Le document traite de l'importance des open data dans un environnement numérique, soulignant leur libération pour une meilleure accessibilité et valorisation des données. Il aborde la diversité des acteurs et des données, ainsi que les opportunités qu'offre l'open data pour innover et améliorer les services. Enfin, il met en lumière les enjeux économiques liés à l'open data, y compris les risques de ne pas adopter cette approche.

1. Open
data,
de
l’informa1on
à
la
donnée
Digitallyours
«
Europeana
/
Open
Data
»
Jean-­‐Marc
Lazard
–
Paris
–
9
mars
2012
www.opendataso+.com
/
@jmlazard
/
contact@opendataso+.com

2. Open
Data
QUELLES
OPEN
DATA
?

3. La
libéra1on
annoncée
des
données
• Internet,
big
data
et
cloud
compu1ng
§ Environnement
na=vement
numérique
§ Disponibilité
des
capacités
de
traitements
⇒
condi=ons
techniques
(accès/stockage/tri/consolida:on)
• Open
data
et
web
3.0
§ AEentes
accrues
de
services
personnalisés
§ Les
pra=ques
«
sociales
»
du
web
⇒
condi=ons
sociétales
(citoyen,
consommateur,
collaborateur)

4. L’open
data:
simplifier
pour
valoriser
• Jeux
de
données
accessibles
§ Publicité
(source,
licence)
§ Diversité
(points
de
collecte,
flux
de
données,
crowdsourcing)
• Données
interopérables
§ Format
des
données
(conformes
aux
aDentes
de
développeurs)
§ Qualité
des
données
(normalisa:on,
enrichissements,
liens)
• Usages
dynamiques
§ Interac=vité
(naviga:on,
search,
API)
§ Réversibilité
(améliora:on
des
données,
créa:on
par:cipa:ve)

5. L’immense
champ
de
l’open
data
• Diversité
des
acteurs
§ Administra=ons,
collec=vités,
…
§ Entreprises,
associa=ons
§ Individus
• Diversité
des
rôles
§ Donneur
d’ordre
§ Collecteur,
ges=onnaire
§ Producteur
• Diversité
des
données
§ Données
«
référen=elles
»
(ex.
sta:s:ques,
infos
pra:ques)
§ Données
«
servicielles
»
(ex.
info
transport
temps
réel)
§ Données
«
événemen=elles
»
(ex.
log,
transac:ons)

6. OpenDataSoT
DE
LA
DONNÉE
AUX
SERVICES

7. Le
marché
d’OpenDataSoZ
• Clients
§ Producteurs
et
ges=onnaires
de
données
(collec:vités,
entreprises,
associa:ons
…)
§ Créateurs
de
services
à
valeur
ajoutée
(u:li:es,
médias,
forma:on,
tourisme
…)
• Proposi1on
de
valeur
§ Développement
rapide
de
nouveaux
services
(gouvernance
de
l’informa:on
focalisée
sur
la
valorisa:on
des
données)
§ Orchestra=on
des
flux
de
données
sur
le
cloud
(Système
d’Informa:on
étendu
et
décloisonnement
des
silos
applica:fs)

8. Acquisi1on
des
données
• Simplicité
§ Branchement
sans
limite
aux
points
de
collecte
(formulaires,
crowdsourcing,
objets
connectés)
§ connecteurs
applica=fs
et
«
temps
réel
»
(APIs,
web
services,
bus
applica:fs
en
mode
«
push
»)
• Automa1sa1on
§ traitement
automa=que
des
fichiers
de
données
(csv,
shapefiles
–
ESRI
exports,
XML,
KML,
OSM...)
§ sauvegarde
des
profils
de
collecte
et
versioning
(simplifica:on
des
mises
à
jours,
rapports
d’alerte)

9. Prépara1on
des
données
• Ne[oyage
et
normalisa1on
§ Transforma=on
(nommages,
typage,
fusions
…)
§ Normalisa=on
(référen:els
géographiques,
sta:s:ques,
mé:ers
…)
• Enrichissement
§ ajout
de
descrip=on
et
méta-­‐données
(traduc:ons
...)
§ ajout
de
nouvelles
données
(liens
inter-­‐datasets,
consolida:ons,
géocodage
...)

10. Valorisa1on
des
données
• Trouver
les
données
§ naviga=on
interac=ve
(faceDes,
graphiques,
cartes,
tableaux)
§ fonc=on
de
recherche
de
données
performante
(directement
dans
les
données,
contextualisée,
avec
fonc:ons
avancées)
• Réu1liser
les
données
§ fichiers
composés
dynamiquement
(formats
originaux,
csv,
xml,
kml
…)
§ publica=on
d’accès
dynamiques
sous
différents
standards
possibles
(Opensearch,
OAI,
Rest-­‐Json
…)

11. Smart
Services
Engine
Services
d’aide
à
la
décision
Services
d’informa1on
(BI,
mesure
des
aDentes,
benchmark
…)
(API/extranets:
aide
sociale,
urbanisme,
patrimoine,
forma:on
…)
Services
aux
citoyens
(smart
ci:es,
plate-­‐forme
de
mobilité,
portails
emploi
…)
Services
par1cipa1fs
Hub
de
services
(crowdsoourcing,
innova:on
par:cipa:ve
…)
API
Factory
Data
loading
(NoSQL,
index
…)
Hub
de
prépara1on
Normalisa1on
et
Enrichissement
(geocoding
…)
Filtrage,
consolida1on
(hadoop,
mapreduce
…)
Open
Data
Hub
d’acquisi1on
Internet
des
objets
Organisa1ons
(CMS,
progiciels,
Crowdsourcing
SIG,
fichiers)
(citoyen,
consommateur,
Open
content
Collaborateur,
associaBons
…)
(Linked
Open
Data,
OSM
…)

12. Open
Data
ENJEUX
POUR
L’ECONOMIE
(L’INDUSTRIE)
DE
LA
CONNAISSANCE

13. Ouverture
et
chaîne
de
valeur
• Nouveaux
modèles
d’offre
§ Produc=on
rapide
d’appli,
valida=on
par
le
marché
§ Expérimenta=ons
à
ciel
ouvert
et
nouveaux
usages
§ Développement
d’un
nouvel
écosystème
(APIs)
• Du
modèle
de
la
diffusion
à
l’assemblage
§ A p p e l
d ’ a i r
d e
d o n n é e s / c o n t e n u s
p a r
l’environnement
numérique
(nouveaux
terminaux,
objets
connectés,
custom
publishing
…)
§ L’enjeu
de
l’aErac=vié
§ L’enjeu
des
métadonnées
(techno-­‐process-­‐partage)

14. Les
opportunités
de
l’ouverture
• Des
données
pour
innover
§ Services
personnalisés,
informa=on
à
la
demande
(produits
à
la
demande,
réalité
augmentée,
…)
§ Moderniser
les
ou=ls
internes
(«
desiloter
»)
§ Les
rôles
de
individus
(e.g.
mydata)
• Des
données
pour
mesurer
§ Mesurer
l’efficacité
des
disposi=fs,
benchmarker
§ Pluralité
des
interpréta=ons
(design
de
l’info°)
§ An=ciper,
simuler
(e.g.
«
reac=ve
documents
»)

15. Et
maintenant
?
• Quelle
économie
de
l’open
data
?
§ Data-­‐mining
(techno)
§ Data-­‐brokering
(marché
de
la
donnée)
§ Plates-­‐formes
«
smart
data
»
(BI,
big
data
…)
§ Services
enrichis
(tourisme,
éduca=on,
…)
§ …
• Si
vous
ne
faites
pas
d’open
data
?
§ la
gouvernance
de
vos
contenus
vous
échappera
§ les
u=lisateurs
en
feront
à
votre
place