Conférence donnée par Dominique Boullier lors de l'événement de lancement de l'exploration "DataCités 2" (www.datacites.eu). Cette conférence a pour objet de proposer une analyse précise des différentes politiques de données urbaines pouvant être déployées dans les villes. Il s’agira alors de comprendre quelles sont les stratégies “data” des projets menés dans le cadre de DataCités 2. Ces slides sont partagés avec l'accord de Dominique Boullier sous licence CC-by-nc (Attribution / Pas d’Utilisation Commerciale).

1. Dominique BOULLIER
Pluralisme des politiques
de données urbaines
DHI- EPFL
Data cités 2
Mars 2019

2. Cette présentation est partagée par
Dominique Boullier
Merci de respecter les conditions de licence indiquées ci-
dessous pour l’ensemble des slides de cette présentation
http://creativecommons.fr/licences

3. 1. PLURALISME DES DIMENSIONS
DE LA VILLE ET DES SMART CITIES

4. Politiques des données urbaines
Incertitude
Certitudes
AttachementsDétachement
Data city
« Google City »
Big Traces / Data
Corrélations prédictives
Smart city
« IBM City »
(Cisco, ZTE, Bouygues, DS)
Modèles
Wikicity
Collaboratif
Crowdsourcing
Coopérativisme de
plateforme
Good old city
Capteurs
en personnes

5. Politique des données urbaines:
des données et des modèles
Incertitude
Certitudes
AttachementsDétachement
Data/Google city
Data-to-model
Data to city
Smart/IBM city
Model to data
City to data
Wikicity
Data as model
Data as a city
Good old city

6. 2. IBM CITY : LES MODÈLES

7. City Command Center IBM
Dépasser les silos par le « Grand Tout »

9. Les nouvelles villes nouvelles
comme modélisation absolue
8

10. Une évolution récente
Expérimentations plus sectorielles et déléguées
Montpellier, Nice (IBM + Veolia)

11. Model to data:
Modèles du monde
Les ontologies
faciles à critiquer
par les sciences sociales
L’époque de l’image fixe
Dominique BOULLIER Digital Humanities Institute

12. Data-to-model
Modèles d’apprentissage
L’apprentissage permet de
réviser à partir de tout input
L’époque
de l’image
animée

13. Toujours plus de capteurs
Des modèles toujours plus optimisés
mais quel design organisationnel?

14. Le design organisationnel
du traitement des données
dans la traffic police anglaise

15. City to data
Un travail de design
• 1/ Il existe déjà des bases de données et du reporting dans tous les
services: au moins les examiner pour les réutiliser
• 2/ Chaque service assemble et traite les données de SON point de
vue: tout n’est pas réutilisable (et encore moins en Open Data) et le
point de vue du TOUT ne veut souvent rien dire
• 3/ La visée, c’est la qualité du service, pas la performance du calcul
des données. Générer ensemble design organisationnel / data
process…
• 4/ Et débattre des finalités: pas seulement la réduction des coûts,
la réputation ou la tyrannie du retard
14

16. 3. GOOGLE CITY :
VÉLOCITÉ DES TRACES

17. Data city (Google city)
pour plates-formes
en quête de monopoles
16

18. L’empire de Google maps
Data-to-model
Approche par les flux de données

19. Dépasser les silos par les couches
18
Prérequis: un référentiel commun
pour les métiers
Enjeu des data chez Google maps:
la traçabilité des comportements
en masse et non les
infrastructures
(toutes les plates-formes)
Passer au SIP: Système
d’Information des Publics
Les classifications à partir de
comportements (agrégés)

20. L’interopérabilité des traces
Gestion de trafic, prédiction de routes
• Sources démultipliées: Triangulation, GPS, boucle de
détection, vidéo
• + Google maps + Android + Waze (dont users reports)
• + données historiques
• + paramétrage personnel ( + rapide, +/- péages, etc.
• + contributions d’une communauté

21. La boite noire et ses problèmes
• Un algo propriétaire
• D’où viennent les décisions?
– À quel moment se fait le rerouting? Selon quels
critères?
– Pourquoi par telle ou telle voie, classifiée d’une
certaine façon? = conflit avec l’autorité qui gère la
circulation ou pas souhaitée:
• cas de Lyon pour le Tunnel de Fourvière (conflit avec
Google et Tom Tom)
– Les détournements et sabotages par les riverains
devenant contributeurs 20

22. Des architectures de service différentes sont possibles
Vélos jetables ou vélos partagés ?
Gobee.bike

23. Data to city
• 1/ La ville n’est pas le point de vue de départ pour les
plates-formes: d’abord, le service et les revenus
publicitaires associés sans gestion d’infrastructures
• 2/ Les plates-formes barbares: attaques délibérées sur
toutes les intermédiations fragiles ou abusives =
anticiper sur les maillons faibles
• 3/ Le temps de la régulation (Uber, AirBnB, etc.) doit
être aussi le temps du partage des données (Open Data
dans les deux sens!): les obligations de service public
22

24. 4. WIKI CITY :
L’INTELLIGENCE COLLECTIVE

25. Statut du public:
utilisateurs-consommateurs

26. Statut du public:
lanceur d’alerte permanent
FixMyStreet, FixMaVille, Zueri wie neu, Signalez-
nous Yverdon-les-Bains, ActivezMontreal, etc.
Format Open 311

27. 26
Statut du public:
contributeur à la connaissance

28. 27
Un ancrage territorial
défini par des pratiques

29. Au-delà du règne des capteurs
et des modèles/ systèmes
de la démocratie des experts
28

30. Statut du public:
les citoyens débattent ( avec budgets)
• Decidim Barcelona, MeuRio, Decide Madrid,
• Neighborland, Stadt Nürtringen, Fluicity,
• EngagingPlan/ EngagingApps (Urban
Interactive Studio)

31. Data as a city
• 1/ Faire ville grâce au format des contributions
citoyennes numériques: un urbanisme
numérique de la participation
• 2/ Ne pas mépriser les contributions de base
• 3/ Inventorier les données produites par les
citoyens
• 4/ Le but n’est pas la donnée mais la dynamique
de la participation
• 5/ Evaluer la faisabilité y compris du point de vue
des relais organisationnels dans la population
avec des formats différents ( et dans les services)
30

32. LA VILLE COMME ORGANISATION
MULTIDIMENSIONNELLE

33. 32
L’âge de la décision (2015-…)
avec le Machine Learning

34. Cette présentation est partagée par
Dominique Boullier
Merci de respecter les conditions de licence indiquées ci-
dessous pour l’ensemble des slides de cette présentation
http://creativecommons.fr/licences