre sur un axe automobile prioritaire, pourraient donner lieu à des votes positifs. Le vote révélerait des préférences contradictoires. - Car au fond, tout le pouvoir réside dans la capacité de poser des questions assez englobantes pour appréhender toutes les données d’un problème. Dans le cas cité, la question deviendrait alors : Voulez vous une voie prioritaire, quitte à ne pas avoir de piste cyclable sur cet axe ?
  • 17. 3 – 3 Des droit différenciés - Toutefois, le système paraît en l’état assez basique. Est-il normal qu’un citoyen (qui non seulement paye ses impôts mais est surtout intimement associé à la ville où il vit) ait « seulement » autant de droit qu’un usager ? - La smart city remet en question les modes habituels de dévolution du pouvoir : jusqu’à présent, le citadin était citoyen. Le lieu d’habitation déterminait le droit de vote et donc le territoire de la représentation. - Or, il est possible d’envisager des systèmes de droits de votes différenciés et surtout pondérés. Les « habitants » disposeraient de voix plus importantes que les usagers voisins (ceux de l’agglomération), qui eux-mêmes auraient plus d’influence que les usagers de passage. Cela serait assez aisé à définir grâce justement à des algorithmes adaptés.
  • 18. 3 – 3 Des droit différenciés - Au fond, la seule difficulté résiderait dans la définition des critères de pondération : un habitant vaut il trois fois plus qu’un usager occasionnel ? Cinq fois plus ? Poser la question est en soi un débat politique : mais il aurait le mérite de forcer à reconsidérer les pratiques de la ville. - Il reste que grâce à de tels systèmes techniques, on passerait d’une démocratie représentative à une démocratie plus directe.
  • 20. III-1 Projection algorithmique d’un usager Lorsqu’un individu H déclenche l’exécution (volontaire ou non) d’un algorithme A sur un système S, une partie de l’information associée à cette exécution est stockée quelque part dans les archives de S, dans le Cloud ou ailleurs. C’est la trace numérique de cette interaction. Cette information est notée PS(H/A), comme la projection algorithmique de H sur S selon A. PS(H/A) est un ensemble de mots binaires m qui ont un sens pour la machine qui exécute A. Cette projection algorithmique peut se décomposer en composantes ouverte et fermée : PS(H/A) = POS(H/A) U PFS(H/A)
  • 21. III-1 Projection algorithmique d’un usager POS(H/A) est la composante ouverte de la projection, elle est publique, consultable par tous les utilisateurs sur S. PFS(H/A) est la composante fermée de la projection, elle est privée, consultable par les administrateurs de S et d’autres… Elle peut aussi se décomposer en composantes volontaire et systémique : PS(H/A) = PVOL-S(H/A) U PSYST-S(H/A) PVOL-S(H/A) est la composante volontaire de la projection. (je rédige un mail et je l’envoie, j’achète un objet en ligne). PSYST-S(H/A) est la composante systémique de la projection. (les métadonnées créées lors d’une interaction).
  • 22. III-1 Projection algorithmique d’un usager Lorsque l’on considère maintenant la réunion de toutes les projections algorithmiques d’un individu H sur le système S, on obtient sa S-projection notée PS(H) : PS(H) = UA PS(H/A) Puis, on généralise encore en considérant la réunion de toutes les S-projections de H. On obtient la projection algorithmique globale de H notée P(H) : P(H) = US PS(H)
  • 23. III-2 Niveau d’ubiquité d’une ville intelligente
  • 24. III-2 Niveau d’ubiquité d’une ville intelligente Considérons à présent un individu évoluant dans une ville connectée durant l'intervalle de temps [0,T]. Au cours de cette période, il va produire des projections algorithmiques volontaires et systémiques (involontaires) dont on mesure le volume total V Vol ( H , [0,T] ) et V Syst ( H , [0,T] ) . On s'intéresse ensuite au ratio des volumes "volontaire / systémique" durant la période considérée : R ( H , [0,T] ) = V Vol ( H , [0,T] ) / V Syst ( H , [0,T] ) puis à la valeur moyenne µ ( R ( H , [0,T] ) ) de ce ratio prise sur tous les individus fréquentant la ville durant la période [0,T]. On peut alors définir le niveau d'ubiquité d'une ville connectée en fonction de cette valeur moyenne.
  • 25. III-2 Niveau d’ubiquité d’une ville intelligente Définition du niveau d'ubiquité d'une ville : Une ville est dite ubiquitaire de niveau N sur la période [0,T] si : µ ( R ( H , [0,T] ) ) < 10 - N Le niveau d'ubiquité d'une ville intelligente est l'entier N[0,T] maximum vérifiant cette inégalité. Plus N est grand et plus la partie systémique des projections est prépondérante sur la partie volontaire. Cela signifie que durant la période considérée, la densité des objets, systèmes de surveillance vidéo et infrastructures connectées de la ville provoque cette dissymétrie. Le niveau N est globalement croissant dans le temps au sein d'une ville intelligente.
  • 26. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente
  • 27. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente Ce second niveau d'ubiquité s'appuie cette fois sur une appréciation rétrospective que l'usager porte sur sa propre projection algorithmique purement systémique. Le niveau de consentement algorithmique (ou ubiquité consentie) mesure en quelque sorte le degré de liberté algorithmique ressenti par les usagers d'une ville intelligente. On le définit à partir des projections algorithmiques systémiques des usagers : P Syst - S ( H / A). On observe leur production de projections purement systémique durant l'intervalle de temps [0,T] puis à l'instant T, on leur demande de se prononcer rétrospectivement sur l'admissibilité de chacune des projections systémiques par la question : "Vous avez produit involontairement P Syst - S ( H / A). Si vous aviez la possibilité de bloquer ou de supprimer cette projection, le feriez-vous ?".
  • 28. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente Les réponses de l'usager permettent alors de séparer l'ensemble des projections systémiques créées durant la période [0,T] en deux sous- ensemble : les projections systémiques rétrospectivement consenties d'une part, et celles qui sont rétrospectivement jugées non admissibles par l'usager, c'est-à-dire, celles qu'il aurait refusées s'il en avait eu la possibilité. Ainsi, la projection systémique sur un système S pendant la durée [0,T] s'écrit : PSyst - S (H, [0,T] ) = UA, [0,T] PSyst - S (H/A) On la généralise à tous les systèmes actifs pendant l'intervalle de temps [0,T] pour obtenir : PSyst (H, [0,T]) = US PSyst - S (H, [0,T])
  • 29. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente Puis, on passe à la phase de jugement rétrospectif de l'usager, à l'instant T, sur ses projections systémiques : PSyst (H, [0,T]) = PSyst - consentie (H, [0,T]) U PSyst - refusée (H, [0,T]) Cette partition fait apparaitre la projection algorithmique systémique consentie par l'usager d'une part PSyst - consentie (H, [0,T]) et d'autre part, celle qu'il refuserait rétrospectivement de produire s'il en avait la possibilité : PSyst - refusée (H, [0,T]). En considérant les volumes respectifs de ces projections consenties et systémiques, on peut alors définir le ratio de consentement algorithmique d'un usager de la ville sur l'intervalle de temps [0,T] par : R consentie ( H , [0,T] ) = V Syst - consentie ( H , [0,T] ) / V Syst ( H , [0,T] )
  • 30. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente Enfin, on définit la valeur moyenne de ce ratio µ (R cons ( H , [0,T] ) ) prise sur tous les individus fréquentant la ville durant la période [0,T]. Définition du consentement algorithmique : On appelle consentement algorithmique sur la période [0,T] ou niveau d'ubiquité consentie d'une ville intelligente sur la période [0,T], la valeur C[0,T] = µ (R consentie ( H , [0,T] ) ) . Plus cette valeur moyenne C[0,T] est proche de 1 et plus il y a consentement algorithmique des usagers de la ville intelligente. Plus ce ratio s'approche de 0 et plus les usagers ont le sentiment d'une perte de liberté et d'une captation illégitime par les infrastructures connectées de leurs données personnelles. Le ratio fournit une mesure sur la période [0,T] du degré de liberté ressentie par l'usager au sein de la ville intelligente.
  • 31. III-3 Niveau de consentement algorithmique (ou ubiquité consentie) d’une ville intelligente La valeur du consentement algorithmique dépend en particulier de la période sur laquelle on la mesure et du lieu d'implantation de la ville intelligente. Par exemple, la demande en systèmes de vidéo surveillance automatisés semble plus forte chez les habitants de Songdo (Corée du Sud) que dans une ville connectée européenne. C'est avant tout une question de culture, de perception des risques et d'acceptation d'une technologie parfois intrusive.
  • 32. III-4 Prospérité d’une ville intelligente
  • 33. III-4 Prospérité d’une ville intelligente Prospérité et développement d’une ville intelligente : Une ville intelligente ne peut prospérer, se développer, et augmenter ses capacités algorithmiques que si, lorsque N[0,T] croît, alors C[0,T] croît également. Autrement dit, le développement et la prospérité d'une ville connectée reposent sur les croissances conjuguées de son niveau d'ubiquité N[0,T] et de son consentement algorithmique C[0,T] .
  • 34. www.chaire-cyber.fr/ echoradar.eu/ Olivier Kempf - www.egeablog.net/ Olivier Kempf - www.lettrevigie.com/ Thierry Berthier - cyberland.centerblog.net/