Les Données et le Monde Libre, et Ouvert

La période des conférences va commencer… Même si j’ai du en refuser – puis en annuler – un bon nombre (pour des raisons personnelles), je serais cette semaine au Breizh Camp devant 500 développeurs, pour parler données, algorithmes et économie. Dans deux semaines, je ferais deux interventions à Barcelone, une sur les données et l’autre sur les algorithmes (dans un optique plus assurantielle). Et en mai, je suis invité à la Banque d’Angleterre pour parler au Chief Economists’ workshop – What can central bank policy- makers learn from other disciplines?. J’ai été invité avec Michael Lo et Andrew Gelman (excusez du peu) pour parler un peu de données, de recherche, d’algorithmes, etc. Et au milieu de ces conférences un peu moins pointues que les conférences (très) spécialisées que j’ai l’habitude de faire, pour présenter mes papiers de recherche devant mes pairs, j’ai également été invité à parler dans un contexte assez singulier, sur l’économie numérique,

Oui, dans le cadre de rendez-vous parlementaires, autrement dit, avec des élus. A priori très loin de mon auditoire traditionnel.

On m’a demandé de faire un intervention sur la donnée comme pierre angulaire de l’économie. J’avais accepté car j’avais entendu “économie” comme “sciences économiques“, et je trouvais la question pertinente, et digne d’intérêt. Malheureusement, en réalité, le débat portera davantage sur la valeur de la donnée, et probablement sur les données ouvertes. Comme c’est un autre sujet qui m’intéresse, je ne me suis pas dégonflé (même si je pense que mon voisin Simon aurait été plus légitime…)

Dans mon exposé pour Breizh Camp, j’évoque – à la toute fin – les données ouvertes, en expliquant – en reprenant l’exemple du paradoxe de Simpson – que les données n’ont de sens que si elles sont individuelles, et pas agrégées ! Bref, la majorité des données – dites ouvertes – que l’on trouve en France sont inutiles, car pas assez fines ! Inutile dans l’idée d’expliquer des comportements et des stratégies individuelles. Pour expliquer l’obésité, il faut des données individuelles, pas par département !

Mais ce n’est pas nouveau. Lorsque je travaillais sur le climat, il y a une quinzaine d’années, avoir des données avec une faible granularité était impossible : j’ai travaillé sur la modélisation des tempêtes avec des données irlandaises et néerlandaises, pour les inondations, on a travaillé sur des données canadiennes. Lorsque je travaillais sur la période de retour de la canicule telle qu’elle a été observée pendant l’été 2003, j’ai eu la chance de trouver des données (journalières) françaises sur un site néerlandais. Et lorsqu’on a travaillé avec Amadou sur le paradoxe épidémiologique sur le tabagisme et le poids des bébés à la naissance, on a travaillé sur les données américaines du CDC, où plusieurs millions de données individuelles sont disponibles ! Bref, des données utiles pour faire de la recherche !

On commence à trouver des données intéressantes, en libre accès en France. La France a toujours eu des années de retard, en matière de transparence et d’accessibilité de données, j’en ai parlé à de nombreuses reprises sur mon blog. Je repense à la dizaine des courriels que j’ai du envoyer pour récupérer, auprès du Rectorat de l’Académie de Rennes, les statistiques de réussite au brevet des collèges sur 10 ans, pour seulement 4 collèges (pour un TD de statistique avec mes étudiants) ! Le pire c’est que je me dits “mais tout le monde le sait que c’est impossible d’obtenir des données en France, j’enfonce des portes ouvertes là“. Mais je suis constamment surpris de voir que les portes ne sont pas si ouvertes que ça. Pire, que certains tentent de les refermer.

En fait, j’ai l’impression que le débat sur l’ouverture des données est proche de celui sur l’ouverture de la publication scientifique, et sur les logiciels libres. L’idée sous-jacente est que tout le monde, chercheur institutionnel ou simple citoyen, peut avoir envie de comprendre le monde qui l’entoure. C’est tout du moins sur ce postulat que j’ai lancé mon blog voilà presque dix ans. Pour ma part, j’ai besoin de trois types d’objets : des données, sur lesquelles je teste des hypothèses, des modèles économétriques qui permettent de décrire aussi simplement que possible un phénomène complexe, et des packages informatiques. Plus généralement, on peut parler d’un accès ouvert aux connaissances, pour reprendre le titre de la tribune du Monde,

Plusieurs tribunes ont été écrites sur le sujet . Lorsque j’ai publié mon billet sur l’importance des logiciels libres, j’expliquais que ça partait d’un constat pragmatique, et aucunement d’une forme de militantisme (loin de moi l’idée de militer pour quelque cause que ce soit…). Et je dois avouer que les tribunes qui vont en sens inverse me fatiguent, je pense en particulier à la dernière tribune de Philippe Minard (surtout quand il prétend être la voix “des chercheurs“). Personnellement, je ne peux faire de la recherche que si je peux avoir accès à des données aussi fines que possible (et oui, souvent des données individuelles, ce qui pose le problème de l’anonymisation, on pourra en reparler un autre jour), si j’ai des logiciels et des codes informatiques que je peux partager avec les co-auteurs (voire mettre en ligne sur mon blog pour en faire profiter tous ceux qui le souhaitent), et si je peux comprendre ce qui a été écrit sur le sujet, c’est à dire avoir accès aux articles qu’il faudrait que le lise, et que je pourrais alors citer. Les modèles économiques des logiciels, des données et de la publication scientifique doivent changer ! Les expériences que l’on a pu observer dans le domaine des logiciels montrent que ceux qui refusent de s’adapter disparaîtront… Personnellement, les articles que je lis, je les trouve via arxiv ou hal (et je suis toujours choqué quand un éditeur de demande de citer la version publiée, alors que souvent je ne l’ai pas lue, ce qui peut causer des soucis quand la version publiée est assez différente… je repense à un erratum que j’ai du publier il y a quelques années). Et quand je n’ai pas les données que je veux, avec un peu de chance, avec un peu de webscrapping, on peut les extraire malgré tout….

Bref, je pense que mes prochains exposés vont continuer à ouvrir ces portes ouvertes, car il se serait dommage que quelqu’un ai la mauvaise idée de les refermer… Et en ce sens, je rejoins pleinement ce qui a été écrit dans Pour une Science Ouverte à Tous, publié ce mois-ci, dans Le Monde.


2 thoughts on “Les Données et le Monde Libre, et Ouvert”

Leave a Reply

Your email address will not be published. Required fields are marked *