Mureddu, F., Schmeling, J., & Kanellou, E. (2020). Research challenges for the use of big data in policy-making. Transforming Government: People, Process and Policy.
Contexte
La conduite d’activités administratives simples ou complexes peuvent profiter des avancées technologiques réalisées au cours de la dernière décennie. Pour ce faire, il est attendu que les organisations publiques adoptent des approches novatrices et des technologies d’information et de communication de pointe. Cette publication présente les pôles de la recherche dans le domaine de l’élaboration de politiques fondée sur les mégadonnées identifiés dans le cadre du projet Big Policy Canvas, financé par l’Union européenne. Ce projet de recherche cartographie les besoins des administrations publiques en matière de méthodes, de technologies, d’outils et d’applications disponibles qui exploitent la puissance de l’innovation ouverte et les opportunités d’analyse et d’élaboration de politiques basées sur les mégadonnées.
Définition
Aucun concept à définir.
Résultats
- Les six pôles de recherche ont été identifiés par les chercheurs. Pour chaque pôle, plusieurs axes de travail ont été formulés :
- Le cadre de gouvernance publique (1er pôle) porte sur l’élaboration de politiques basées sur les preuves et les données utilisant des technologies agiles pour transformer les gouvernements et leurs relations avec les citoyens, les entreprises et les autres parties prenantes. Il s’agit ici de :
- Bâtir un cadre de gouvernance permettant l’utilisation des mégadonnées dans la conception des systèmes de suivi et de mesure des performances.
- Développer des modèles de gouvernance axés sur les fournisseurs de données.
- Décloisonner les frontières administratives et silos juridictionnels.
- Les recherches sur la confidentialité, la transparence et la confiance (2ème pôle). L’objectif global est d’accroître la confiance dans le gouvernement et de garantir la délivrance de services publics équitables. Les objectifs sont de :
- Favoriser l’incitation ou « nudging » par les mégadonnées.
- Détecter et évaluer les biais algorithmiques et favoriser la transparence.
- Élaborer des ensembles de données gouvernementaux ouverts
- Les recherches sur l’acquisition des données et la représentativité (3ème pôle). Le développement rapide des technologies Web permet aux utilisateurs ordinaires de générer quotidiennement de grandes quantités de données. Avec l’Internet des objets, les données peuvent être produites en temps réel ou quasi réel à partir de capteurs intégrés dans de nombreux appareils. Les dimensions de ce pôle englobent :
- La collecte et la production de mégadonnées en temps réel.
- L’évaluation de la qualité des données.
-
- Le nettoyage des données est le processus de correction ou de retrait de données inexactes d’une base de données.
- Le formatage des données est important dans la mesure où il est requis pour réaliser une analyse approfondie et intégrer des données aux plateformes existantes.
- La représentativité des données utilisées est cruciale, en particulier lorsqu’elles sont utilisées pour l’analyse des sentiments et l’étude des caractéristiques de la population.
- Les recherches sur le regroupement, intégration et fusion de données (4ème pôle) réfèrent aux technologies et aux méthodes permettant aux organisations de visualiser les modèles et les tendances dans les données structurées et non structurées qui n’étaient pas visibles antérieurement. Cela est possible au moyen de :
- L’identification de modèles et de tendances dans l’exploration des données.
- La gestion de base de données, de statistiques et de méthodes d’apprentissage automatique.
-
- L’extraction des informations pertinentes et l’extraction de caractéristiques.
- Les recherches sur la modélisation et l’analyse à l’aide des mégadonnées (5ème pôle). Le principal défi dans l’utilisation des mégadonnées pour des applications liées à l’élaboration de politiques est l’intégration de connaissances imprévues portant sur des événement inattendus. Pour y parvenir il est nécessaire de veiller à :
- L’identification et la validation de schémas de modélisation appropriés déduits des données existantes.
- La simulation de modèles collaboratifs et la production de scénarios.
- L’intégration et la réutilisation des schémas de modélisation.
-
- La définition et l’identification de standards de modélisation, de procédures et de méthodes adéquates en utilisant les modèles existants ou par la définition de nouveaux modèles.
- Les recherches sur la visualisation des données (6ème pôle). Comme la plupart des méthodes d’analyse et de visualisation se concentrent sur des ensembles de données statiques, l’ajout d’une composante dynamique à la source de données entraîne des défis majeurs pour les méthodes d’analyse automatisée et visuelle. Il s’agit par exemple :
- Des défis techniques typiques tels que les volumes de données imprévisibles, les caractéristiques de données inattendues et les valeurs extrêmes imprévues. Un défi majeur est aussi la capacité des méthodes d’analyse à fonctionner de manière incrémentielle.
-
- Du développement de dispositifs technologiques pour la visualisation d’ensemble de données massives.
Messages clés pour la politique et la pratique
- La publication souligne la nécessité d’étudier le processus et la temporalité d’application de nouvelles méthodologies de science des données pour concevoir des analyses de mégadonnées efficaces dans l’élaboration des politiques.
- La publication souligne l’importance de l’éthique et de la transparence des algorithmes. Cela englobe le développement de cadres d’évaluation d’impact pour les algorithmes, les technologies de protection de la vie privée, les techniques pour lutter contre la manipulation des déclarations et la désinformation, ainsi que la représentativité des données collectées.
- Les cadres et les modèles de référence de l’architecture des technologies de l’information et de communication pour les espaces de données publics et privés doivent être améliorés.
- L’éducation peut aider à démystifier la technologie et l’analyse des données. Il existe un besoin pressant d’éducation éthique liée aux données, à la fois pour les développeurs, les décideurs politiques et pour le grand public.
Méthode et limites de la recherche
- La publication est une revue de la littérature.
- L’identification des pôles de recherche comprenait une revue de la littérature, des entretiens qualitatifs, ainsi qu’une analyse quantitative de Twitter et de la base de données Web of Science.
- Les chercheurs ont répertorié les pôles de recherche dans le domaine de l’élaboration de politiques fondée sur les mégadonnées grâce à des recherches qualitatives et quantitatives antérieures.
- Le développement des pôles de recherche a été réalisé par une approche collaborative et multidisciplinaire.
- Aucune limite de la recherche n’est identifiée.
Financement de la recherche
Cette publication a été soutenue par le programme-cadre de l’Union européenne pour la recherche et l’innovation Horizon 2020.