Gouvernance urbaine : Quelles données ?

A l’heure du scandale Cambridge Analytics, mais aussi du développement des villes connectées, il est pertinent de se demander quel équilibre y’a t’il à trouver entre utilité d’une donnée, et son impact sur la vie privée.

Constater la tendance 

L’avancée du concept de Smart Cities est sans conteste. Mais, face à l’étalage de modélisation de villes « innovantes » certains peuvent craindre, à raison, une recherche toujours plus profonde de données, toujours plus personnelles.
L’exemple de la ville « idéal-typique » de Songdo est flagrant.
Cette ville Sud-Coréenne créée aux alentours des années 2000, s’est donné pour principal objectif d’être LA ville connectée. Contrôle des flux, de la sécurité, réduction des émissions , de la pollution, des déchets et de la production… L’ensemble des projets d’exploitation des données semblent prometteurs. Reste qu’il y a un hic.
Une majorité des données seront produites par les habitants, via des puces RFID. 

Préférer des données anonymes, voire externes et peu dynamique. 

Tout phénomène, qu’il soit purement urbain, ou simplement social, peut-être analysé par deux approches. C’est l’exemple de la gestion des flux routiers. En effet, il est possible d’entendre ce phénomène, soit en recueillant la donnée auprès du conducteur (ie position, vitesse etc), soit via un capteur externe, sur la route ( analyse du flux, vitesse, à un lieu donné). D’autres projets montrent qu’il est possible de monitorer un tel phénomène par satellite.

Il est clair ici que la première et la troisième solution peuvent porter atteinte à la vie privée, de par la potentielle utilisation abusive des données produite par les capteurs. Car il est possible avec ses technologie de s’intéresser à un seul individu et de produire facilement plus de données que l’usage initial ne l’autorisait.
C’est en cela que la deuxième option est plus pertinente. En effet, elle permet, et permet uniquement, de mesurer le flux , et donc de le gérer. En ce sens, cette captation de données est quasiment limité à son but d’origine.

Dans un soucis déontologique et éthique, il est donc préférable d’utiliser des capteurs extérieurs à l’élément qu’ils analysent.
A cela, il faut y ajouter une condition. Celle de compartimenter la production de donnée pour qu’elle soit toujours partielle. C’est là la différence entre une image satellite et un capteur sur route.

Prédictions des crimes par les données, un couvercle simplement plus résistant à la pression ? 

 » Prévenir plutôt que guérir ». Une vieille utopie qui, à l’heure du numérique, peut sembler plus proche que jamais. Mais prévenir, c’est empêcher un évènement de se produire, ou le désamorcer à temps. Pas en réduire les facteurs…

A l’Ere de la smart city, le phénomène semble revenir à pas feutré. Plusieurs recommendations portant sur les villes intelligentes invite à délimiter, voire prédire, des zones économiquement et socialement à risque:
  » Les analyses prédictives ont été utilisées dans plusieurs villes autour du monde pour aider à prédire à quel endroit les crimes risquent de survenir, en se basant sur les données historiques et géographique  » 

https://www.lebigdata.fr/smart-cities-big-data

Le risque ici reste encore l’usage de l’information. Si bien que certaines de ces méthodes tendent effectivement à réduire le nombre de crimes (système du Beacon), elles avancent surtout vers un abus de la donnée : Une systématisation de la réponse policière dans des quartiers qui nécessitent, en vérité, largement plus d’attention au niveau social et économique, à l’exemple de Bogotá.  En somme, parfois améliorer l’efficacité d’une réponse ne résout toujours pas plus le problème. 

Maitriser la donnée avant de la produire

Enfin, l’ensemble des problématiques mentionnées auparavant tombent sous un même constat. Les villes de 2018 ne sont en rien « Smart ». Segmentées, certains quartiers s’en approchent. Mais la ville, et implicitement sa structure de gouvernance, ne sont encore en aucun cas adaptées à recevoir une masse si importante de données, et à la traiter.

Cela implique notamment une transformation structurelle de la gouvernance, surtout à l’échelle des villes moyennes.
A ce sujet, une réforme voyant le jour prochainement imposera le recrutement d’un cadre de transition numérique dans les villes moyennes.

« Vous devez être capable de collecter, stocker, sécuriser, gérer et mettre en place des politiques d’accès et ce, avant même de pouvoir utiliser ces données »

https://www.lemagit.fr/conseil/Smart-Cities-les-villes-doivent-consolider-leur-architecture-de-donnees

La conclusion étant que la montée en charge des la production des données ne peut se faire d’un coup. Elle ne peut être que progressive, négociée. Mais surtout elle doit être incrémentale, avec des capteurs recevant une information segmentée

.
Enfin, travailler la gouvernance de telles informations est primordial. Car le mythe de « plus de données pour plus d’efficacité » s’est depuis longtemps effondré. Savoir gouverner un nombre réduit , sécurisé, anonymisé de donnée est bien plus pertinent.

Quentin R.

 

 

Ressources :

https://www.lemagit.fr/conseil/Smart-Cities-les-villes-doivent-consolider-leur-architecture-de-donnees

https://internetofthingsagenda.techtarget.com/blog/IoT-Agenda/Why-cities-must-get-smart-about-IoT

https://atelier.bnpparibas/smart-city/breve/technologie-garante-securite-smart-city

https://www.lebigdata.fr/les-donnees-numeriques-le-coeur-des-villes-intelligentes-et-leur-plus-grande-menace1911

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s