Vous avez ouvert l’accès à vos données, bravo! Mais sont-elles faciles à découvrir pour les utilisateurs externes? Sont-elles accessibles immédiatement? Sont-elles faciles à utiliser? Sont-elles récupérables par d’autres technologies que la vôtre? Répondent-elles aux besoins des utilisateurs visés? Sont-elles documentées pour en permettre un usage sécuritaire et pour vous protéger contre tout recours? Les politiques mises en place ces dernières années pour l’ouverture de données géospatiales offrent de nombreuses possibilités, mais l’ouverture offerte par votre organisation est-elle vraiment efficace? Va-t-elle jusqu'à vous préserver des mauvaises surprises? Est-elle faite de façon utile et responsable? Dans cette présentation, nous aborderons le concept de "Maturité des données ouvertes" ainsi que des bonnes pratiques pour assurer la meilleure efficacité possible de votre politique d’ouverture des données géospatiales. En nous basant sur des modèles reconnus, nous expliquerons comment mesurer la maturité de vos données géospatiales et l’importance de connaître cette maturité pour éviter certaines surprises.

1. Vos données ouvertes
réservent-elles des surprises ?
Mesurez la maturité
de vos données géospatiales
pour le savoir !
•
Géomatique 2016, Montréal, le 19 octobre
Yvan Bédard, PhD, Conseiller stratégique et scientifique, Professeur émérite UL
Sonia Rivest, MSc, Analyste en géomatique et intelligence d’affaires
,

2. Introduction
• Ouverture des données
= Bravo !
– Tendance actuelle
– Nouveaux usages
– Nouveaux utilisateurs
– Contribuer à la Société
• Jusqu’à quel degré est cette
ouverture ?
– Simple mise à disponibilité ?
– Assistance à la découverte et à
l’accès ?
– Service de transformation ?
– Information sur la qualité ?
– Service conseil pour usage
sécuritaire ?
Comment éviter des surprises?
© INTELLI3 2016

3. Mesurer la maturité des données
géospatiales ouvertes
• Ouverture efficace ?
• Évaluer votre degré d’ouverture ?
– Planifier les prochaines étapes
• Ouverture responsable ?
• Minimiser les mauvaises surprises potentielles ?
© INTELLI3 2016

4. Les données ne sont pas sans
conséquence
© INTELLI3 2016

5. Ex. La saga Maps d’Apple
© INTELLI3 2016
Les données ne sont pas sans
conséquence

6. Ex. Vie privée
© INTELLI3 2016
Les données ne sont pas sans
conséquence

7. QU’EST-CE QUE LA MATURITÉ DES
DONNÉES ?
© INTELLI3 2016

8. Modèle de maturité des données ?
• Cadre de référence pour évaluer et améliorer les pratiques de gestion
de données et mieux atteindre les objectifs de l’organisation
• Concept qui existe depuis plusieurs années en TI
• Plusieurs modèles ont été développés:
– Data Management Book of Knowledge (Data Management Association)
– Data Management Maturity Model (Enterprise Data Management Council)
– Data Management Maturity Model (CMMI Institute)
– Data Governance Council Maturity Model (IBM)
– Enterprise Information Management Maturity Model (Gartner Group)
– …
• Et certaines normes sont utilisées (ex. ISO/CEI 15504, ISO 1207)
© INTELLI3 2016

9. Modèle de maturité
• Les niveaux de maturité sont définis avec l’organisation
pour chaque fonction de gestion des données
Fonction Niveau 1
Immaturité
Niveau 2 Niveau 3
Maturité
moyenne
Niveau 4 Niveau 5
Maturité
élevée
Consentement à
nouvel usage des
données
Source pas
avertie
Source avertie,
processus non-
standardisé,
consente-ment
non-attendu
avant nouvel
usage
Consente-
ment obtenu
et documenté
avant de
permettre
nouvel usage;
processus
standardisé
Vérification
systématique
des usages
permis et
refusés
Processus de
consente-
ment et
vérification
amélioré
périodique-
ment et
automa-tisés
au maximum
Initial Reproductible Défini Géré Optimisé
Exemple tiré du Privacy Maturity Model (AICPA/CICA, 2011)
© INTELLI3 2016

10. Modèle de maturité
• Cadre simple qui évalue la maturité par niveau pour un
certain nombre de fonctions/objectifs clés
Fonctions Niveau 1
Faible
maturité
Niveau 2 Niveau 3
Maturité
moyenne
Niveau 4 Niveau 5
Maturité
élevée
Fonction 1
Fonction 2
Fonction 3
Fonction 4
…
Actuel Objectif
N.B. il n’est pas obligé de viser la maturité parfaite. L‘important est de se situer en
connaissance de cause et de mesurer son évolution.
© INTELLI3 2016

11. Modèle DE maturité des données
• Reflet de la qualité de la gouvernance des données dans
une organisation
• Plus une organisation obtient un score élevé dans un tel
cadre de référence, plus elle est mature et moins elle est à
risque d’avoir des problèmes avec ses données et ses
services informationnels
• Utile pour une planification des budgets de gestion des
données, un audit, une accréditation, etc.
© INTELLI3 2016

12. QU’EST-CE QUE LA MATURITÉ DES
DONNÉES OUVERTES ?
© INTELLI3 2016

13. Le Modèle- Five Stars open data
• Proposé par Tim Berners-Lee, inventeur du Web
(Berners-Lee, 2015)
Point de vue
technique
© INTELLI3 2016

14. Open data maturity model
• L’Open Data Institute offre un modèle plus complet de maturité
des données ouvertes
– 5 grands indicateurs à mesurer (avec sous-indicateurs):
• Gestion des données (incluant normes et contrôles de qualité)
• Connaissances et culture interne
• Support à l’utilisateur et implication de celui-ci
• Performance financière
• Stratégie et leadership responsable
– 5 niveaux d’ouverture
• Initial
• Reproductible
• Défini
• Géré
• Optimisé
(ODI, 2015)
© INTELLI3 2016

15. Maturité des données ouvertes
• L’ODI offre
– Une certification 5-Stars
– Des services d’audit
– Des recommandations pour améliorer votre gestion et
diffusion des données ouvertes
• Il existe d’autres modèles
• Ils sont adaptables aux situations propres aux
organisations
• Il existe des modèles de maturité des données
gouvernementales ouvertes dans plusieurs pays Open
Government Data Maturity Model
– Canada = Five Stars of Open Data
© INTELLI3 2016

16. QU’EST-CE QUE LA MATURITÉ DES
DONNÉES OUVERTES GÉOSPATIALES ?
© INTELLI3 2016

17. Évolution de la géomatique
« … glissement de la demande du marché depuis la production
d’information fondamentale vers des produits et des services à
valeur ajoutée, en particulier vers de l’information géospatiale
accessible sur les applications destinées à la consommation de
masse. »
Réf.: Gouv. du Canada, 2015. Analyse de la conjoncture du secteur canadien de la géomatique et étude sur sa valeur.
39 p.
© INTELLI3 2016

18. Les données géospatiales ne sont pas sans
conséquence
Rapport de l’ONU:
• « consumer protection and marketing laws and policies will
need to evolve to enable the citizen to enjoy appropriate
protections. »
« The issue of liability for the quality and accuracy of data is
likely to grow in prominence over this period…it is an issue
that all data providers will have to consider carefully »
Réf.: United Nations Initiative on Global Geospatial Information Management (2013). Future trends in geospatial
information management: the five to ten years vision. 35 p.
© INTELLI3 2016

19. © INTELLI3 2016
Les données géospatiales ne sont pas
sans conséquence

20. Les données géospatiales ne sont pas sans
conséquence
Rapport de l’ONU:
• “Data ownership issues will evolve in challenging
ways in the coming years …
The growth in the amount of data, the number of
actors in the data creation processes and the
interconnectivity of these parties can pose greater
challenges regarding knowledge of data ownership…”
• C’est également vrai pour la responsabilité
Réf.: United Nations Initiative on Global Geospatial Information Management (2013). Future trends in geospatial
information management: the five to ten years vision. 35 p.
© INTELLI3 2016

21. Vers une géomatique socialement
responsable
• La qualité parfaite n’existe pas
• « Zéro risque » n’existe pas
• Le risque peut être réduit, rarement éliminé
• La qualité et la gestion des risques sont interreliées
• Principe socialement responsable = “Truth in labeling”
ISO-19131
ISO-19157
ISO-31000
ISO-3864-2
Ress. Nat. Canada, Intelli3 (2015) Guide sur la qualité des données géospatiales
© INTELLI3 2016

22. Cycle complet de la qualité des
données géospatiales
Ress. Nat. Canada, Intelli3 (2015) Guide sur la qualité des données géospatiales
© INTELLI3 2016

23. Modèle de maturité des données ouvertes
(métadonnées géospatiales + services web)
Indicateurs sur la qualité des données spatiales
(qualité interne + externe + valeur d’autorité)
Indicateurs sur la gestion du risque d’usages
inappropriés
(devoir professionnel d’informer l’utilisateur, le conseiller, le
protéger)
Modèle de maturité des données
géospatiales ouvertes
© INTELLI3 2016

24. Gestion du risqueFonction Niveau 1
Immaturité
Niveau 2 Niveau 3
Moyenne
Niveau 4 Niveau 5
Maturité élevée
Mise à jour Aucune mise
à jour
publiée,
seule la
version
actuelle est
disponible
Versions publiées
sans indication
des changements
apportés
Service
explicite de
gestion des
mises à jour;
les màj
peuvent être
demandées
par secteur,
date et type
Procédure
standardisée;
diffusion
systématique des
màj aux abonnés;
diffusion sur
demande aux non-
abonnés;
Mécanisme
d’identification des
màj manquantes;
mesures coûts/
bénéfices ad hoc
Processus améliorés
périodiquement et
automatisés au
maximum;
diffusion en temps réel
des màj; traitement des
màj pour les rendre
intégrables aux
systèmes cibles;
connexion aux autres
services (ex.
métadonnéres);
mesure coûts/
bénéfices régulière;
Initial Reproductible Défini Géré Optimisé
MODÈLE DE MATURITÉ DES DONNÉES
GÉOSPATIALES OUVERTES
(EX. EN QUALITÉ)
© INTELLI3 2016

25. Gestion du risqueFonction Niveau 1
Immaturité
Niveau 2 Niveau 3
Moyenne
Niveau 4 Niveau 5
Maturité élevée
Service-
conseil à
l’utilisateur
Aucun service
en particulier;
demandes
reçues de
façon ad hoc
et dirigées à
différents
employés
Pas de service
dédié mais une
équipe s’occupe
des demandes
Service
explicite; ligne
1-800;
Guide pour
utilisateurs;
formation;
suivi des
problèmes
Procédure
standardisée;
vérification
systématique des
usages et
réutilisations +
recueil des
commentaires;
Forum des
utilisateurs;
Focus Group;
mesures coûts/
bénéfices ad hoc
Processus améliorés
périodiquement et
automatisés au
maximum;
connexion aux autres
services;
temps de réponse
minimisés;
mesure coûts/
bénéfices régulière;
Initial Reproductible Défini Géré Optimisé
MODÈLE DE MATURITÉ DES DONNÉES
GÉOSPATIALES OUVERTES (EX. EN
GESTION DU RISQUE)
© INTELLI3 2016

26. Modèle de maturité des données
géospatiales ouvertes
• Général/détaillé (cf. fonctions)
• Global/par secteur
• Image ponctuelle/suivi continu
• Contexte incitatif/imposé
• Manuel/informatisé en ligne
– en silo/interopérable avec gestion des métadonnées
• Évaluation interne/externe
Différentes possibilités pour en appliquer un :
© INTELLI3 2016

27. Modèle de maturité socialement
responsable
Rapport de l’ONU:
• “providing complete geospatial frameworks with trusted,
authoritative and maintained geospatial information, will be
crucial to ensuring that users have access to reliable and
trusted geospatial information and have confidence when
using it.”
Réf.: United Nations Initiative on Global Geospatial Information Management (2013). Future trends in geospatial
information management: the five to ten years vision. 35 p.
© INTELLI3 2016

28. Conclusion
• Les modèles de maturité des données ouvertes
géospatiales ne sont pas des outils parfaits, par contre:
– excellents outils stratégiques
• positionner par rapport aux autres
• Positionner par rapport à un objectif
– aident à prévenir les mauvaises surprises lorsqu’ils
prennent en compte la qualité des données géospatiales
et la gestion du risque de mauvais usage
– Ils aident à établir un comportement géomatique
« socialement responsable »
© INTELLI3 2016

29. MERCI DE VOTRE TEMPS
Yvan Bédard, Ph. D.
yvan.bedard@intelli3.com
Sonia Rivest, M.Sc.
sonia.rivest@intelli3.com
3700, Bd Wilfrid-Hamel, suite 80
Québec, G1P 2J2
Tél : (418) 717-4072
Fax: (418) 653-0930
www.intelli3.com
© INTELLI3 2016