Suite à des discussions avec Simon et Marin, les semaines passées, je me suis dit que j’allais prendre le temps de narrer quelques (més)aventures qui me sont arrivées, en partant à la pêche des données. Et oui, ça va parler de données, de données ouvertes (ou fermées), d’administrations, et un peu de recherche publique (en vrac).

Le point de départ est assez simple. Je cherche en France une base proche de celle qui existe aux Etats-Unis, à savoir le Social Security Death Master File, qui donne – pour toutes les personnes disposant d’un numéro de sécurité sociale – la date de naissance et date de décès. Cette base est pratique pour faire de la démographie (quoi qu’incomplète puisqu’on n’a que les personnes décédées). Je cherche aussi une autre information, permettant de faire le lien (pour faire simple) entre l’espérance de vie d’un individu, et de l’information relative à ses parents. Autrement dit, je cherche un fichier liant un individu à ses parents (par numéro de sécurité sociale pour faire simple, mais on peut anonymiser en hashant le numéro). Je veux ainsi une base indiquant l’identifiant d’un individu, celui de son père, et celui de sa mère.

La France se targue d’avoir un Etat Civil vieux de plus de 200 ans (selon un décret de l’Assemblée nationale du 20 septembre 1792, la tenue des registres est retirée aux curés pour être remise aux maires) et je m’étais dit qu’il serait alors possible d’avoir accès à des données sur une période encore plus longue que ce qu’on peut avoir aux Etat-Unis (près de 120 ans). La première arnaque est que l’Etat Civil en France n’existe pas. Il existe des Etats-Civils. Chaque commune garde dans ses registres les informations relatives aux personnes nées sur le territoire de la commune. Si quelqu’un est né à Rennes, mais a vécu ailleurs, toutes les informations relative à l’état civil de cette personne remonteront à Rennes. Comme le fait qu’elle se marie à Lille, et décède à Toulouse. Autrement dit, les informations relatives  à la naissance et au décès sont stockées par commune (de naissance). Techniquement, le tribunal de grande instance dont la commune est dans la juridiction a aussi accès à ces informations, donc le ministère de la Justice aurait les moyens de constituer un vrai registre d’Etat Civil. Mais ce n’est pas fait. L’INSEE aussi a accès à ces informations, car beaucoup d’informations sont transmises des mairies vers l’INSEE. Comme la naissance, qui permettra de donner le fameux “numéro INSEE”, qui deviendra le “numéro de sécurité sociale”.

J’avais contacté (en 2013 ou 2014) le Centre d’Accès Sécurisé aux Données, afin de voir comment avoir cette information, et j’avais même déposé une demande auprès du fameux “comité du secret statistique” afin d’avoir une habilitation pour avoir accès à ces données – si elles existaient (je suis par ailleurs “employé réputé de Statistique Canada” donc je pensais pouvoir obtenir un statut similaire en France). Le comité du secret statistique, après avoir examiné ma demande m’avait alors dit

Suite à votre demande, je vous conseille de vous adresser soit à l’Insee dont je vous joins le lien http://www.insee.fr/fr/, soit au centre Quételet, réseau pour les chercheurs qui pourra répondre à votre attente http://www.reseau-quetelet.cnrs.fr/spip/

La traduction est “démerde toi mon bonhomme”, parce que contacter l’INSEE via le site internet, bon courage ! Ayant côtoyé l’INSEE de nombreuses années, j’ai suffisamment de contacts pour envoyer toutes sortes de requête, y compris vers des administrateurs de l’INSEE relativement haut dans la hiérarchie (afin d’éviter le fameux “faut que je demande à mon chef pour partager des données”). Il y a quelques mois, j’avais eu la réponse suivante

j’ai été aux renseignements au département de la démographie comme je disais. Malheureusement, on m’y dit que le RNIPP ne gère pas la filiation, donc ce serait techniquement impossible indépendamment des éventuels problèmes juridiques. Je suis allé vérifier sur la page qui lui est dédiée sur le site de l’Insee et elle dit bien la même chose (http://www.insee.fr/fr/...)

Donc l’INSEE ne semble pas disposer d’information liant un individu à ses parents. Quant à l’autre base, celle qui disposerait de la date de naissance et de la date de décès (si la personne est morte), un ancien collègue m’avait apporté la réponse suivante

il n’est pas possible d’avoir accès aux données complète, mais tu peux avoir ces données avec l’EDP (échantillon démographique permanent), qui est un échantillon au 16/365ème de la population chaque année, contacte Jean-Pierre Liégeois de ma part

ce que je fais, et qui me confirme que les données sont forcément partielles,

nous suivons les personnes nées les 4 premiers jours de chaque trimestre (sauf en janvier où nous suivons les personnes nées du 2 au 5 janvier).

Autrement dit, il est impossible d’avoir accès à un registre complet d’état civil, en France, un tel fichier n’existant pas. Il existe d’autres organismes en France, qui ont accès à ces données qui m’intéressent (sans pour avoir, formellement) de registre complet : les Caisses d’Allocations Familiales. Comme me disait la personne de l’Etat Civil à Rennes, les informations sont malheureusement déclaratives, et moins officielles que celles de l’Etat Civil, mais peu importe. La principale difficulté est que j’ai déjà tenté de contacter les CAF il y a quelques années, même en demandant d’accéder aux données en vertu du droit d’accès aux documents administratifs (CADA), et ça avait été épique ! Mais lors de sa venue à Rennes, Axelle Lemaire me disait qu’elle avait obtenu un accord pour avoir accès à des données de la CAF à des fins de recherche, donc je pense que je vais bientôt la relancer !

Pour la petite histoire, j’avais aussi tenté d’approcher l’INED, et j’avais obtenu la réponse suivante

pour ce qui a trait  à l’état civil, l’Ined est utilisateur des données de l’Insee. Nous ne disposons donc pas des données qui vous intéressent.

Voilà un peu comment ça se passe quand on part à la pêche aux données. Mais le plus intéressant, ce sont les discussions que l’on peut avoir, à côté. Par exemple, lorsque je discutais avec la personne en charge de l’Etat Civil, à Rennes, elle ne comprenait pas ma requête, parce qu’elle pensait que je voulais parler d’open-data (j’avais été mis en contact avec des personnes de la ville lors d’une conférence sur les données ouvertes, sur Rennes). Je lui ai dit que c’était le cas, parce que les données que je cherchais étaient des données publiques. Mais non. A ma grande surprise, autant les données de décès sont effectivement publiques, autant les données de naissance ne le sont pas (sauf demande des parents, mais par défaut, elles ne le sont pas… culture du secret, quand tu nous tiens). Mais pour la personne en face de moi, les données publiques ne peuvent être des données individuelles,

les données en open data ne sont jamais des données individuelles, ce sont forcément des données agrégées par mois, par commune, etc

Je suis toujours surpris quand on me qu’il est impossible de libérer des données individuelles, même anonymisées. Y compris pour des enseignants chercheurs (si je voulais des données relatives à l’Etat Civil sur Rennes, j’ai appris qu’il me fallait une autorisation du Procureur de la République).

Ce qui me gêne, avec cette histoire, c’est que les données que je cherche sont probablement un peu sensibles, et c’est pour ça que j’évoque toujours dans mes mails la possibilité de hasher le numéro INSEE. Mais beaucoup d’entreprises privées ont accès à des données de ce genre, voire plus sensible encore… Les compagnies d’assurance  ou les compagnies d’assurance ont accès à des données de ce genre (voire plus fines encore). Autrement dit, des compagnies privées ont accès à des données quasi-publiques (on parle de données relatives à l’Etat Civil, et donc publiques au sens attribuées par un organisme publique), mais pas les chercheurs.

Le problème avec ce genre de constat, c’est que j’ai du mal à garder des étudiants en thèse. Comment puis-je convaincre un étudiant finissant sa maîtrise de ne pas partir dans le privé ? Les salaires y sont plus attractifs, et en plus il y a des données auxquelles on n’aura jamais accès ! Dans un billet publié il y a quelques semaines – Les Données et le Monde Libre, et Ouvert – j’essayais d’expliquer qu’il était indispensable que le monde de la recherche ait accès à des données ouvertes. Mais plus le temps passe, plus je suis pessimiste, car j’ai du mal à comprendre comment les élus pourraient ouvrir les fichiers administratifs (peut être juste aux chercheurs, les modalités sont probablement à définir) s’ils n’ont pas cette culture de la donnée… Il y a encore beaucoup de chemin. En attendant, je suis têtu comme une mule, et je trouverais bien un moyen pour avoir accès à des données de ce genre (même s’il faut aller les chercher hors de France, ou en faisant un peu de web scrapping.. mais chut).

---

---