Bonjour à toutes et à tous, merci d’être là.
Je suis ravi d’être présent à Brest avec vous. Cela a plusieurs significations pour moi. J’ai commencé à contribuer à OpenStreetMap [1] à Brest. J’étais à Télécom Bretagne, juste à côté. C’est donc assez intéressant de faire cette présentation aujourd’hui, plus de dix ans après. C’est un plaisir de vous avoir parmi nous pour vous donner le retour d’expérience, pas mal de choses.

Bonjour !

Une petite précision. J’interviens ici au titre de la Fédération des professionnels d’OpenStreetMap [2] et de Datactivist [3], coopérative dans laquelle je suis associé depuis 2022 et dans laquelle, avec mes collègues, nous conseillons des acteurs publics dans la gouvernance de la donnée, sujet difficile. Cette coopérative qui a été fondée en 2016, à la naissance de la loi pour une République numérique [4]. Le sens qu’on y donne, c’est tout de suite l’open data et la manière dont on peut mieux partager, ce qui est tout à fait conforme avec mon engagement dans OpenStreetMap, qui est plus ancien, mais qui recoupe complètement mon action de cette coopérative.
Je suis ingénieur télécoms de formation, j’ai travaillé dans différentes entreprises avant de rejoindre Datactivist, et je suis spécialisé dans la gestion des infrastructures. Donc forcément, ce que je vais vous proposer aujourd’hui sur le sujet de la confiance et de la qualité, c’est de l’aborder avec des retours d’expérience qui ont été acquis auprès de gestionnaires de réseau, de collectivités organisatrices de ces activités en réseau. Mais rassurez-vous, si ce n’est pas votre cœur d’activité – aujourd’hui, dans cette journée, on rassemble évidemment plein de sensibilités –, le but n’est pas de faire de vous des spécialistes de la gestion des réseaux, le but c’est d’illustrer ce que je vais vous expliquer avec des retours d’expérience concrets. Nous allons donc être amenés à rentrer dans un certain nombre de détails, mais ce n’est pas fait pour être compliqué, c’est fait pour vous illustrer ça avec du vécu, du terrain et des problématiques concrètes. Vous allez certainement apprendre des choses, mais le but c’est aussi d’avoir une discussion, donc, si jamais ça venait à ne pas être clair, n’hésitez pas à lever la main.
Qu’est-ce que je vous propose dans cet atelier ? Plusieurs phases.
Une première partie d’explications, parce qu’il faut bien que je vous dise d’où cela vient et surtout de quelle qualité, de quelle confiance on va parler dans les données collaboratives d’OpenStreetMap.
Je voulais vous expliquer aussi ce qu’on fait, un des projets qui a été mené d’abord par l’association OSM France, de laquelle j’ai été administrateur de 2018 à 2024, le partenariat avec Enedis pour cartographier un grand nombre d’objets, une si grande quantité qu’on peut légitimement se dire qu’ils n’y arriveront jamais, d’une part, et, en plus, que ce qu’ils vont faire va être n’importe quoi. Je vais vous montrer comment on relève ces défis parce que l’ampleur de la tâche est suffisamment significative pour regarder ça avec attention.
Et in fine, parce que vous n’êtes pas venus là pour dormir, vous proposer d’y contribuer en séance. Je vois que plusieurs d’entre vous ont des ordinateurs, donc je pourrais également vous montrer, si on a le temps et si vous en avez l’envie, comment vous pouvez vous aussi contribuer pour vous rendre compte non seulement de la qualité que vous êtes capable de produire, mais aussi de la confiance que vous pouvez avoir dans les productions passées.

De quelle qualité parle-t-on ici ?

Si cela vous va, on peut rentrer dans le vif du sujet, donc s’interroger sur ce qu’est exactement la qualité ? Quand vous êtes entré dans cette salle, que vous vous êtes dit « je vais essayer d’en savoir plus sur la qualité des données OSM », de quoi on parle ? L’objet n’est pas de dire « mes données sont bonnes ou mauvaises », pas du tout. Je retiens et je vous propose mon cadre de lecture, ma vision, il y en a d’autres. Il y a trois catégories qui peuvent entrer en ligne de compte.

D’abord la cohérence. On a des outils, que ce soit mathématiques, informatiques, scientifiques en tout cas, pour examiner la cohérence de certaines données. Par exemple, la redondance qu’il va y avoir dans certains attributs. Quand vous avez deux champs dans une table attributaire qui répètent la même information, vous considérez que votre modèle de données n’est pas tout à fait cohérent. Vous allez répéter de l’information, vous allez donc pouvoir introduire des incohérences dans vos données. Ça va poser un certain nombre de problèmes.

Après, vous allez avoir l’exhaustivité. Est-ce que j’ai tous mes objets ? Est-ce que je n’en ai aucun ? Est-ce que j’en ai quelques-uns disséminés quelque part sans être capable de dire à quel niveau de complétude je me situe ? Ça s’examine, ça se mesure, on peut les comparer, etc., et on rentre quand même plus dans les détails que de se demander si c’est bon ou mauvais.
Rien que sur ces deux critères, la cohérence et l’exhaustivité, vous allez déjà vous poser un certain nombre de questions.

Et puis, puisqu’on parle de données géographiques, vous avez aussi la qualité, la précision du positionnement de ces objets dans les coordonnées géographiques que vous utilisez : est-ce que mon objet est situé à plus ou moins dix mètres, plus ou moins un kilomètre ou plus ou moins dix centimètres ? Ça donne la précision de votre positionnement. On renvoie directement à l’idée de confiance puisque si votre objet est positionné à plus ou moins un kilomètre, vous êtes en droit de vous demander s’il est bien placé dans la bonne commune. Sur OpenStreetMap, si on commence à mettre des trucs sans zoomer au-delà du niveau régional et qu’on commence à poser des points, vos objets ne vont pas se retrouver exactement là où vous espérez qu’ils se trouvent. La notion de précision dans les coordonnées est donc importante.

Ça tombe bien et c’est vraiment destiné à vous donner confiance. Sur OpenStreetMap, on n’est obligé de rien du tout vis-à-vis de ces trois critères. Dans les tags qu’on impose sur OpenStreetMap, on peut utiliser ceux qu’on veut, on peut donc introduire des normalisations comme on veut. On n’est pas obligé de collecter tous les objets sur le terrain et la précision de la localisation, franchement, on fait un peu ce qu’on veut, on n’est astreint à aucune donnée de précision. Vous allez me dire « tu ne vends pas vraiment très bien ton affaire. On ne va pas pouvoir faire grand-chose de la soupe que tu nous sers aujourd’hui ! ». Pourtant, je vais vous expliquer comment vous pouvez faire avec ce qu’on a. L’objet de cette présentation ce n’est pas de vous expliquer qu’OpenStreetMap a juste sur tous les tableaux. C’est aussi assumer une partie de nos erreurs et dire qu’on va devoir faire avec ce qu’on a et je vous assure qu’il y a plein de choses à faire avec ce qu’on a.
Donc, retenez bien ces trois critères-ci. Je vais vous expliquer, on a un certain nombre de méthodes pour tester tout ça.

Des travaux sont déjà avancés, en France et ailleurs

Ça fait appel à des travaux, on n’a rien inventé. Des travaux excessivement sérieux sont menés en France, à l’international, sur la notion de qualité des données géographiques. Je vous en cite trois ici, vous pouvez vous y référer, mais il y en a d’autres, vous en trouverez d’autres, évidemment :
d’abord la norme ISO 19 157 [5] qui vise à fixer un cadre dans lequel on va pouvoir tester la qualité de nos données ;
les travaux du CNIG [Conseil national de l’information géolocalisée] au niveau français. Le CNIG a normalisé un cadre de métadonnées pour garder trace de ce que précise la norme ISO. Vous allez donc avoir tout un tas de données que vous allez pouvoir ajouter à vos jeux de données pour préciser la qualité ;
et les fiches du Cerema [Climat & Territoires de demain] [6] qui sont très utiles, là aussi, pour comprendre et mettre un peu de pratique dans tout ça, y compris sur les données OpenStreetMap.
Je trouverais très intéressant qu’on commence à mesurer ce qu’on est en train de faire sous l’angle de ces cadres-là pour avoir une idée, tout simplement, savoir où on se trouve, parce que, quand on a des moyens de mesurer, on peut s’améliorer, c’est aussi ça l’esprit.

Avoir confiance malgré la lacunarité

Quand je vous disais qu’on va chercher à faire avec ce qu’on a, il faut que vous compreniez comment la communauté OpenStreetMap fonctionne. Il y a des choses qu’on peut attendre de sa part, sur lesquelles elle va très bien réagir pour organiser des projets de crowdsourcing qui sont excessivement conséquents et puis, il y a des régimes sur lesquels elle va s’essouffler assez vite, un peu comme le moteur de votre voiture, il y a des régimes dans lesquels il fonctionne très bien, puis d’autres où ça patine un peu.
Et en ce qui concerne le crowdsourcing, puisque c’est un trait assez particulier de l’action de la communauté, l’effet de Pareto [7] se retrouve à plusieurs égards. Vous en trouverez ici trois. Intéressez-vous à la forme très qualitative de ces courbes, mais aussi de la zone verte qui représente le régime dans lequel la contribution OpenStreetMap est particulièrement efficace.

Le premier. Quand on s’attaque à un sujet pour lequel on se dit qu’on va lancer un crowdsourcing sur le territoire de sa commune, de son pays ou de son continent, quand on part d’un terrain assez vierge, ça va évidemment démarrer très vite. Quand le sujet est bien choisi, qu’on a des objets à proximité de la plupart des contributeurs, ils vont contribuer très vite. Ils savent qu’il y a quelque chose à proximité de chez eux qui peut répondre à la question. là on va avoir une contribution très dynamique, d’ailleurs les gens vont apprécier parce que ça va être très facile.
À l’inverse, si vous dites « j’ai 100 objets sur le continent européen qui sont super durs à trouver, débrouillez-vous et surtout, soyez motivés parce qu’il nous les faut très vite. » Là vos contributeurs ne vont pas être satisfaits, ils vont devoir parcourir de grandes distances pour trouver l’information que vous leur proposez de trouver. Ça ne va donc pas être très efficace, c’est l’objet de la première courbe.

La seconde courbe vise montrer qu’on est efficace, évidemment, on n’exclut personne dans ce régime, mais, dans un projet de contribution, 90 % de la contribution est effectuée par 10 % des contributeurs. Le noyau dur que vous arrivez à convaincre va s’intéresser au truc. Les autres vont contribuer de manière plus occasionnelle et très opportuniste : chaque fois qu’ils vont voir un truc, ils vont le mettre dans la base. C’est pour cela que, sur beaucoup de projets de crowdsourcing, on va avoir un très petit noyau de contributeurs qui va se mettre à agir et une traîne plus ou moins longue de gens qui vont placer un ou deux objets. Ça veut dire qu’il faut évaluer la qualité au regard de cela : vous avez des gens hypermotivés et d’autres un peu moins, il faut donc jongler, il faut savoir ce qu’ils font. Il faut évidemment mesurer.

Vous avez aussi une question sur ce que je disais tout à l’heure : la complétude joue aussi beaucoup sur l’effet de satisfaction des gens. Comment les contributeurs réagissent-ils aux signaux ? Ils regardent les rendus. Sur OpenStreetMap, on a beaucoup l’effet de satisfaction quand on regarde le rendu se compléter avec ce qu’on est en train de faire. Quand vous complétez un centre-ville, qu’il n’y avait rien, que vous mettez tous les bâtiments, les espaces verts, les commerces, etc., que, d’un coup, votre rendu s’étoffe, là, vous êtes très satisfait, vous avez vraiment l’impression de ne pas avoir perdu votre journée et ça marche très bien parce que vous partiez d’une feuille blanche.
Quand vous ajoutez un ou deux magasins au milieu d’un centre-ville qui est déjà bien fourni, l’effet est moins satisfaisant.
Ça veut donc dire que dans l’organisation de votre projet de crowdsourcing, vous allez devoir regarder à quel niveau vous vous situez : est-ce qu’il faut vraiment intensifier la communication pour motiver les gens parce qu’il en reste peu à faire ? Ou, au contraire, il en reste beaucoup à faire et, là, forcément, vous n’allez pas avoir besoin de faire beaucoup d’animation.

Tout cela joue sur la qualité et la complétude, évidemment. Vous avez besoin de savoir où vous vous trouvez sur ce cadre finalement, pour savoir où vous en êtes et savoir ce que les gens vont produire. Il faut avoir conscience de ce fonctionnement-là : la communauté OSM n’est ni constante dans son action, ni linéaire. L’objet de ces courbes, c’est aussi de vous montrer cela.

Mesurer pour agir

Je vous propose, à partir de maintenant, qu’on cherche quand même un peu à mesurer. Si on se place, par exemple, du point de vue d’un chargé de mission dans une collectivité qui va être chargé de trouver les problèmes dans ses propres référentiels et de tirer le meilleur des données OpenStreetMap pour les compléter, il va avoir besoin de mesurer de tous les côtés. Il va avoir besoin de mesurer ce qui se passe sur OpenStreetMap pour avoir confiance dans une partie de la base et pas dans l’autre et il va avoir besoin de mesurer sa propre base pour savoir où sont ses faiblesses et savoir comment on peut réconcilier les deux.
Aujourd’hui, ce sont des outils que l’écosystème logiciel d’OpenStreetMap fait progresser dans cette voie pour faire ces mesures, identifier les différences, je vais vous en donner deux juste après. C’est pour expliquer que pour faire cette réconciliation, finalement avoir confiance dans les données OpenStreetMap parce que vous en connaissez les faiblesses et les forces, il faut mesurer et il faut analyser, si possible quotidiennement, ce qui se passe dans la base parce qu’un état que vous pouvez mesurer en janvier d’une année va complètement changer en novembre quand vous aurez passé les bons messages à la communauté. C’est absolument essentiel.
J’attire votre attention sur la dure tâche du chargé de mission qui va devoir, éventuellement, regarder ce qu’il y a dans OSM pour prendre des décisions. D’ailleurs il ne va pas le faire qu’avec sa base et avec OSM, il va probablement le faire avec une multiplicité de sources. Cela contribue aussi à l’impression de confiance qu’on va avoir dans les données OSM parce qu’en les comparant à ces différentes sources, vous allez savoir si, dans OSM, finalement, on en retrouve 70 % ou, au contraire, on ne retrouve rien du tout. Je suis sûr que dans l’une ou l’autre de vos problématiques, au quotidien, vous êtes dans cette situation, vous ne le savez peut-être pas. Je vous incite à vous poser la question de savoir s’il n’y a pas différentes sources qui pourraient vous aider dans votre tâche et, une fois que vous les aurez identifiées, chercher à les comparer et ce n’est pas simple parce qu’elles ne sont jamais formatées pareil, elles n’ont pas le même modèle de données, elles ne sont, évidemment, pas très réconciliables avec OpenStreetMap. Donc là, vous allez vous demander franchement comment faire, comment s’en sortir. D’où l’idée d’automatiser ces traitements, d’avoir des tableaux de bord qui vous renseignent quand même de manière très efficace dans ce que vous faites, parce que vous n’allez pas pouvoir passer votre journée à faire ces mesures manuellement. C’est excessivement chronophage de se trouver dans cette position-là, j’espère que vous en avez conscience.

Quelques outils pour mesurer

Il se trouve que, sur OpenStreetMap, on a différentes solutions pour vous aider dans cette tâche. On n’est pas à vous dire « allez vous prenez vos.csv et vous commencez à fouiller dedans », parce que vous allez y passer vraiment du temps.
Je voulais revenir sur deux outils qui existent dans la communauté OpenStreetMap.

Premier exemple : Osmose

Là aussi, petit exercice de pensée : si vous le connaissez, essayez d’oublier la page web d’Osmose, celle que je vous montre là, en partie, essayez de vous souvenir à quoi ça sert.
Osmose [8] sert à faire des comparaisons avec des sources tierces et des analyses de qualité.
Donc, dans Osmose, on va référencer des jeux de données ouvertes, par exemple le référentiel que votre collectivité produit, et on va aller le comparer avec OpenStreetMap et on va le faire tous les jours. Osmose va pouvoir nous dire avec cette courbe que vous voyez à droite « aujourd’hui, il vous en manque tant. Hier, plutôt, il vous en manquait tant et demain vous verrez, après l’actualisation, ce qu’il vous manque à nouveau après avoir contribué. C’est efficace parce que, du coup, tous les jours, vous allez avoir cette information.
Osmose va aussi faire des contrôles qualité internes à OpenStreetMap. On va pouvoir repérer les problèmes, des problèmes de différentes natures, parfois très compliqués. L’avantage d’avoir ce système automatique, c’est que vous allez pouvoir faire ces traitements compliqués, vous allez pouvoir oublier le souci d’avoir à les produire tous les jours.
Ce que je vous dis est un peu abstrait, mais en vrai, une fois qu’on s’y met – le projet que je vais vous montrer après va vous illustrer comment on utilise ça –, la vie est beaucoup plus facile. Le chargé de mission que j’avais mis sur mon schéma tout à l’heure est beaucoup plus heureux parce qu’il va avoir des indicateurs pertinents pour faire son métier et se concentrer sur ses tâches de chargé de mission.

Donc retenez bien qu’Osmose, au-delà de son frontal web, peut aussi vous fournir ses indicateurs bruts que vous pouvez utiliser dans des tableaux de bord beaucoup plus ergonomiques si vous le souhaitez. C’est là sa vraie valeur ajoutée que de concentrer les contrôles qualité avec l’open data et avec OpenStreetMap pour pouvoir livrer ses réponses.

Deuxième exemple : LeBonTag

Le deuxième outil, c’est LeBonTag [9] dont l’initiative revient à la métropole de Montpellier qui est à l’origine de ce logiciel, qui est non seulement utilisé, qui permet d’aller plus loin encore que le contrôle qualité et de pouvoir recevoir de la communauté des contributions dans un référentiel qu’on a soi-même constitué. C’est-à-dire que tout à l’heure, mon chargé de mission avait un fichier qu’il devait entretenir. Là, on va mettre de côté ce fichier et on va utiliser OpenStreetMap pour initialiser à nouveau le référentiel qu’on va maintenir. Et tous les jours, on va recevoir des contributions de la communauté qui vont changer des choses.
La métropole de Montpellier s’en sert sur son filaire de voirie. Elle avait un filaire de voirie dans son SIG [Système d’Information Géographique], elle l’a mis de côté, elle a réinitialisé un nouveau référentiel avec les données d’OpenStreetMap et tous les jours, dès qu’on crée un rond-point, dès qu’on crée un tram, dès qu’on modifie une intersection, la communauté OpenStreetMap, dont les agents de la métropole font partie, vont contribuer et vont alimenter le référentiel. Vous allez me dire qu’il est un peu hors de question que des tiers que je ne connais pas viennent éditer le contenu de ma base de données, je ne peux pas leur faire confiance, ils vont faire n’importe quoi ! C’est l’idée de LeBonTag qui, en fait, se place comme une espèce de garde-barrière et qui va présenter aux agents de la collectivité, qui sont tout à fait légitimes à cela, de juger le bien fondé de telle ou telle modification. La collectivité garde la main sur les données qui sont produites, peut valider chaque contribution et a donc parfaitement confiance dans ce qui est produit parce qu’elle vise absolument tout. Et dans le cas où ça arrive, on a bien conscience que sur OpenStreetMap on peut avoir du vandalisme, dans le cas où un vandalisme se présente, ils peuvent rejeter en masse la modification sans porter atteinte au référentiel qui, lui, est toujours dans les mains de la collectivité, initialisé à partir des données OpenStreetMap.

Donc comprenez bien le sens de ces deux outils. Je fais usage à haute dose d’Osmose, de LeBonTag, pour gagner en confiance, pour mesurer et ensuite avoir confiance dans les modifications qui sont présentées.
J’espère que c’est clair.

Peut-on faire confiance aux référentiels ?

Si vous me permettez cette impertinence, puisqu’on a parlé d’OpenStreetMap et de la confiance qu’on pouvait avoir dans les données collaboratives, j’aimerais, aujourd’hui, retourner la question : est-ce qu’on peut vraiment faire confiance à tous les référentiels ? Le doute est permis, puisque dans le débat habituel, on oppose souvent, même inconsciemment, les données collaboratives et les données référentielles, tentons de regarder si on ne peut pas trouver un terrain d’entente parce qu’on ne va pas opposer les deux. Mon but, c’est de réunir tout ça et de vous expliquer que même en tant que gestionnaire de patrimoine ou en tant que gestionnaire de référentiel, vous avez, en fait, les mêmes problèmes que les contributeurs OpenStreetMap sur leur terrain.
J’ai pris deux exemples, ce ne sont peut-être pas les meilleurs, on va voir, en tout cas ce sont des exemples que je connais très bien et je vous incite à chercher sur vos terrains les mêmes exemples.

Le cas des réseaux publics de distribution d’électricité

Le premier, c’est assez compliqué, pour la transition énergétique ça peut être utile, c’est la complétude du cadastre.
Pour la distribution d’électricité, vous avez ce qu’on appelle des transformateurs dans le quartier. Vous avez des petits bâtiments qui viennent contenir les composants du réseau électrique, des boîtes vertes dans lesquelles il y a les équipements du réseau. Pour certains, ce sont des bâtiments, les plus gros, comme vous voyez en haut à droite, ce sont des bâtiments, des cabines haute tension.
Il se trouve qu’on a un jeu de données ouvertes dans lequel l’exploitant du réseau de distribution nous donne des points. Il nous dit « sur tous ces points, vous avez potentiellement des bâtiments. Peut-être des bâtiments, peut-être des plus petits composants, des armoires ou des poteaux, mais certains sont des bâtiments. »
A l’inverse, vous avez le RNB, le Référentiel National des Bâtiments, qui contient les géométries des bâtiments, des polygones, mais il ne vous dit pas ce que c’est ; vous savez que c’est un bâtiment, mais il ne vous dit pas ce qu’il y a dedans. Vous avez évidemment les bâtiments de la distribution électrique, mais je dois dire que c’est un détail au milieu de tout ça, vous avez les immeubles, les bâtiments d’habitation, les services publics, tout est dans le RNB, tout est référencé.
Et au milieu, vous avez le cadastre qui référence d’abord les parcelles cadastrales, mais qui référence aussi le bâti sur ces parcelles.
J’ai été pris d’un doute. Un jour, je me suis demandé si entre OpenStreetMap, l’open data, le cadastre et le RNB, tout le monde est vraiment bien aligné. Ce qui est sûr c’est que, sur OpenStreetMap, on n’a pas tous les bâtiments, certains. Par contre, quand on croise tout ça, j’ai fait l’exercice sur un EPCI [Établissement public de coopération intercommunale], le Grand Annecy : j’ai pris 1000 cabines et j’ai regardé ce qu’il en était sur le RNB. Ce que vous voyez au milieu, les indicateurs, c’est le comparatif. Sur le Grand Annecy, il y a deux exploitants de réseau différents. Et vous voyez que pour ces deux exploitants, sur le RNB, il manque à peu près la moitié des bâtiments connus d’OpenStreetMap. L’inverse marche aussi. Si je prends les bâtiments du RNB, peut-être que sur OpenStreetMap je vais trouver des manques. Il y a une intersection, mais ça ne se recouvre pas, mais on a fait l’exercice dans un sens. Et puis, j’ai regardé aussi le cadastre. Le cadastre, ce n’est pas 50 %, mais c’est une trentaine de pourcents.
Donc, tout cela flotte un petit peu. Les uns ont des informations, les autres en ont d’autres. On s’aperçoit que quand on commence à faire la réconciliation des deux, on a des surprises. Et ça, à vrai dire ce n’est pas très courant comme processus. D’ailleurs, si je vous parle du cadastre, vous allez naturellement avoir confiance, vous vous dites que c’est la donnée d’autorité, c’est l’administration qui maintient ça, donc vous avez de bonnes raisons d’avoir confiance dans ce référentiel. Si je vous parle d’OpenStreetMap, c’est complété par des amateurs, on n’est pas sûr !
Le but, c’est de dépasser un petit peu ces approches qualitatives et d’aller regarder vraiment ce qu’il en est. En fait, quand on regarde ce qu’il en est, on s’aperçoit que tout le monde repart avec des devoirs à la maison. C’est ça l’esprit.
Là, j’ai pris par le petit bout de la lorgnette. J’avais 1000 bâtiments, j’ai regardé ce qu’il en était. Je pense que sur d’autres sujets, on a les mêmes problématiques. L’avantage qu’on a, c’est que tout à droite, vous avez les points qui sont livrés par le gestionnaire de réseau et le gestionnaire de réseau a les moyens de dire si ce sont des bâtiments ou non. Il pourrait donc apporter quelque chose pour atteindre la complétude chez tout le monde et il ne faut pas le négliger. Certes, vous allez demander à des contributeurs d’aller chercher les bâtiments qui manquent, mais vous pourrez peut-être trouver des informations à d’autres endroits pour les fusionner.

J’espère que vous comprenez le sens de cette démarche et l’intérêt que ça peut présenter sur l’un ou l’autre des domaines, bien sûr. Le but, c’est de transposer cette idée et d’aller regarder ce qui se passe dans les commerces, dans différentes choses. Sur les commerces, c’est absolument sûr que vous aurez ces problèmes en 1000 fois pire, que ce soit les référentiels des CCI [Chambres de commerce et d’industrie], des communes, de la base Sirene [données sur l’état civil des entreprises et établissements français], j’espère pas, mais on pourrait avoir des surprises, et enfin, d’OpenStreetMap, évidemment.

Combien y a-t-il d’éoliennes en service dans l’hexagone ?

Deuxième exemple et là, j’ai envie de vous poser une question : est-ce que vous êtes capable d’estimer le nombre d’éoliennes en service dans l’hexagone, sur terre et en mer, et, quand je dis éoliennes, ce sont les aérogénérateurs de plus de 50 mètres de haut. Je vous donne des possibilités :
A : 4730
B : 8773
C : 10 700
D : la réponse D.
Qui pencherait plutôt pour le A ? OK. Visiblement, vous n’êtes pas convaincu par le A.
Le B ? OK. Personne. Deux personnes sur le B. Très bien.
Le C ? Oui. Très bien. OK.
Et le D ? OK. Je vois que vous êtes joueurs.
En fait, A, B, C, vous avez tous raison. Mince ! Ça dépend à qui vous demandez. Eh oui ! En fait, quand je vous parle d’éoliennes, vous pensez à la transition énergétique. Oui, mais en fait, ça a un impact sur l’environnement, ça a un impact sur la circulation des avions, ça a un impact sur la contribution à OSM parce qu’on les voit. En fait, ça dépend à qui vous demandez, mais vous pouvez avoir l’une ou l’autre de ces réponses, pour de vrai jusqu’à hier soir, j’ai regardé ce qu’il en était.
Tout à gauche vous avez les gestionnaires de réseau [ODRÉ, Open Data Réseaux Énergie]. Ce n’est pas top. [4730]
Après, vous avez la protection de l’environnement, donc les services du ministère de l’Environnement avec la Direction Générale de la Prévention des Risques, qui forcent les exploitants d’installation à déclarer, à faire une déclaration spécifique. Là, on voit que ça n’est pas forcément bon. [8773]
OpenStreetMap, ce sont des gens qui vont contribuer par intérêt, mais, visiblement, ils en ont recensé 10 740.
Et puis, enfin, vous avez ceux qui assurent la sécurité des vols de l’aviation civile Là, vous comprenez que si on oublie une éolienne il y a un vrai risque d’accident. Par rapport aux trois autres thématiques, là, vous avez un vrai risque pour la vie humaine. Ça explique donc les différences. Et, en l’occurrence, on estime que c’est la DGAC [Direction générale de l’aviation civile] qui a le chiffre le plus proche de la réalité. Et quelle règle utilise-t-on ? On divise la puissance installée par la puissance moyenne des équipements et on peut être plus précis en utilisant même les années d’évolution de cette puissance et on se rapproche du chiffre de 11 000 aérogénérateurs. Mais vous êtes en droit de vous demander pourquoi on a de telles différences, du simple au double. En l’occurrence, les données en crowdsourcing n’ont pas démérité dans cette quête d’exhaustivité.

Pour aller plus loin dans votre découverte

Est-ce que c’est clair jusque-là pour cette grosse introduction ? Il n’y a pas que ça.
J’ai quelques références, je ne vous ai pas mis les liens parce que vous n’allez pas les recopier, mais on a des présentations évidemment beaucoup plus étayées des outils dont je vous ai parlé, à commencer par les tags, une présentation que j’ai faite au State of the Map 2022, si ma mémoire est bonne, mais aussi des présentations d’Osmose et d’autres outils pour le contrôle qualité. On se tient à votre disposition pour vous fournir les liens sur les vidéos que vous retrouvez globalement sur le PeerTube d’OpenStreetMap France [10] et [11] On vous incite à les regarder parce que ça va vous détailler vraiment le fonctionnement des logiciels si vous voulez les utiliser dans vos propres contextes.

J’espère que, sorti de ça, vous retenez bien que l’objet n’est pas de savoir si OpenStreetMap a tout bon. Le tout est de savoir où est-ce que vous pouvez faire confiance à OpenStreetMap ett ces solutions sont de nature à vous renseigner.

Inventorier l’indénombrable

Il se trouve, pour cette deuxième partie, que OpenStreetMap est en réalité redoutablement efficace pour recenser ce que j’appelle l’indénombrable.
Quand vous avez des commerces, par exemple, vous êtes incapable de dire combien vous avez de commerces établis en France à un instant T. D’ailleurs si je vous disais « allez et recensez les commerces », je pense que vous me diriez « je ne sais pas par quel bout prendre le problème », soyons clairs ! Et pourtant, OpenStreetMap est très bon à cela parce que, dès le début de ce recensement, sur une partie, vous allez pouvoir déterminer si les éléments qui ont été recensés sont conformes à d’autres référentiels. Comprenez bien que pour se servir d’OpenStreetMap, on ne va pas attendre que vous ayez tous les commerces. Vous allez commencer par en avoir certains, vous allez pouvoir comparer les référentiels entre eux. Et l’intérêt, la nuance qu’il faut comprendre, c’est de savoir si on peut commencer à faire confiance dès le début du travail, qui va prendre des années, voire qui ne sera jamais terminé, soyons clairs. On part en recensant les commerces, on n’est vraiment pas sûr d’avoir terminé un jour, c’est complètement asymptotique.

Les réseaux de distribution électrique

J’aimerais vous parler de l’exemple des supports du réseau de distribution électrique, en France, c’est un projet que j’ai lancé il y a plus de six ans maintenant.
On avait un petit problème pour plein de thématiques, je vais vous expliquer lesquelles, pour savoir où sont implantés les poteaux et, en réalité, on ne sait pas, personne ne sait combien ont été implantés. Ce sont des déploiements qui ont pris des dizaines d’années, du début du 20^e siècle jusqu’à maintenant. Honnêtement, là vous avez un exemple parfait de « je ne sais plus où j’ai mis mes affaires ». Vous voulez un sujet parfait, en voilà un, il y en a plein d’autres. En fait, avec les poteaux, on a de multiples sujets.
Il y a évidemment l’électrification qui est pratiquement complète.
Ça pose des questions pour le déploiement de la fibre puisque certains poteaux du réseau électrique sont utilisés pour cela, donc de grandes ressources ont été allouées pour faire un recensement approximatif là où ça pouvait être le plus utile.
Vous avez aussi l’adaptation au changement climatique. C’est l’avantage de faire cette journée à Brest aujourd’hui. On est sur un territoire qui est touché par des événements climatiques à répétition et les réseaux électriques aériens sont vulnérables. Ce n’est pas le seul endroit, il n’y a pas que les tempêtes qui portent atteinte au réseau électrique, il y a les incendies, les feux de forêt. Évidemment, quand vous avez des poteaux en bois au milieu de la forêt, les poteaux partent avec la forêt.
C’est donc quelque chose qu’il faut maîtriser pour gérer le patrimoine public. En réalité, c’est le patrimoine des communes. Quand on fait ça sur OpenStreetMap, on le fait en partenariat avec le distributeur d’électricité Enedis, qui a cru en cette initiative, mais, en réalité, on documente le patrimoine public. Quand les bénévoles s’investissent, ils rendent service aussi à la puissance publique qui possède le patrimoine et qui a bien du mal à savoir ce qu’il en est, où il se trouve et pas que là où il se trouve, c’est de quelle année il date et dans quel état il est.
On s’est donc dit « voilà un sujet sur lequel OpenStreetMap peut avoir sa pertinence ». Je peux vous assurer que quand j’ai lancé cette idée, les gens m’ont regardé en disant « non, en fait vous n’allez pas pouvoir faire ça. Ça fait des années qu’on galère sur le sujet. Notamment en 2020, le déploiement de la fibre était en cours depuis dix ans déjà et, depuis dix ans, on avait besoin de l’information, on n’a pas réussi à la reconstituer. Donc honnêtement, OpenStreetMap, on ne mise pas forcément sur vous. ». On n’a pas terminé, en 2026 l’inventaire n’est pas terminé. On estime qu’il y en a 12 millions à retrouver, on en a déjà retrouvé un million et demi et 2300 personnes ont contribué. Cette information est essentielle, on la mesure tous les jours. Il y a une actualisation quotidienne qui est disponible en ligne pour voir ce qui se passe, dans quels territoires ça contribue, à quel rythme, etc.

Différentes problématiques, plus en détail, je ne vais pas forcément revenir dessus, mais sachez que les poteaux électriques ne servent pas qu’à l’électricité : le déploiement de la fibre, mais aussi les objets connectés, la signalisation routière, différentes choses. Ce sont, en fait, des éléments assez centraux d’un certain nombre de dispositifs. Et ils vivent, ce sont des objets sur lesquels il y a des inscriptions qui sont coûteuses à relever. Il faut comprendre que sur un poteau qui date des années 1920, on est obligé d’aller gratter à la craie dessus pour voir les inscriptions apparaître. Vous imaginez donc le coût que ça peut représenter d’avoir quelqu’un qui doit aller au pied de chaque poteau chercher ces informations pour les oublier immédiatement après parce qu’on les a mises dans un Excel qui a disparu ! C’est un peu ça la problématique. Et ils vivent parce qu’on va y installer des objets, on va en enlever d’autres. La commune touche des redevances et, si elle ne sait pas où sont ces objets, elle ne va pas pouvoir toucher les redevances. C’est comme l’histoire des bâtiments, tout à l’heure, de la distribution d’électricité, il y a de la taxe foncière dessus. Si la commune ne sait pas où ils sont, pas de taxe foncière. Si elle ne sait pas où sont les poteaux et qui les occupe, pas de redevance. C’est aussi simple que ça. Ça rentre dans le budget des collectivités au même titre que le reste. Donc, si on améliore cette information, on peut rendre l’action publique plus efficace, sans rentrer forcément dans des particularismes trop importants, bien sûr. C’est le sens qu’on donne à cette démarche.

Assembler de multiples sources

Ça tombe bien parce que nous ne sommes pas seuls. On ne part pas d’une feuille blanche et nous ne sommes pas seuls. En réalité, on a plein de données. Si on se souvient de la position de mon chargé de mission de tout à l’heure, il y a en fait plein de données, on a des informations un peu éparpillées. Au-delà de faire un inventaire bête et méchant en allant sur le terrain, on peut aussi se contenter de rassembler ces informations, de les mettre en cohérence et puis de faire un peu tache d’huile, c’est l’objet de cette liste. Vous allez avoir déjà, évidemment, l’open data des réseaux électriques qui vont vous dire où il y a des lignes aériennes, donc potentiellement, s’il y a une ligne, elle n’est pas au sol, il y a un poteau qui la tient. Vous allez avoir aussi le déploiement de la fibre optique, vous allez avoir l’éclairage public. Vous allez avoir le PCRS [Plan Corps de Rue Simplifié] parce que dans le PCRS, notamment Vecteur, ces objets sont documentés.
Donc s’il vous plaît, ayez pitié des 2300 personnes qui ont déjà contribué, ouvrez les données correspondantes. L’intérêt d’avoir ces 2300 personnes sur le terrain, c’est de les envoyer là où ces données sont absentes. On ne va pas les envoyer doublonner les trucs qui ont déjà été faits, ce serait dommage. Il faut donc vraiment les ouvrir. Évidemment, vous allez me demander « oui, mais est-ce que tu n’as pas une idée de là où c’est déjà disponible ou autre ? ». J’ai une carte qui arrive juste après.

Une chaîne d’outillage complète

Pour vous expliquer, le processus qui est intégralement automatisé.
Aujourd’hui, tous les logiciels dont j’ai parlé collaborent, on n’a pas à se préoccuper de savoir si on doit merger tel fichier, c’est fait tous les jours, les tableaux de bord sont alimentés tous les jours.
Donc toutes les données que j’ai listées rentrent sur Osmose, on les passe dans un gros mixeur, on les met ensemble, et on cherche à savoir comment les réconcilier sur certains territoires.
De ces alertes émises par Osmose, les contributeurs vont pouvoir agir sur les éditeurs de la communauté pour dire « là il y a un poteau, il n’est pas exactement placé au bon endroit, je le recale, je le mets sur la vue aérienne, j’améliore la qualité au passage » et on l’envoie dans OpenStreetMap. Une fois que c’est dans OpenStreetMap, on va mesurer ce qui s’y trouve. On va donc utiliser trois solutions principales que je liste à droite :
Podoma [12] qui sert à la mesure, c’est de là que je tire mes 2300 contributeurs et mon 1 500 000 poteaux. On va faire des mesures localisées « dans telle commune, il y a tant de contributions tel jour, etc.
Gespot.fr [13], qui est le démonstrateur en ligne auquel tout le monde a accès, qui est actualisé à la moindre contribution et qui présente les objets, ils apparaissent dans la base OpenStreetMap.
Et enfin, GeoDataMine. GeoDataMine [14] est une solution générique d’OpenDataFrance qui valorise certains thèmes que vous pouvez télécharger. Dans la liste de GeoDataMine, vous avez les supports du réseau électrique qui peuvent intéresser les communes au même titre que d’autres objets du mobilier urbain et tout cela est actualisé tous les jours.

Donc, déjà, on abstrait, on oublie le souci d’aller réconcilier toutes ces données dans tous les sens. On a un état des lieux pour savoir où on doit contribuer. C’est quand même une aide excessivement précieuse, parce que, au-delà d’organiser la contribution, ça veut aussi dire qu’on sait où ça manque.

Des résultats à priori

Dans une commune, c’est d’ailleurs l’objet de cette carte, je vous montre ce que voyait Osmose en mars 2025, au moment où on a lancé l’automatisation.
Dans les territoires que je vous cite, avec les trois couleurs, en bleu Enedis, en vert les territoires qui ont, avec beaucoup de bienveillance et de générosité, ouvert leurs données de déploiement de la fibre, d’ailleurs je salue l’action de Mégalis [Mégalis Bretagne, premier réseau public de fibre optique en France, NdT] sur le territoire breton, puisque les quatre départements bretons sont dans le processus, ainsi que d’autres, et puis deux départements qui ont accepté d’ouvrir leurs données d’éclairage public. Eh bien sur ces territoires, quand vous voyez que la réconciliation est parfaite entre OpenStreetMap et l’open data, évidemment vous commencez à avoir confiance, vous commencez seulement, parce que peut-être que les uns et les autres en oublient tous ensemble. Mais vous voyez qu’il y aura une contribution plus importante qu’ailleurs sur ces territoires, forcément. L’enjeu, c’est de rendre cette carte multicolore et complètement couverte, donc, évidemment, d’avoir du vert partout. Le bleu, et là je veux rendre à César ce qui est à César vis-à-vis d’Enedis, nous avons les données sur tous les départements de France. Le fichier est national. Enedis publie la position de six millions de poteaux, on en a six millions d’autres à trouver, c’est l’ordre de grandeur que je vous ai donné.
On n’a activé, sur Osmose, que sur le littoral méditerranéen parce qu’on commence par le bas et, progressivement, on va remonter. C’est une histoire de volume et, on va dire, un problème technique pour ne pas activer tous les départements en même temps, parce que ça générerait probablement plus d’un million de signalements, même beaucoup plus qu’un million, puisque 1,5 million dans OpenStreetMap, six millions chez Enedis, ça va évidemment générer un grand nombre de signalements, donc on va activer progressivement tous les départements. C’est une limite qui est mise par nos systèmes, pas par l’open data.
Pour le vert et le jaune, par contre, là, on n’a pas tout et il faut que nous ayons tout. On ne peut pas envoyer des bénévoles sur le terrain et dire « vous allez recenser ce que des professionnels ont déjà fait. » Ayez pitié, s’il vous plaît et considérez cet argument parce que cet inventaire continuera.
Aujourd’hui les périmètres sont les mêmes, on n’a pas activé de nouveaux territoires. Les nombres ont certainement changé, les nombres c’est ce qui restait à intégrer sur OSM, à partir des sources qu’on a considérées. Je voulais vous proposer de contribuer, tout à l’heure, sur les territoires du Nord, avec le PCRS. Sur les deux départements du Nord, on a plus de 100 000 objets issus du déploiement de la fibre à intégrer, ce qui est très conséquent.

Des premiers résultats à priori

Maintenant que je vous ai montré où l’open data nous emmenait et ce qu’on avait à considérer en intégration, il faut qu’on regarde là où ça contribue et il faut qu’on mesure bien là où ça contribue, c’est donc là que Podoma est très utile. On mesure la contribution sur plein de périmètres géographiques au niveau national, mais aussi régional, départemental et communal. Là, je vous montre le niveau départemental. Vous voyez qu’il y a des départements, évidemment, où certains contributeurs se sont vraiment excités. J’aimerais vous citer l’Aveyron, par exemple. On a aussi le Morbihan, la Loire-Atlantique, où là, c’est vraiment significatif et d’autres où il faut davantage insister.
J’attire votre attention sur une petite nuance sur cette carte, on n’affiche que la variation. C’est-à-dire qu’en 2020, quand le décompte a commencé, on avait des départements sur lesquels on avait déjà beaucoup de poteaux, mais où ça a peu contribué depuis. C’est le cas notamment dans le Grand Est, on avait déjà beaucoup d’ouvrages décrits en 2020 et, depuis 2020, on a constaté ces croissances, là on affiche la croissance. Il y a des territoires où ça n’a pas contribué aussi fort que dans d’autres. On est obligé de le mesurer, parce que, du coup, on va aller organiser la contribution et insister là où ça a le plus besoin d’aide. Mais, si je ne fais pas ce dénombrement, je parle des poteaux au niveau français dans OpenStreetMap, vous allez imaginer que c’est homogène alors que ça ne l’est pas du tout. La notion de spécificité de la contribution joue énormément aussi dans le dénombrement de tout cela.

Une communauté dynamique

Ensuite, ces fameuses 2300 personnes ne sont pas arrivées toutes en même temps. Elles n’ont pas répondu à un appel ponctuel disant « maintenant ce sont les poteaux », c’est quelque chose qui est très progressif. Et, sur l’ensemble des sujets qu’on traite dans la contribution, on a une croissance comme celle que vous voyez ici. C’est le nombre de contributeurs par mois depuis 2020 sur le sujet qui nous intéresse. Le nombre de contributeurs a été très progressif. Aujourd’hui, on est à un peu plus d’une centaine de contributeurs en moyenne, on a touché 250 contributeurs en septembre dernier, c’est le pic. C’est donc aussi quelque chose qu’il faut mesurer.
Il faut avoir une idée de qui contribue tout simplement parce que, derrière cette courbe, on a toujours le 90/10. Des gens, qui comptent pour un contributeur mensuel, ont mis un poteau et ne reviendront plus jamais, mais ils en ont mis un. Et puis, surtout dans le décompte mensuel, on en a qui reviennent tous les mois.
Podoma sert à faire toutes ces mesures, est capable de vous restituer, je vais vous le montrer tout à l’heure, tous ces indicateurs.

Et la qualité augmente visiblement

Enfin, je crois que ce sera la dernière page, la qualité. Vous allez me dire « vous avez mis 1,5 million de poteaux dans la base, si ça se trouve, vous avez fait n’importe quoi, mis au milieu des maisons parce que là, il y a des lignes. Je n’ai aucune confiance dans ce que vous faites. »
Il se trouve que Enedis a eu la générosité de faire des comparatifs avec les relevés LIDAR [Light Detection And Ranging] qu’eux-mêmes font lors de la surveillance des ouvrages aériens. Ils ont un hélicoptère ou, depuis récemment, des dirigeables qui passent pour faire des relevés centimétriques des ouvrages. Donc, progressivement, ils ont les positions, sur certaines lignes importantes, de là où se trouve vraiment le réseau et ils ont comparé avec OpenStreetMap. Ils ont pris 300 000 géométries du 1,5 million qu’on avait ajoutées, pour regarder quelle est la distance. Vous obtenez donc la répartition ci-dessus. Vous voyez qu’en fait, on en a 57 % qui sont à moins de 1,5 mètre de la position centimétrique. Il me semble que la précision du LIDAR qu’ils emploient est de dix centimètres, ou peut-être moins. Donc quand on dit qu’on est à moins de 1,5 mètre, c’est vraiment moins de 1,5 mètre Évidemment, on aimerait beaucoup que nos outils mesurent l’évolution de ce décalage et on verrait qu’il baisse, Parce que, évidemment, les gens recalent la position. Au fur et à mesure de l’amélioration des vues aériennes, on va améliorer les positions. Nous sommes donc capables d’avoir une idée assez précise de ce qu’on fait et de savoir ce que ça représente en termes de qualité. Vous voyez que ce n’est pas fini parce qu’il y en a quand même 43 %, du coup, qu’il va falloir recaler, qui sont à plus de 1,5 mètre de la position réelle.
On a aussi des vérifications sur la topologie. C’est l’objet de la visualisation en dessous. Enedis est en rose, OpenStreetMap est en vert et on voit qu’OpenStreetMap a oublié un poteau, il va donc falloir le rajouter, etc. On a ce genre de chose.

Vous retrouvez les courbes d’Osmose, à droite, qui chiffre la pertinence de certains attributs. On voit que même si on a ajouté 1,5 million de géométries, on n’était pas capable d’identifier l’exploitant. Vous connaissez Enedis comme distributeur d’électricité, il y en a 118 autres qui sont des entreprises locales de distribution, et vous êtes obligé de savoir quel est l’exploitant de chacun des poteaux. Même si c’est par commune, certaines communes ont fusionné, elles sont maintenant multi-exploitants, donc, au sein d’une même commune, on peut avoir plusieurs exploitants. L’attribution de l’exploitant est très importante quand vous avez une géométrie si vous voulez la valoriser, parce que, si on en revient aux redevances, il faut bien savoir à qui il faut demander la redevance et qui va la percevoir suivant l’exploitant. Ça a donc son importance.

Également, la présence sur les lignes électriques de nœuds qui ne sont pas des poteaux. Sur une ligne électrique, il n’y a que les poteaux qui supportent la géométrie. Si vous avez un nœud au milieu qui croise une route et que vous connectez la ligne à la route, ça ne marche pas. Et là, on voit qu’on a été capable de réduire ça de 56 % jusqu’à un certain point et, après, ça stagne. C’est un indicateur très important pour savoir qu’il faut améliorer nos outils. En fait, ce reliquat de 10 000 nœuds en très légère croissance depuis plusieurs années, c’est le fait d’un éditeur parmi d’autres sur OpenStreetMap qui n’avertit pas le contributeur qu’il a potentiellement électrocuté des gens en connectant la ligne à la piste cyclable. Ça arrive ! Nous avons donc besoin d’améliorer notre contrôle qualité pour dire aux gens « attention, je crois que vous êtes en train de faire une bêtise, vous pouvez facilement la corriger » pour continuer à faire baisser cette courbe jusqu’à zéro. Pour la première, ça sera « facile », entre guillemets, mais là on va se retrouver dans la courbe que je vous présentais tout à l’heure. On a déjà diminué de 80 %, on va atteindre le seuil de bruit et ça va être très dur d’aller chercher les objets, les poteaux sur lesquels il manque un exploitant, en tout cas plus dur qu’avant. Avant, on se présentait dans un département, on avait 10 000 objets à corriger, on corrigeait les 10 000 et c’était bon. Maintenant on va en avoir 500, il va falloir aller en regarder 500, précisément, pour savoir ce qu’il faut corriger.

Voilà. En tout cas, j’espère que cela vous a expliqué pourquoi on fait tout ça.