Open Data : quand l'ouverture des données a du sens (et quand elle n'en a pas)

Ouvrir un jeu de données a du sens quand la loi l'impose, quand des réutilisateurs identifiés l'attendent et quand un responsable peut le tenir à jour. L'ouverture n'a pas de sens quand la donnée porte un avantage concurrentiel, quand elle contient des informations personnelles impossibles à anonymiser, ou quand personne n'assurera sa mise à jour après la publication.

L'open data a longtemps été un sujet de secteur public. Les administrations publiaient, les développeurs réutilisaient, et les entreprises privées regardaient de loin, sans se sentir concernées. Cette répartition ne tient plus. Le règlement européen sur les données impose depuis septembre 2025 des obligations de partage aux fabricants de produits connectés, les filières industrielles construisent des espaces de données communs, et les directions générales reçoivent des demandes d'ouverture qui viennent de leurs clients, de leurs partenaires ou de leurs régulateurs.

Face à cette pression, deux réflexes dominent, et tous les deux posent problème. Le premier consiste à traiter l'ouverture comme une position de principe favorable : la donnée doit circuler, la transparence est un progrès, un portail se remplit. Le second consiste à refuser par principe : la donnée est un actif, l'ouvrir revient à la donner. Les deux positions ont le même défaut, elles répondent au niveau de l'organisation à une question qui se pose au niveau de chaque jeu de données.

Dans les faits, une organisation n'ouvre jamais « ses données ». Elle ouvre un fichier de points de collecte, un référentiel d'équipements, une série de mesures, un historique de délibérations. Chacun de ces objets a ses propres contraintes juridiques, sa propre qualité, ses propres réutilisateurs potentiels et son propre coût d'entretien. Décider en bloc revient à publier des jeux de données que personne n'attend, tout en gardant fermés ceux qui auraient créé de la valeur.

Le coût de cette confusion se voit dans les portails. Des centaines de jeux de données publiés une fois, jamais mis à jour, sans schéma documenté, sans propriétaire identifié. Un catalogue rempli qui donne l'apparence d'une politique d'ouverture, et une réutilisation réelle proche de zéro. Un jeu de données ouvert et abandonné coûte plus cher en crédibilité qu'un jeu de données jamais publié.

Open Data : ce que recouvre vraiment l'ouverture des données

L'open data désigne la mise à disposition de données brutes, gratuitement, dans un format exploitable par machine, avec le droit de les réutiliser librement, y compris à des fins commerciales. Cette définition paraît simple. Elle est pourtant à l'origine de la plupart des malentendus, parce que beaucoup de démarches présentées comme de l'open data n'en remplissent qu'une partie des conditions.

Une donnée ouverte se reconnaît à trois caractéristiques

Une donnée ouverte se juge sur ce qu'un tiers peut en faire, pas sur l'intention de celui qui la publie. Trois conditions doivent être réunies simultanément, et l'absence d'une seule fait sortir la publication du champ de l'open data.

Ces trois conditions se vérifient en quelques minutes sur n'importe quel jeu de données publié.

• L'accessibilité technique : la donnée est téléchargeable ou interrogeable sans authentification, dans un format ouvert et documenté (CSV, JSON, GeoJSON, Parquet), et non enfermée dans un PDF ou une image.
• La liberté juridique de réutilisation : une licence explicite autorise la réutilisation, la modification et la redistribution, y compris commerciale. En France, la Licence Ouverte d'Etalab et l'ODbL sont les deux références. L'absence de licence n'équivaut pas à une autorisation.
• La gratuité : l'accès ne fait l'objet d'aucune redevance. Une donnée facturée reste une donnée commercialisée, quelle que soit la modicité du tarif.

Une quatrième caractéristique, moins souvent citée, distingue une ouverture sérieuse d'une publication d'affichage : la donnée est accompagnée d'un schéma qui décrit ses colonnes, ses types, ses valeurs autorisées et sa fréquence de mise à jour. Sans schéma, le réutilisateur découvre la structure en la devinant, et son travail casse au premier changement de format.

Open data, partage de données et transparence : trois démarches distinctes

L'open data se confond souvent avec deux démarches voisines qui répondent à des objectifs différents. La confusion n'est pas seulement lexicale : elle conduit des organisations à croire qu'elles ont ouvert leurs données alors qu'elles ont publié un rapport, ou à craindre une ouverture alors qu'elles envisagent un partage contractuel.

Publier un rapport n'est pas ouvrir des données

La transparence consiste à rendre compte. Elle produit des documents lisibles par des humains : bilans, rapports d'activité, tableaux de synthèse, restitutions publiques. Un bilan carbone publié en PDF, un rapport annuel, une infographie sur les délais de traitement relèvent de la transparence, pas de l'open data.

La différence tient à ce que le destinataire peut faire du contenu. Un rapport se lit et se cite. Une donnée ouverte se recalcule, se croise avec d'autres sources et se conteste. C'est précisément cette possibilité de recalcul qui fait la valeur de l'ouverture, et qui explique pourquoi certaines organisations préfèrent la transparence : elle donne le résultat sans donner les moyens de le vérifier.

Donner accès à un partenaire n'est pas ouvrir des données

Le partage de données consiste à transmettre des données à des tiers identifiés, dans un cadre défini. Un accès par interface de programmation réservé aux partenaires, un échange bilatéral encadré par contrat, une place de marché de données payante sont des formes de partage. La donnée circule, mais le producteur garde le contrôle de qui l'utilise et à quelles conditions.

Cette distinction structure toute la décision. Une organisation qui hésite à ouvrir se demande souvent si elle doit choisir entre tout garder et tout publier, alors que l'essentiel des situations réelles se traite dans les degrés intermédiaires. Les questions d'architecture qui en découlent rejoignent d'ailleurs celles que pose le choix de centraliser ou de distribuer les données au sein d'un système d'information.

Quand l'ouverture des données est imposée : ce que dit le cadre légal

Avant toute réflexion sur l'opportunité d'ouvrir, une organisation doit savoir ce qu'elle n'a pas le choix de publier. Le périmètre obligatoire s'est considérablement élargi depuis 2016, et il ne concerne plus seulement les administrations. Une décision d'ouverture prise sans avoir cartographié ces obligations expose à deux erreurs symétriques : publier ce qui aurait pu rester fermé, et retenir ce qui devait être publié.

Open data par défaut : ce que la loi impose aux administrations françaises

La loi du 7 octobre 2016 pour une République numérique a inversé le principe applicable aux données publiques. Avant ce texte, l'administration communiquait un document sur demande. Depuis, la publication est la règle et la rétention l'exception, principe désigné par l'expression « open data par défaut ».

L'obligation, entrée en vigueur le 7 octobre 2018, s'applique aux collectivités territoriales de plus de 3 500 habitants employant au moins 50 agents en équivalent temps plein, ainsi qu'aux administrations de l'État et aux organismes chargés d'une mission de service public au-delà de ce seuil d'effectif. Le périmètre à publier couvre plusieurs catégories de documents.

Ces catégories sont définies à l'article L312-1-1 du code des relations entre le public et l'administration.

• Les documents communiqués sur demande : tout document administratif transmis à un demandeur au titre du droit d'accès doit ensuite être publié en ligne, ainsi que ses mises à jour.
• Les bases de données produites ou reçues : les bases détenues par l'organisme, lorsqu'elles ne font pas déjà l'objet d'une diffusion par un autre canal.
• Les données d'intérêt économique, social, sanitaire ou environnemental : cette catégorie ouverte oblige à un travail d'appréciation, jeu de données par jeu de données.
• Les règles des principaux traitements algorithmiques : lorsque ces traitements fondent des décisions individuelles, leurs règles de fonctionnement doivent être rendues publiques.

Trois réserves limitent cette obligation, et elles sont substantielles : l'occultation ou l'anonymisation préalable des données à caractère personnel, la protection du secret des affaires et la protection de la sécurité. Ces réserves ne sont pas des échappatoires. Elles imposent un traitement du jeu de données avant publication, donc un coût, ce qui explique une bonne part de l'écart entre le nombre de collectivités concernées et le nombre de collectivités qui publient effectivement.

Données de forte valeur : six catégories ouvertes par obligation européenne

La directive européenne sur les données ouvertes et la réutilisation des informations du secteur public a ajouté une obligation d'une nature différente. Plutôt que de définir un périmètre général, elle identifie des ensembles de données dont la réutilisation présente des bénéfices importants pour l'économie, la société et l'environnement, et impose des modalités de mise à disposition précises.

Le règlement d'exécution (UE) 2023/138 a établi la liste de ces ensembles et fixé au 9 juin 2024 la date limite de mise à disposition. Six catégories thématiques sont concernées : les données géospatiales, les données d'observation de la Terre et d'environnement, les données météorologiques, les données statistiques, les données sur les entreprises et leur propriété, et les données de mobilité.

Les modalités comptent autant que la liste. Ces données doivent être disponibles gratuitement, dans des formats lisibles par machine, accessibles par interface de programmation et, lorsque c'est pertinent, en téléchargement de masse. La licence doit être ouverte : la Creative Commons Transfert dans le Domaine Public, la Creative Commons BY 4.0 ou une licence ouverte équivalente. Une obligation de publier assortie de conditions techniques de mise à disposition change la nature du chantier : ce n'est plus un dépôt de fichier, c'est un service à exploiter.

Data Act : ce que le partage obligatoire change pour les entreprises privées

Le règlement européen sur les données, entré en application le 12 septembre 2025, déplace la question de l'ouverture vers le secteur privé. Il ne crée pas une obligation d'open data : il crée un droit d'accès au bénéfice des utilisateurs de produits connectés et de services associés, et une obligation de partage à la charge des fabricants.

Le mécanisme est direct. Les données générées par l'usage d'une machine industrielle, d'un véhicule, d'un équipement médical ou d'un objet du quotidien appartiennent économiquement à celui qui les génère par son usage. Le fabricant doit lui en donner accès, et doit les transmettre à un tiers désigné par lui. Les clauses contractuelles qui priveraient l'utilisateur de ce droit sont réputées non contraignantes.

Ce texte complète le règlement sur la gouvernance des données, applicable depuis septembre 2023, qui organise pour sa part les mécanismes volontaires de partage et le statut des intermédiaires de données. Ensemble, ils construisent un marché du partage encadré, distinct de l'open data mais qui en emprunte plusieurs exigences : formats exploitables, documentation, conditions d'accès non discriminatoires.

L'échéance du 12 septembre 2026 sur les produits connectés

À partir du 12 septembre 2026, les produits connectés et services associés mis sur le marché européen devront être conçus pour rendre les données accessibles de façon simple et sécurisée. L'obligation vise la conception, pas seulement l'exploitation, et elle s'applique aux produits introduits sur le marché après cette date.

Cette échéance a une conséquence concrète pour les directions techniques : les arbitrages d'architecture pris aujourd'hui sur les gammes en cours de développement déterminent la conformité des produits de demain. Un accès aux données ajouté après coup, sur une architecture qui ne l'avait pas prévu, coûte plusieurs fois le prix d'un accès prévu dès la conception. Les organisations qui travaillent déjà leur conformité par couches, comme le décrit la mise en cohérence du RGPD, de l'IA Act et des normes ISO, intègrent cette échéance dans un cadre existant plutôt que d'ouvrir un chantier séparé.

Quand ouvrir ses données a du sens : six situations qui justifient l'open data

Hors obligation légale, l'ouverture se justifie par un bénéfice identifiable avant la publication, pas par une conviction générale sur la circulation de l'information. Six situations reviennent régulièrement, et elles ont un point commun : dans chacune, l'organisation sait nommer qui va réutiliser la donnée et pour quoi faire.

L'ouverture crée un écosystème de réutilisateurs

L'ouverture prend tout son sens quand la donnée devient plus utile à mesure qu'elle est utilisée. Les horaires de transport en constituent l'exemple le plus net : ouverts, ils alimentent des applications tierces qui augmentent la fréquentation du réseau, sans que l'opérateur ait à développer ces applications.

Ce mécanisme suppose une condition rarement vérifiée en amont : l'existence d'une communauté capable de réutiliser. Une donnée technique très spécialisée, sans acteurs outillés pour l'exploiter, ne produira pas cet effet, quelle que soit sa qualité.

• Les réutilisateurs sont identifiables nommément : des start-up du secteur, des laboratoires, des bureaux d'études, des associations, des collectivités voisines. Si la liste reste abstraite, l'effet d'écosystème ne se produira pas.
• La donnée s'enrichit par le croisement : sa valeur augmente quand elle est combinée à d'autres sources ouvertes, ce qui suppose des identifiants pivots partagés (code SIRET, code INSEE, identifiant de parcelle).
• Le producteur n'a pas vocation à développer les usages : l'ouverture est justement le moyen de laisser d'autres construire ce que l'organisation ne construira pas elle-même.

L'ouverture réduit la charge des demandes ponctuelles

L'ouverture d'un jeu de données devient rentable quand elle supprime un travail récurrent. Beaucoup d'équipes passent un temps considérable à répondre à des demandes d'extraction : un journaliste, un chercheur, une administration partenaire, un élu, un client. Chaque demande mobilise une personne qui connaît la donnée, produit un fichier ad hoc et l'envoie par courriel.

Publier une fois, proprement, avec un schéma stable et une mise à jour automatique, remplace ce flux par une adresse à communiquer. Le calcul se fait en heures de traitement évitées, pas en principes. Une extraction demandée deux fois par an ne justifie pas une ouverture ; une extraction demandée deux fois par mois la justifie souvent.

L'ouverture standardise un secteur autour d'un format commun

Certaines ouvertures visent moins la donnée elle-même que le format dans lequel elle circule. Quand plusieurs acteurs d'un même secteur publient selon un schéma commun, l'ensemble devient comparable et exploitable, ce qui n'était pas le cas des mêmes données publiées chacune dans leur structure propre.

Le socle commun des données locales, porté par la communauté OpenDataFrance, illustre cette logique pour les collectivités : ce sont les schémas partagés qui rendent les publications agrégeables à l'échelle nationale. Une organisation qui publie sans se rattacher à un schéma existant produit une donnée isolée, techniquement ouverte mais pratiquement inutilisable pour toute comparaison.

L'ouverture sert une exigence de redevabilité

L'ouverture répond parfois à une demande de comptes, adressée par un régulateur, un financeur, un actionnaire ou une opinion publique. La donnée brute joue alors un rôle que le rapport de synthèse ne peut pas jouer : elle permet la vérification indépendante.

Cette situation demande une lucidité particulière. Ouvrir des données de redevabilité expose l'organisation à des analyses qu'elle ne contrôle pas, y compris critiques. C'est le prix de la crédibilité de la démarche, et une ouverture partielle, qui retiendrait les éléments gênants, produit exactement l'effet inverse de celui recherché.

L'ouverture prépare une obligation à venir

Anticiper une obligation qui approche transforme une contrainte en calendrier maîtrisé. Les organisations qui ont ouvert leurs données de mobilité avant l'échéance européenne ont traité le sujet à leur rythme, avec des équipes disponibles, plutôt que dans l'urgence d'une mise en conformité.

Cette anticipation a une valeur secondaire souvent sous-estimée : elle révèle l'état réel du patrimoine de données. Un jeu de données qu'on prépare à publier subit une inspection que rien d'autre ne provoque, et fait apparaître des problèmes de définition et de qualité restés invisibles tant que la donnée ne sortait pas de l'organisation. La démarche rejoint alors ce que produit un audit de qualité classique, à ceci près que l'échéance de publication crée une contrainte que les projets internes n'ont pas.

L'ouverture rend la donnée citable par les moteurs et les modèles

Une organisation dont les données de référence sont ouvertes et documentées devient une source pour les moteurs de recherche, les comparateurs et les modèles de langage. Une organisation dont les mêmes données restent dans un extranet n'existe pas dans ces réponses, et voit d'autres sources, parfois moins fiables, occuper la place.

Cet argument est récent et il modifie l'équilibre de la décision pour les acteurs dont la visibilité dépend de la présence dans les réponses automatisées : fédérations professionnelles, opérateurs de réseau, producteurs de référentiels sectoriels. Il ne s'applique évidemment pas aux données dont la valeur repose sur leur rareté.

👉 À lire aussi : Gouvernance des données : à quoi sert-elle vraiment (et à quoi ne sert-elle pas) ?

Quand l'ouverture des données n'a pas de sens : six cas où il faut renoncer

Renoncer à ouvrir un jeu de données est une décision aussi légitime que l'ouverture, à condition d'être motivée par une raison vérifiable et tracée. Six configurations justifient une décision négative, et la plupart des portails encombrés s'expliquent par le fait qu'aucune de ces six questions n'a été posée avant publication.

La donnée porte un avantage concurrentiel direct

Une donnée qui constitue un actif différenciant n'a pas vocation à être ouverte. Les historiques de comportement client, les paramètres de tarification, les résultats d'essais propriétaires, les données d'usage qui alimentent un modèle prédictif entrent dans cette catégorie.

La difficulté tient à la frontière. Beaucoup d'organisations classent en actif stratégique des données qui ne le sont pas, par prudence ou par habitude, et se privent d'ouvertures sans risque. Un test simple permet de trancher : si un concurrent obtenait ce jeu de données demain, que ferait-il concrètement qu'il ne fait pas aujourd'hui ? Si la réponse reste vague, la donnée n'est probablement pas stratégique.

La donnée personnelle ne peut pas être anonymisée sans la détruire

Certains jeux de données ne survivent pas à l'anonymisation. Une donnée géolocalisée à l'adresse, une trajectoire individuelle, un parcours de soin, un historique de transactions restent réidentifiables par croisement même après suppression des identifiants directs, sauf à les agréger à un niveau qui leur retire tout intérêt analytique.

Le risque de réidentification par recoupement est la principale cause d'incidents en open data. Il ne se limite pas au jeu de données publié : il naît de la combinaison entre ce jeu et d'autres sources déjà accessibles. Les organisations qui traitent sérieusement leur protection des données personnelles évaluent ce risque de croisement avant publication, et pas seulement la conformité formelle du fichier isolé.

La qualité de la donnée est inconnue ou insuffisante

Ouvrir une donnée dont on ignore la qualité revient à exposer publiquement un problème interne. Les valeurs manquantes, les doublons, les référentiels divergents, les libellés saisis en texte libre deviennent visibles de tous, et les réutilisateurs les signalent.

Ce n'est pas un argument pour attendre une qualité parfaite, qui n'existe pas. C'est un argument pour connaître et documenter le niveau réel avant de publier : taux de complétude, fraîcheur, périmètre couvert, limites connues. Une donnée imparfaite mais documentée reste réutilisable ; une donnée imparfaite et silencieuse produit des analyses fausses. Savoir ce qu'il faut mesurer pour piloter la qualité des données devient ici un prérequis à la décision d'ouvrir.

Aucun réutilisateur n'est identifié

L'absence de réutilisateur identifié est le motif de renoncement le plus fréquent, et le moins souvent invoqué. Une organisation publie parce que la donnée existe, qu'elle est propre et qu'elle ne pose pas de problème juridique. Trois raisons qui expliquent qu'une publication soit possible, aucune qui explique qu'elle soit utile.

Le résultat est mesurable : un jeu de données téléchargé deux fois en dix-huit mois, dont une fois par un robot d'indexation. La publication sans usage n'est pas neutre, elle consomme du temps de préparation et de maintenance qui manque ailleurs.

Personne ne maintiendra le jeu de données

Un jeu de données ouvert est un engagement dans la durée, pas une publication. Sans propriétaire désigné, sans fréquence de mise à jour définie et sans budget associé, la publication se dégrade en quelques mois : le fichier reste, la réalité change, et les réutilisateurs travaillent sur des données obsolètes sans le savoir.

La désignation d'un responsable est le point de bascule. Elle relève du même mécanisme que celui décrit dans le triptyque des rôles de gouvernance, où le Data Owner porte la responsabilité métier d'un périmètre de données. Un jeu de données ouvert sans propriétaire est un jeu de données qui mourra sans que personne s'en aperçoive.

La publication crée un risque de sécurité ou de détournement

Certaines données facilitent des usages nuisibles une fois assemblées. La localisation précise d'équipements sensibles, les horaires de rondes, les points de vulnérabilité d'un réseau, les caractéristiques détaillées d'infrastructures critiques relèvent de cette catégorie, même lorsqu'ils ne contiennent aucune donnée personnelle.

L'évaluation doit porter sur la donnée assemblée, pas sur chaque attribut pris isolément. Une liste d'adresses est anodine, une liste d'adresses croisée avec un type d'équipement et un horaire d'exploitation ne l'est plus. L'analyse porte donc sur le résultat de l'assemblage, jamais sur les composants pris séparément.

Comment décider d'ouvrir un jeu de données : quatre questions à trancher

La décision d'ouvrir se prend jeu de données par jeu de données, en quatre questions posées dans cet ordre. L'ordre compte : chaque question élimine des candidats, et il est inutile d'évaluer la demande d'un jeu de données qui ne peut pas être publié en droit. Une seule réponse négative suffit à renoncer.

Question 1 : la donnée est-elle publiable en droit ?

La question juridique se traite en premier parce qu'elle est éliminatoire et qu'elle ne se négocie pas. Quatre vérifications la composent.

Chacune de ces vérifications doit être documentée, y compris lorsqu'elle conclut à l'absence d'obstacle.

• Les données à caractère personnel : le jeu contient-il des informations relatives à des personnes identifiées ou identifiables, directement ou par croisement ? Si oui, l'anonymisation est un préalable, et son caractère irréversible doit être vérifié.
• Les secrets protégés : secret des affaires, secret statistique, secret médical, secret de la défense nationale. Chacun a son régime propre et aucun ne se contourne par une licence ouverte.
• Les droits de tiers : la donnée intègre-t-elle des éléments produits par un fournisseur, un partenaire ou un prestataire, protégés par le droit d'auteur ou par le droit du producteur de bases de données ? Une donnée achetée n'est presque jamais librement republiable.
• Les obligations positives : ce jeu entre-t-il dans un périmètre d'ouverture obligatoire ? Dans ce cas, la question n'est plus s'il faut publier, mais comment respecter les modalités imposées.

Question 2 : la donnée est-elle utilisable par un tiers ?

L'utilisabilité se juge du point de vue de quelqu'un qui ne connaît ni l'organisation, ni ses métiers, ni ses systèmes. C'est l'exercice le plus difficile pour une équipe interne, parce que tout ce qui lui paraît évident ne l'est pas pour un réutilisateur.

Un jeu de données utilisable réunit quatre éléments : un format ouvert, un schéma qui décrit les colonnes et leurs valeurs autorisées, un dictionnaire qui explique les termes métier, et une note de contexte qui précise le périmètre, la méthode de production et les limites connues. Cette documentation représente souvent plus de travail que l'extraction elle-même. Elle recoupe largement ce qu'un Data Catalog mis en place tôt produit déjà pour l'usage interne, ce qui explique que les organisations dotées d'un catalogue ouvrent plus vite et à moindre coût.

Question 3 : un réutilisateur l'attend-il ?

La demande se vérifie, elle ne se suppose pas. Trois sources de preuve existent, et elles sont accessibles sans étude : l'historique des demandes d'extraction reçues, les sollicitations de partenaires ou de chercheurs, et les publications équivalentes d'autres acteurs du secteur avec leurs statistiques de téléchargement.

En l'absence de toute preuve de demande, deux options restent ouvertes. Publier quand même, si le coût marginal est proche de zéro parce que la donnée est déjà propre et automatisable. Ou attendre, en documentant que le jeu est publiable et prêt, pour le sortir dès qu'une demande apparaît. Publier sans demande n'est pas une faute, publier sans demande et sans plan de maintenance en est une.

Question 4 : qui la maintient à jour dans la durée ?

La quatrième question est celle qui fait échouer le plus de démarches, parce qu'elle est posée après la publication au lieu de l'être avant. Elle se décompose en quatre engagements à formuler explicitement.

Ces engagements doivent être écrits et acceptés par la personne concernée avant la mise en ligne.

• Le propriétaire du jeu de données : une personne nommée, pas une direction, responsable du contenu et des réponses aux questions des réutilisateurs.
• La fréquence de mise à jour : annoncée publiquement et tenue. Une fréquence mensuelle annoncée et respectée vaut mieux qu'une fréquence quotidienne annoncée et abandonnée.
• La stabilité du schéma : un engagement à prévenir avant tout changement de structure, qui casse les traitements construits en aval.
• Le point de sortie : les conditions dans lesquelles la publication s'arrêtera, et le préavis donné aux réutilisateurs. Une ouverture peut se refermer, à condition de l'annoncer.

Ce que coûte réellement l'ouverture d'un jeu de données

Le coût de l'open data est presque toujours sous-estimé, parce qu'il est évalué au moment de la publication alors qu'il se concentre après. Une estimation honnête distingue trois postes, dont deux se paient chaque année.

Le coût de préparation : anonymisation, schéma et documentation

La préparation regroupe tout ce qui sépare une extraction interne d'un fichier publiable. Ce travail se fait une fois, mais il est rarement anticipé à sa juste valeur parce qu'il ne ressemble pas à un projet informatique.

Il se décompose en cinq activités distinctes, toutes portées par des personnes qui connaissent la donnée.

• L'analyse juridique : qualification des données personnelles, vérification des droits de tiers, choix de la licence. Quelques heures pour un jeu simple, plusieurs jours dès qu'un doute existe sur la réidentification.
• Le traitement d'anonymisation ou d'agrégation : suppression, généralisation ou agrégation des attributs sensibles, puis test de réidentification par croisement.
• La construction du schéma : description des colonnes, des types, des valeurs autorisées, des règles de cohérence. C'est le livrable qui conditionne la réutilisation.
• La rédaction de la documentation : contexte de production, méthode, périmètre, limites connues, historique des versions.
• La mise en place du flux : extraction automatisée, dépôt sur la plateforme, contrôle de format à chaque publication.

Le coût récurrent : mise à jour, support et stabilité du format

Le coût récurrent est celui qui décide de la survie d'une ouverture. Il comprend l'exécution et la surveillance du flux de mise à jour, la réponse aux questions des réutilisateurs, la correction des anomalies signalées, et la gestion des évolutions de structure quand le système source change.

Ce dernier point mérite une attention particulière. Un jeu de données ouvert crée une dépendance : des traitements externes sont construits sur son schéma. Toute modification de structure décidée en interne, pour des raisons internes, casse ces traitements. Ouvrir une donnée revient à accepter une contrainte de compatibilité que l'organisation ne subissait pas auparavant. Cette contrainte ressemble à celle que fait peser un usage métier critique sur une plateforme, sujet traité sous l'angle des règles de gouvernance réellement utiles.

Le coût du jeu de données ouvert puis abandonné

L'abandon a un coût qui n'apparaît dans aucun budget. Un jeu de données publié puis laissé sans mise à jour continue de produire des effets : il est téléchargé, croisé, intégré dans des analyses et cité comme source, alors qu'il décrit un état ancien de la réalité.

Trois conséquences se cumulent. Des décisions externes prises sur des données périmées. Une perte de crédibilité pour l'organisation qui publie, plus lourde que si elle n'avait rien publié. Et une charge de traitement des réclamations qui arrive au moment le plus inopportun, sans que personne ait été désigné pour y répondre.

👉 À lire aussi : Data Owner, Data Steward, Data Custodian : le triptyque pour réussir sa gouvernance des données

Open Data et IA générative : ce que l'ouverture des données implique en 2026

L'arrivée des modèles génératifs a modifié les termes de la décision d'ouvrir, dans les deux sens. Une donnée ouverte est désormais absorbée par des systèmes d'entraînement et par des moteurs de réponse, ce qui augmente sa portée et diminue le contrôle de son producteur. Ce paramètre était absent des politiques d'ouverture écrites avant 2023 et il mérite d'être réintégré dans les arbitrages.

Les données ouvertes alimentent les modèles, sans traçabilité de la réutilisation

Une licence ouverte autorise la réutilisation, y compris pour l'entraînement de modèles. En pratique, un jeu de données publié sous Licence Ouverte peut se retrouver dans un corpus d'entraînement sans que le producteur en soit informé, et sans que la mention de la source, pourtant exigée par la licence, soit visible dans les réponses produites.

Cette situation crée une asymétrie nouvelle. Les mécanismes de suivi de la réutilisation qui existaient dans l'open data classique, statistiques de téléchargement, réutilisations déclarées, contacts avec les réutilisateurs, ne fonctionnent plus quand la donnée transite par un modèle. L'organisation qui ouvre en 2026 doit accepter qu'une part de la réutilisation lui restera invisible.

Ouvrir pour être cité : la donnée ouverte comme levier de visibilité

Le même mécanisme produit un bénéfice symétrique. Une donnée de référence bien structurée, documentée et publiée dans un format exploitable a de fortes chances de devenir la source utilisée par les moteurs et les assistants pour répondre aux questions du domaine. Une organisation qui ne publie pas laisse cette place à d'autres.

Cette logique vaut particulièrement pour les producteurs de référentiels : fédérations professionnelles, opérateurs d'infrastructure, organismes sectoriels. Elle est aussi ce qui explique la vitesse d'adoption des données publiques par les outils conversationnels dans certains domaines, phénomène observable dans la manière dont l'IA générative s'installe chez les agents publics.

Ce qui doit changer dans la décision d'ouvrir

Trois ajustements suffisent à intégrer ce paramètre dans une politique d'ouverture existante. Aucun ne remet en cause la démarche, mais tous supposent une décision explicite plutôt qu'un silence.

Ces ajustements se traduisent dans la fiche de chaque jeu de données publié.

• Documenter la donnée pour la machine autant que pour l'humain : un schéma lisible, des métadonnées structurées, une description en langage naturel de ce que contient le jeu et de ce qu'il ne contient pas.
• Décider explicitement de la position sur l'entraînement : la licence retenue autorise ou non l'usage pour l'entraînement de modèles, et cette position doit être écrite plutôt que subie.
• Renforcer la mention des limites : une donnée reprise hors contexte par un modèle perd ses réserves d'usage. Les inscrire dans le jeu lui-même, et pas seulement dans une page d'accompagnement, augmente les chances qu'elles suivent la donnée.

Les alternatives à l'open data quand l'ouverture n'est pas la bonne réponse

Renoncer à l'open data ne signifie pas renoncer à faire circuler la donnée. Trois dispositifs intermédiaires permettent de créer de la valeur avec des tiers tout en conservant la maîtrise des conditions d'usage, et ils répondent à la plupart des situations où l'ouverture totale a été écartée.

Le partage contrôlé par interface de programmation ou par contrat

Le partage contrôlé consiste à donner accès à des tiers identifiés, avec une traçabilité des accès et des conditions d'usage définies. Techniquement, il repose sur une interface de programmation avec authentification, sur des jetons d'accès nominatifs et sur une journalisation des appels. Juridiquement, il repose sur un contrat de partage qui précise les usages autorisés, la durée et les obligations de sécurité.

Ce dispositif convient aux données à forte valeur dont la réutilisation doit rester encadrée : données clients agrégées partagées avec un distributeur, données d'usage transmises à un fournisseur pour améliorer un produit, données de production échangées entre acteurs d'une chaîne d'approvisionnement. Il suppose en revanche une capacité d'exploitation que l'organisation doit évaluer honnêtement, puisqu'un accès partagé est un service avec ses exigences de disponibilité.

Les espaces de données sectoriels

Les espaces de données rassemblent plusieurs organisations d'un même secteur autour de règles communes de partage, sans centraliser les données chez un acteur unique. Chaque participant reste détenteur de ses données et consent à des échanges selon des règles négociées collectivement, appliquées par une infrastructure technique partagée.

Le règlement européen sur la gouvernance des données a créé le cadre juridique de ces dispositifs, notamment le statut des intermédiaires de données et celui des organisations altruistes en matière de données. Le modèle de responsabilité qu'ils supposent, avec des domaines autonomes et des règles fédérées, recoupe la logique décrite dans l'approche Data Mesh, appliquée cette fois entre organisations plutôt qu'à l'intérieur d'une seule.

La publication d'indicateurs agrégés plutôt que de données brutes

La publication d'agrégats répond aux situations où la demande porte sur une information, pas sur un fichier. Un indicateur mensuel, une répartition par catégorie, une série temporelle consolidée satisfont souvent le besoin réel des demandeurs, sans exposer la donnée individuelle.

Cette solution a un avantage décisif sur le plan juridique : l'agrégation à un niveau suffisant fait sortir la publication du champ des données personnelles, quand elle est correctement dimensionnée. Elle a une limite tout aussi nette : les agrégats ne se recombinent pas. Un réutilisateur qui a besoin de croiser la donnée avec une autre source ne pourra rien en faire, et la publication d'agrégats ne remplacera jamais une ouverture pour ce type d'usage. La construction de ces indicateurs relève de la même discipline que celle qui définit qui est responsable de la qualité des données dans l'organisation.

👉 À lire aussi : RGPD à l'ère de l'IA : comment rester conforme sans bloquer les cas d'usage ?

Ouvrir ou ne pas ouvrir : ce qu'il faut trancher avant de publier

Une politique d'ouverture tient en trois décisions, prises dans cet ordre et écrites noir sur blanc. La première porte sur le périmètre obligatoire : ce que l'organisation doit publier, avec quelles modalités et à quelle échéance. Cette partie ne se discute pas, elle s'organise.

La deuxième décision porte sur le périmètre choisi. Elle se prend jeu de données par jeu de données, avec les quatre questions posées plus haut, et elle se documente y compris quand la réponse est négative. Un refus d'ouverture motivé et tracé vaut mieux qu'un silence, parce qu'il évite de rouvrir le débat tous les six mois et qu'il permet de réviser la décision quand le contexte change.

La troisième décision porte sur les moyens. Un jeu de données ouvert sans propriétaire, sans fréquence annoncée et sans budget de maintenance est un engagement que l'organisation ne tiendra pas. Mieux vaut publier moins et tenir que publier beaucoup et laisser mourir. Ce principe est le même que celui qui évite à une démarche de gouvernance de devenir une usine à gaz : la capacité d'entretien fixe le périmètre, pas l'inverse.

Reste à qualifier ce que l'ouverture produit réellement. Une donnée ouverte n'est ni un acte de générosité ni un abandon d'actif. C'est un produit de données mis à disposition d'utilisateurs qui ne sont pas dans l'organisation, avec les mêmes exigences que pour un produit interne : un responsable, une documentation, un engagement de service et une date de fin quand il n'est plus utile.