Episode 4 : L’analyse des usages : un sujet touchy !

Episode 4/5 – Revenir sur les épisodes précédents ici 
Pas besoin de vous faire un dessin, le vélo (et ses cousines les trottinettes) fait un tabac dans l’hexagone ! Bénéficiant d’un soutien populaire et d’un regard de plus en plus intéressé des élus, il fait émerger de nombreux projets d’infrastructures et génère un foisonnement d’offres de services. Pourtant, malgré ce succès, son volet “numérique” reste, hormis quelques rares exceptions, plutôt à la traîne. Il y a une raison essentielle qui explique cela : la “donnée vélo” est un sujet encore très peu maîtrisé par les acteurs de la mobilité quels qu’ils soient. Pourquoi ? Quels sont les acteurs qui se penchent sur le dossier ? A quoi peut-on s’attendre demain ? Quels sont les défis à relever ? Notre investigation en une série de 5 épisodes…

Progressivement, on comprend qu’au delà de fournir des informations sur les infrastructures présentes, ou les services proposés, on entre progressivement dans un autre monde : celui des données d’usage. Ces dernières peuvent provenir de différentes sources : applications vélo (ex : Géovélo), applications de mobilité (ex Uber), API de micro mobilité (comme Fluctuo), compteurs sur le terrain, intelligence embarquée dans les OS (iOS et Androïd savent très bien détecter la mobilité active), applications de traceur (ex : le projet de la Fabrique des Mobilités). Mais à quoi peuvent-elles servir ? 

A la régulation et au management des offres tout d’abord. Comme l’indique l’étude de 6t intitulée Livre blanc de la mobilité en free-floating : pour une régulation efficace et pertinente des services : “la transition sociotechnique introduite par l’arrivée d’offres de mobilité en free-floating appelle une réinvention des mécanismes d’action publique afin de s’adapter à ce nouveau paradigme”. Le premier d’entre eux passe par l’utilisation par la collectivité des données collectées par les opérateurs. Elles peuvent être mobilisées pour assurer plusieurs types de régulations. Certaines a posteriori, comme par exemple l’équilibre territorial de l’offre de mobilité (entre certains quartiers peu pourvus et d’autres mieux adressés). D’autres “en temps réel”, comme la définition de zones ou il est interdit de stationner un véhicule. Les villes entre elles peuvent également tirer profit du partage de connaissances et d’expériences. 

Exemple d’espaces ou le stationnement des véhicules en free floating est accepté – Bordeaux, 2019

A la planification des politiques publiques. Cet enjeu est particulièrement fort. L’objectif est ici double : il s’agit tout d’abord de connaître l’intensité d’utilisation des offres afin d’adapter leur localisation ou encore le volume de vélos dans ou hors des stations. Il s’agit également de disposer d’un certain nombre d’indicateurs concernant les infrastructures afin de poursuivre, ajouter ou améliorer certains tronçons. Parmi ces indicateurs, citons en quelques uns particulièrement intéressants : 

  • la fréquentation : c’est un premier indicateur intéressant même si insuffisant en lui même. Il devient surtout pertinent lorsqu’il permet d’analyser un “avant-après” la mise en place d’une infrastructure cyclable. Mais par dessus tout, pour être utile, il doit faire appel à une masse critique de données pas toujours, ou plutôt pas encore présente.
Un des enjeux majeurs est de pouvoir mixer un maximum de sources possibles, issues du numérique mais aussi des compteurs présents sur la voirie. 
Exemple d’un compteur mis en place par la municipalité d’Eindhoven, aux Pays Bas
  • la vitesse moyenne : elle est un moyen d’observer la qualité de l’infrastructure cyclable, mais aussi son niveau d’utilisation. On peut notamment déduire des cas de congestion sur des pistes cyclables en observant des valeurs basses répétées à certains horaires et à certains points. Cela permet de déclencher dans un second temps une analyse plus précise sur le terrain. Elle permet également de comparer des tronçons entre eux, des villes entre elles ou enfin de positionner le vélo par rapport à d’autres modes, 
  • les temps d’arrêt : cet indicateur permet d’observer la continuité des infrastructures. C’est un élément particulièrement stratégique, car le confort d’un cycliste est aussi lié au nombre d’arrêts sur son trajet : moins il doit relancer son vélo, moins il fait d’efforts, et moins il transpire. Les adeptes du #velotaf se reconnaitront, 
  • les origines-destinations : l’idée est de pouvoir comprendre quels sont les générateurs de flux et les centres d’intérêts qui attirent massivement des flux vélo. Cela permet aussi de reconstituer les principaux flux entre quartiers et/ou communes. In fine, c’est une aide à la décision pour mieux positionner les grands axes d’un schéma cyclable, et pourquoi pas de calibrer le stationnement (un sujet majeur),
L'analyse des O/D les plus populaires, sur l'outil Strava Metro
L’analyse des O/D les plus populaires, sur l’outil Strava Metro
  • la qualité de la voirie : il est possible d’utiliser l’accéléromètre des smartphones, et sa capacité à retranscrire les vibrations pour analyser la qualité de la voirie. C’est une fonctionnalité qui pourrait être utilisée par les utilisateurs d’app et analysée par la municipalité, ou bien directement par les techniciens d’une ville, comme outil d’expertise cyclable. 

Toutes ces informations sont d’autant plus justes et précises qu’elles proviennent d’un volume suffisamment important de données. L’enjeu de l’ouverture et de la mutualisation de l’ensemble des données existantes est donc majeur. Mais il y a un autre enjeu particulièrement important en ce qui concerne les données d’usage : le respect de la vie privée.

La vie privée et l’anonymisation des données

Evidemment, à partir du moment ou l’on utilise les données d’usage, le sujet de la vie privée n’est jamais loin. Etant donnée leur composition, les données remontées par l’utilisation des différents services de micromobilité peuvent être considérées comme des données à caractère personnel (c’est notamment une problématique que l’on retrouve dans le cas de l’historisation des données liée au standard MDS). Couplées avec d’autres sources, elles peuvent donner une orientation quant aux différentes habitudes des utilisateurs. 

Le problème c’est qu’au sens strictement juridique il n’y a pas de propriété des données en tant que telles en vertu du droit européen. Conséquence : les opérateurs de mobilité peuvent décider qui reçoit les données, en accorder ou retirer l’accès, de sorte que, même s’ils ne sont pas légalement propriétaires des données, techniquement, ce sont bien eux qui les gèrent. C’est pour cela que la puissance publique, afin de s’assurer que ces données seront bien remontées, qualitatives et actualisées, va devoir conclure des accords de licence. Ces derniers permettront également de clarifier certains aspects comme l’open data, les standards, le niveau d’historique des données… Pour en savoir plus je vous conseille de lire l’excellent papier de ViaNova sur le sujet (en anglais). 

Mais au delà de la propriété des données, il en va de l’anonymisation de ces dernières. Rappelons que, selon la loi, “lorsque l’anonymisation est effective, le RGPD ne s’applique plus aux données ainsi anonymisées, celles-ci n’étant dès lors plus à caractère personnel.” Cela parait simple : on anonymise toutes les données de mobilité et le tour est joué ! Malheureusement, c’est bien plus compliqué. En effet, l’anonymisation doit être conçue plus comme un gradient que comme un absolu : “selon le cas d’utilisation, les données ne peuvent être entièrement anonymisées sans perdre réellement toute valeur utile. Les efforts de conformité devront plutôt se concentrer sur l’atteinte d’un niveau acceptable de regroupement tout en permettant à la puissance publique d’exploiter ces données ou encore à ces dernières d’être ouvertes”. Je ne suis pas spécialiste du droit, alors si vous souhaitez en savoir plus sur ce sujet tentaculaire ici, alors je vous conseille les éléments très pédagogiques publiés sur le site de la CNIL.

Que retenir de tout cela ? Que les données d’usage peuvent être un excellent outil de régulation mais aussi d’aide à la décision pour les politiques publiques de mobilité. Néanmoins, elles doivent d’une part être recueillies en masse (big data) pour avoir un intérêt réel et d’autre part, à l’inverse des données d’offres, elles possèdent un caractère sensible. Ainsi, la rédaction de “règles du jeu” claires et exhaustives est un enjeu fondamental, notamment au travers des licences.  

You May Also Like