Des chiffres publics ne font pas une preuve
La donnée ouverte française est abondante et gratuite, et c’est ce qui la rend trompeuse. Ce que le journalisme de données apprend à un ingénieur, et l’étape que presque personne ne fait.
Le journalisme de données et l’ingénierie de la donnée manipulent les mêmes fichiers, mais leurs résultats ne sont pas jugés par les mêmes personnes. En entreprise, un tableau est validé par celui qui l’a demandé. Dans un journal, il est contesté par le lecteur qui n’est pas d’accord. Ce second contrôle est plus exigeant, et c’est pourquoi un ingénieur a intérêt à s’en inspirer.
En France, l’essentiel est ouvert et documenté : le portail interministériel, le cadastre, la base d’adresses, le géoportail, ainsi que des jeux publiés directement par des opérateurs comme la SNCF ou le gestionnaire du réseau de distribution électrique. La difficulté tient au rapprochement des fichiers plus qu’à leur accès. Deux fichiers publics n’ont presque jamais la même maille ni la même date d’arrêté, et c’est à cette étape que naissent des erreurs qu’on ne détecte plus ensuite.
- data.gouv.fr
- cadastre.data.gouv.fr
- adresse.data.gouv.fr
- geoportail.gouv.fr
- data.sncf.com
- Banque de France · Webstat
Quand le chiffre n’est pas publié, il faut le lire là où il est affiché. C’est un pis-aller : une extraction depuis une page dépend de sa mise en page du moment et cesse de fonctionner au premier changement. Elle se justifie pour une enquête ponctuelle, jamais pour un système durable. Confondre les deux conduit à livrer une chaîne de traitement qui tombera en panne sans prévenir.
L’outillage que j’ai gardé de cette période est celui qui reste petit : un jeu de données publié sous forme de base interrogeable sans serveur, ou un notebook exécuté dans le navigateur. Dans les deux cas, l’article et la donnée sont publiés ensemble, et le lecteur peut refaire le calcul. Une chaîne de traitement d’entreprise ne le permet presque jamais, et elle gagnerait à le permettre.
Dans un article de recherche, une figure illustre un résultat établi ailleurs. Dans un article de presse, la figure est le résultat. Le choix de l’échelle, de l’origine des axes et de la palette devient alors un choix éditorial, et une palette continue appliquée à des catégories induit le lecteur en erreur sans qu’il s’en aperçoive. Les outils qui produisent ces figures sont bons, mais la responsabilité de ces choix reste à l’auteur.
Mes notes de 2020 étaient pour moitié un annuaire de liens, et je ne les republie pas en l’état, un annuaire étant ce qui vieillit le plus vite. L’ordre des opérations, lui, reste valable : trouver, rapprocher, vérifier, publier. L’étape que je vois sautée le plus souvent en entreprise est la troisième, et c’est elle qui permet de présenter un tableau comme une preuve.