Comment on a documenté 48 000 quartiers français avec de l'open data

Quand on cherche un logement, on finit par tout savoir du bien : les diagnostics, les charges, l'exposition, l'étage, la surface au centimètre près. Et presque rien du quartier — celui dans lequel on va pourtant vivre. On le découvre après la signature, un samedi matin, en cherchant une boulangerie qui n'existe pas.

C'est de ce constat qu'est né C'est Comment Ici ? : documenter chaque quartier de France — santé, transport, écoles, commerces, cadre de vie — à partir de données publiques. Sur le papier, le projet a l'air simple. L'INSEE publie, la DREES publie, l'ADEME publie, OpenStreetMap est ouvert : « tout est en open data, il n'y a qu'à brancher ».

J'ai appris que non. Voici ce que ce chantier m'a réellement demandé.

Le vrai problème n'est pas de collecter, c'est de rendre comparable

Collecter, c'est l'affaire de quelques scripts. Le travail — des mois — a consisté à faire en sorte qu'un indicateur calculé à Lille veuille dire exactement la même chose qu'à Marseille. Trois obstacles reviennent partout :

Les mailles géographiques ne coïncident pas. La délinquance est publiée à la commune, la démographie au quartier IRIS (le découpage statistique de l'INSEE, environ 48 000 en France), les équipements sont des points GPS. Superposer ces trois niveaux proprement, sans faire dire à une donnée communale quelque chose sur une rue précise, c'est déjà un projet en soi.

Les millésimes sont décalés. Le recensement a deux ou trois ans de retard, les transactions immobilières (DVF) sortent par semestre, les horaires de transport changent chaque saison. Une fiche honnête doit assumer ces décalages — et les afficher — plutôt que de prétendre à un temps réel qui n'existe pas.

Les définitions sont incompatibles. Qu'est-ce qu'une « école » ? L'Annuaire de l'Éducation nationale, OpenStreetMap et SIRENE n'ont pas la même réponse. Avant de compter quoi que ce soit, il faut choisir une définition et s'y tenir sur tout le territoire.

Une absence de donnée n'est pas un zéro

C'est la leçon la plus importante du projet. Quand une source ne couvre pas un secteur, la tentation est d'écrire zéro et de passer. Mais « on ne sait pas » et « il n'y a rien » sont deux informations radicalement différentes : confondre les deux fausserait tout ce qui est construit dessus. Chaque trou de couverture est donc géré explicitement — et quand on ne sait pas, la fiche ne dit rien plutôt que d'inventer.

Le même soin vaut dans l'autre sens : un même cabinet médical présent dans OpenStreetMap, dans le répertoire FINESS et dans SIRENE ne doit être compté qu'une seule fois. Les points d'intérêt du site sont unifiés depuis sept sources, avec un dédoublonnage qui est probablement le code le plus retouché du projet — chaque source a sa manière d'orthographier un nom et de placer un point sur la carte.

Compter naïvement, ou mesurer vraiment

Deux exemples qui ont changé ma façon de voir la donnée publique.

L'accès aux soins. Compter les médecins d'un quartier paraît logique, et c'est trompeur : un médecin saturé à deux pas ne vaut pas un médecin disponible à dix minutes. La DREES publie un indicateur conçu pour ça, l'APL (accessibilité potentielle localisée), qui estime l'offre de consultations réellement accessible par habitant. La dimension Santé du site s'appuie dessus, plutôt que sur un comptage brut.

Les arrêts de bus. OpenStreetMap recense des poteaux ; rien ne dit qu'un bus y passe encore. En croisant avec les horaires publiés par les réseaux eux-mêmes (transport.data.gouv.fr), un arrêt n'est retenu que s'il est desservi plusieurs fois par jour — et les arrêts réservés aux cars scolaires sont affichés à part, parce que ce n'est pas la même promesse de mobilité.

Dernier garde-fou : ne jamais comparer un village à un centre-ville. Chaque secteur est situé par rapport aux territoires de même densité (grille INSEE) — un bourg rural se lit face aux bourgs ruraux, pas face à Lyon.

Décrire, pas juger

Le choix de produit qui découle de tout ça : la donnée décrit un lieu, elle ne le juge pas. Il n'existe pas de « bon quartier » dans l'absolu — un secteur parfait pour une famille avec deux enfants peut être un mauvais choix pour un étudiant sans voiture. Quand un jugement est affiché, c'est une adéquation à un profil déclaré, exprimée en toutes lettres, et elle n'apparaît que si la personne a dit ce qui comptait pour elle.

Le résultat se visite librement : les fiches sont ouvertes, département par département, jusqu'au quartier. Pour voir ce que donne ce travail de normalisation sur un cas concret, la fiche de Lyon montre la commune et ses quartiers documentés un par un.

La suite de ce chantier — comment on fait parler ces données sans leur faire dire n'importe quoi — mérite son propre article. C'est le prochain.