Navigation – Plan du site

AccueilNuméros39-1/2Transformations de l’institution ...

Transformations de l’institution intercommunale dans le cadre des politiques de la donnée : les cas de Dijon métropole et Angers Loire métropole

Transformations of the intermunicipal authority under data politics : the Dijon metropole and Angers Loire metropole cases
Louis Jolivalt

Résumés

Se sédimentant avec l’imaginaire propre aux smart cities, un récit se déploie et présente les stratégies territoriales des données comme un “point de passage obligé” de l’action publique territoriale. Cet article se saisit des stratégies territoriales des données en train de se faire, à Dijon Métropole et Angers Loire Métropole, pour questionner ce qu’elles produisent du point de vue de l’institution intercommunale. L’article se focalise sur les processus de structuration de la donnée. Inhérents aux stratégies métropolitaines des données, ils contribuent à déstabiliser et transformer les modes de gouvernance des intercommunalités : centralisation des ressources et compétences ; transfert des capacités d’analyse voire de décision. Les relations entre différents échelons – communes, directions intercommunales - s’en trouvent modifiées, au profit de l’intercommunalité et des directions disposant des ressources pour se saisir de l’opportunité.

Haut de page

Texte intégral

Introduction

Le 11 décembre 2023, la stratégie métropolitaine de la donnée d’Angers Loire Métropole, placée parmi les dossiers mis en exergue, a été votée à l'unanimité lors du conseil communautaire, assemblée délibérative de l’intercommunalité. La soumission d’un tel document au vote communautaire témoigne de la politisation, au sens de prise en charge par les élus, du sujet des données, historiquement un sujet considéré comme technique. Cela illustre la perception dominante de leur intérêt pour la gestion, et plus largement la gouvernance, du territoire. Ce document politique complète la variété des documents (guides, chartes) publiés récemment sur le sujet tels que « Le guide de la donnée des territoires », numéro de La Gazette des communes paru en janvier 2022. Cette inflation documentaire donne un caractère de nouveauté à l’utilisation des données urbaines.

Pourtant, le recours aux données - comprises comme une unité élémentaire d’information qui décrit une réalité qu’elle exprime sous une forme qui peut être traitée, stockée et transmise, dans un format numérique - s’inscrit dans un processus d’informatisation sur le long terme (Picon, 2018) des gouvernements urbains. Les données, assemblées les unes aux autres dans des jeux de données et bases de données, peuvent par exemple prendre la forme d’informations patrimoniales sur des objets urbains tels que les lampadaires (leur emplacement, leur couleur, les matériaux, type d’ampoule, etc.) mais aussi d’informations dynamiques – à titre d’exemple, chaque passage d’un ou une cycliste sur une bande cyclable précise peut constituer une donnée.

Si le numérique, et spécifiquement les données, représentent un potentiel de déstabilisation et de transformation importants pour les territoires (Kitchin, 2014), il n’est pas aisé de caractériser les formes de cette mutation. En effet, les données peuvent engendrer des changements liés aux instruments techniques mobilisés par les acteurs de l’urbain (Ferchaud et al., 2023), à leurs pratiques (Denis et al., 2013 ; Nesvijevskaia, 2015), leurs imaginaires (Halpern, 2020) voire leur rationalité.

La convergence d’intérêts entre acteurs publics territoriaux et privés autour du numérique, observés notamment dans le cadre des projets de « ville intelligente » de Dijon et Angers (Jolivalt, 2024), se cristallise également par la mise à l’agenda d’une stratégie métropolitaine de la donnée, parfois nommée politique métropolitaine de la donnée. Cette mise à l’agenda est le fruit de la constitution de la stratégie territoriale de la donnée comme « point de passage obligé » (Callon, 1986) pour l’action publique, suivant des mécanismes similaires à la présentation de la smart city comme « point de passage obligé » (Söderström et al., 2014). Elle doit aider à mesurer et caractériser les problèmes urbains présentés par le récit sur la smart city et devient de fait indispensable (Laugaa, 2024).

La politique de la donnée est entendue ici comme une structuration des multiples données territoriales dans un espace commun permettant le stockage, le traitement, la mise en équivalence et le croisement des dites données. Elle recouvre ainsi l’ensemble des processus nécessaires à cette structuration (organisationnels, choix des outils, travail des données).

La stratégie métropolitaine de la donnée est donc un objet d’étude pertinent pour lire et caractériser les enjeux liés aux mutations de l’action publique en lien avec le numérique. Cette démarche s’inscrit dans le cadre large des Science and Technology studies, qui étudie les développements technologiques pris dans leur contexte politique et social. Plus précisément, elle emprunte à la sociologie de l’acteur réseau : pour interroger comment les données influencent le gouvernement urbain, les données, considérées comme des actants (Callon, 2006 ; Courmont, 2016) sont étudiées dans leurs relations avec les outils construits pour les exploiter, les acteurs qui les produisent et les exploitent. Ce sont ces relations qui nous informent sur ce que les données font à la gouvernance urbaine et sur la manière dont cette dernière agit avec les données. Plus précisément, la présente contribution aborde les effets de la stratégie des données sur l’action publique par le biais des transformations propres aux administrations publiques locales portant ces stratégies. De fait, cette démarche mobilise également la sociologie des instruments en tant qu’elle interroge la politique métropolitaine de la donnée comme un potentiel instrument d’action publique (IAP) (Lascoumes, 2004) transformant de manière conjointe les intercommunalités. Sans affirmer sa caractéristique d’IAP, qui ne peut s’acquérir que sur le long terme, il est ainsi possible de proposer des réflexions sur les mutations de l’action publique territoriale à partir de l’étude du rôle des données dans la gouvernance interne des intercommunalités. En outre, l’article mobilise plus largement la sociologie de l’action publique - approches discursives (Durnova et Zittoun, 2013), analyse des structures intercommunales (Desage, 2005 ; Dormois, 2006). Se faisant, cet article s’inscrit pleinement dans la sociologie des données proposée par Courmont (2016). Considérant une conception de la gouvernance métropolitaine se déclinant selon trois dimensions principales (Lefèvre, 2009) : l’élaboration et la conduite des politiques publiques prenant en charge les problèmes publics identifiés ; la définition et conduite d’une stratégie territoriale ; les relations entre les différentes parties prenantes du territoire ; l’article se focalise sur les relations entre les différentes strates d’acteurs à l’échelle de l’intercommunalité.

A partir du constat de la promotion et du déploiement de stratégies territoriales de la donnée au sein des intercommunalités, cet article souhaite contribuer à la problématique suivante : dans quelle mesure la mobilisation des données pour « gouverner le territoire » contribue-t-elle à transformer l’institution intercommunale ?

Pour y répondre, deux cas d’études sont mobilisés : Angers Loire Métropole (ALM) et Dijon Métropole (DM). Les deux intercommunalités sont mobilisées conjointement pour deux raisons. D’abord, elles présentent des caractéristiques et similitudes justifiant leur recours pour répondre à notre questionnement. Elles déploient des projets de territoires intelligents (OnDijon (OD) et « Territoire Intelligent » (TI)) fondés sur la production de données - par l’intermédiaire de capteurs disséminés sur le territoire - ; leur collecte - par l’intermédiaire d’outils tels que les hyperviseurs, que nous analyserons dans le développement - ; ainsi que leur exploitation. Le périmètre élargi des projets, tant géographique que fonctionnel, fait d’OnDijon et du « Territoire Intelligent » des projets uniques par leur ampleur en France et illustre dans le même temps leurs affinités avec l’imaginaire dominant de la smart city (Söderström et al., 2014, Jolivalt, 2024). Ils font aussi l’objet d’une contractualisation de long terme, avec des groupements d’entreprises menés par des grandes entreprises françaises des services urbains, ce qui positionne les intercommunalités dans une configuration d’acteurs caractérisée par la présence d’importants acteurs privés. Enfin, ils sont fondés sur la performance et la recherche d’économies d’énergie et d’utilisation des ressources. Les données sont au cœur de cette recherche d’optimisation et font à ce titre l’objet de convoitises (Sadowski, 2019). Au-delà du périmètre contractuel des projets, les deux intercommunalités sont caractérisées par la formulation récente de stratégies de la donnée territoriale, que ce soit via un document public (Angers) ou en interne (Dijon). Ces similitudes doivent permettre d’identifier des traits communs aux intercommunalités déployant des projets de « ville intelligente » et des stratégies de la donnée.

La deuxième raison de la mobilisation conjointe réside dans leurs différences : alors que le portage politique est très fort à Angers, la stratégie de la donnée dijonnaise émerge sous l’impulsion de la Direction numérique. Deux façons différentes de déployer des stratégies de la donnée sont observables. Cette différenciation, couplée au recours à certains outils différents ainsi qu’aux agencements d’acteurs distincts, engendre des configurations mouvantes. Ainsi, la mobilisation des deux cas d’étude est motivée à la fois par leurs similitudes – permettant de dégager une structure commune d’enjeux relatifs aux politiques des données – et leurs différences – qui témoignent des divergences possibles dans les configurations d’acteurs, d’outils et de politiques.

Concrètement, ces intercommunalités ambitionnent de mieux gouverner à partir de l’exploitation des données. Pour répondre à notre questionnement nous faisons le choix d’étudier symétriquement la mise en place d’une stratégie de la donnée et les effets produits sur l’organisation de l’intercommunalité. De cette analyse symétrique découle notre hypothèse principale : la gouvernance par les données n’est pas seulement un horizon à atteindre (correspondant à la mobilisation accrue de données pour l’élaboration et l’exploitation des politiques publiques locales) mais aussi un processus de transformation, un mode de gouvernement de l’organisation intercommunale. Les relations inter et intra-acteurs évoluent avec la mise en place d’outils nouveaux et de processus de structuration de la donnée qui influencent les capacités d’analyse et de décision – relatifs aux politiques urbaines – des dits acteurs. De ce point de vue, la thèse défendue s’inscrit dans la perspective proposée par l’article de Le Breton et al. (2022) selon laquelle la gouvernance des données urbaines « serait un moyen de régulation des rapports de force entre les acteurs » et de repositionnement de la métropole. La seconde originalité de la contribution consiste à ne pas considérer l’intercommunalité comme un tout face à des partenaires extérieurs, mais à lire le déploiement d’une politique des données comme une période de déstabilisation engendrant des transformations de rapport de force au sein même de l’intercommunalité – communes, directions -. La stratégie des données contribue à faire exister l’intercommunalité mais participe également de déstabilisations internes à celle-ci. Ainsi, si les transformations de la gouvernance intercommunale relatives au déploiement d’une stratégie de la donnée peuvent revêtir plusieurs dimensions - évolutions de la fabrique et de la conduite des politiques publiques ; légitimation de l’intercommunalité et modifications des relations entre parties prenantes de la gouvernance -, le présent article se focalise sur une seule de ces dimensions : l’étude des transformations internes propres à l’institution intercommunale. Ces transformations concernent notamment la distribution des ressources (au sens de capacités d’action publique (Stone, 1993)) des différentes directions ainsi que de leurs relations et des relations avec les communes.

L’hypothèse principale se décompose en plusieurs sous hypothèses qui structurent notre argumentation. D’abord, les processus de mise en œuvre d’une stratégie de la donnée sont appréhendés comme des vecteurs de centralisation des capacités de connaissance et d’action au bénéfice de l’intercommunalité. Nous souhaitons démontrer que cette centralisation se joue à plusieurs échelles et met aux prises plusieurs strates d’acteurs : la Direction du Numérique et la Direction Générale qui centralisent de l’expertise issue des directions métiers ; l’entité intercommunale qui, donnant à voir son action métropolitaine, impose ses représentations et capacités d’action aux communes. La structuration des données devient un mode de gouvernement des relations entre les directions métiers, des relations avec les communes voire des relations avec les citoyens, qui sont mis à profit en tant que producteurs de données au bénéfice de l’intercommunalité.

Cet article repose sur une recherche doctorale fondée sur l’analyse de documents relatifs aux projets de territoires intelligents et aux politiques de données ; d’entretiens semi-directifs avec les acteurs, publics et privés de ces projets (29 pour Dijon, 23 pour Angers), effectués en partie lors de deux périodes d’observation de deux semaines, au sein de Dijon Métropole (en juin 2023) et Angers Loire Métropole (en octobre 2024). Les périodes d’observation ayant été réalisées au sein des intercommunalités, elles se focalisent sur les acteurs publics même si les moments avec le groupement d’entreprises ont été nombreux du fait de la proximité géographique et organisationnelle propre aux projets de ville intelligente. La réception des citoyens face à ces transformations ne fait donc pas partie du périmètre de cette recherche. Du fait de mes axes de recherche, elles se sont concentrées sur les services numériques, les équipes prenant part au projet ainsi que les directions métiers concernées (gestion des espaces publics notamment). Elles ont été l’occasion de réaliser des entretiens, d’assister à des moments informels du quotidien et d’assister à des réunions, notamment entre techniciens : une réunion à Angers, cinq à Dijon. Ces réunions concernaient spécifiquement les projets de « ville intelligente » et leur exploitation : réunion sur l’exploitation de l’hyperviseur, réunion sur l’application « OnDijon », réunion entre les référents numériques des différentes directions métiers, etc.

L’argumentation suit le fil des différentes étapes de travail de la donnée (choix des données et traitement, choix des outils) afin de présenter les enjeux relatifs à chaque étape pour l’organisation de l’intercommunalité. Ce choix argumentatif permet de questionner les transformations de la gouvernance interne des intercommunalités à partir du travail de structuration de la donnée.

Structurer et centraliser la donnée pour gouverner

Si l’impératif de construire une gouvernance de la donnée territoriale est désormais intériorisé par les institutions métropolitaines, il convient de traduire cet imaginaire en objectifs concrets, portés par un ensemble d’acteurs aux rôles définis, ainsi qu’en outils adaptés. Le premier enjeu est de cadrer la politique des données : quelles données souhaite-t-on mobiliser ? Quels outils permettent l’identification, le nettoyage et l’exploitation de ces données ? Quelle organisation humaine mettre en place pour mener à bien cette stratégie ? Les réponses à ces questions esquissent le cadre d’une politique de la donnée qui n’est alors pas seulement une stratégie d’exploitation des données, mais également un levier de transformation de l’institution. La stratégie n’est pas pensée et formulée dans son entièreté et de façon cohérente (Idt, 2012) en amont du travail de cadrage et de structuration, c’est plutôt un ensemble d’allers-retours et d’interactions entre ces questions qui dessinent peu à peu une stratégie, parfois formalisée a posteriori.

Les processus de construction et de cadrage d’une stratégie métropolitaine de la donnée sont ici analysés comme des modes de gouvernement. Le travail de structuration de la donnée n’est pas un travail neutre. Il induit une multiplicité de choix - catégorisation des données, choix des outils (deuxième partie de cet article), etc. - qui, bien que techniques, sont également des choix politiques (Hood, 1983, Bowker et Star, 2000). Ces choix influencent les rapports de force entre acteurs et contribuent à une centralisation des ressources au profit de l’intercommunalité et de la Direction Numérique.

Cadrer la stratégie de la donnée : entre rôle central de la Direction du Numérique et effets de concurrence

La première étape du cadrage de la stratégie revient à définir quels seront les agents, les services qui en seront responsables. Se pose alors la question de savoir qui énonce - voire impose - ces choix (Durnova et Zittoun, 2013) afin de saisir les effets potentiels du cadrage ainsi que le relier à des positions au sein de l’institution. A cet égard, les divergences entre ALM et DM sont éclairantes et illustrent les différentes configurations qui peuvent émerger et les effets de concurrence associés.

A Dijon Métropole, l’ambition d’une stratégie intercommunale de la donnée naît de la « mission data », un service spécialement mis en place au sein de la Direction du Numérique (DN). En lien avec le directeur du Numérique, l’équipe comporte uniquement des membres de la direction et est composée de manière mixte entre des spécialistes de la donnée (chargé de la gouvernance de la donnée par exemple, un data analyste) et des membres du Service d’Information Géographique (SIG). La mise en place de cette équipe résulte de la volonté de la Direction du Numérique de ne pas être restreinte par le projet de « ville intelligente » OnDijon, qui porte essentiellement sur la gestion de l’espace public et qui est dirigé par une agente de la Direction de la gestion connectée de l’espace public, une direction métier. Il est possible d'esquisser l’hypothèse selon laquelle, en formulant une stratégie de la donnée selon ses termes, la DN reprend la main sur la question des données que ce soit vis-à-vis des partenaires privés du projet OnDijon mais aussi de la direction métier. La Direction du numérique a changé de statut en 2019, devenant un service commun à la Métropole et l’ensemble de ces communes. Si elle n’a pas été rattachée à la Direction générale (DG), comme cela fut envisagé, elle dispose, du fait de son statut de service commun, d’une vision et d’un périmètre d’action à l’échelle de l’ensemble de la Métropole, ce qui lui donne les capacités et ressources d’imaginer et de cadrer une stratégie intercommunale de la donnée. La DN profite de cette échelle métropolitaine pour que la stratégie de la donnée ne soit pas dépendante du projet OnDijon, elle saisit ainsi l’opportunité d’un projet européen, Response, porté par la Direction Écologie Urbaine pour s’y greffer et apporter une dimension relative aux données. L’implication dans ce projet européen permet ainsi de faire financer un outil central pour la stratégie de la donnée, le datahub, et de créer des relations avec la Direction Écologie Urbaine, qui est demandeuse de données du fait de l’appétence pour la question de la responsable de la Direction Écologie Urbaine et chargée du projet Response. Alors que celle-ci pointe le peu d’ancienneté de son poste, créé en 2009 et ayant beaucoup évolué depuis, les données présentent un intérêt car, d’après elle, « la transition climatique est invisible, imperceptible par nos sens ». Dans cette perspective, la mobilisation des données permet conjointement de rendre visible les effets du changement climatique et les réponses mises en œuvre par la Direction Écologie Urbaine : celle-ci mobilise ainsi des données pour objectiver et légitimer son action au sein de l’intercommunalité.

En parallèle, la mise en place de premiers sujets liés à la stratégie de la donnée, tels que l’identification du patrimoine intercommunal des données, légitime la « mission data » et ouvre la voie à l’organisation de « comité data » avec des représentants de la mission, le Directeur du Numérique, le Directeur Général des Services (DGS) ainsi que l’ensemble des Directeurs généraux délégués. De fait, c’est sous l’impulsion volontariste de la DN que prend forme la stratégie de la donnée et sa gouvernance au niveau de la DG, ce qui explique son importance dans le processus ainsi que son changement de dimension au sein de l’organisation intercommunale. Ce succès s’explique également par le soutien apporté par les élus, notamment l’élu en charge du projet OnDijon qui s’empare du sujet et le promeut publiquement, prenant un rôle de porte-parole (Callon, 1986).

Du côté d’ALM, la définition d’une stratégie politique de la donnée, en partenariat avec une mission d’Assistance à Maîtrise d’Ouvrage (AMO), résulte d’une commande politique portée conjointement par le maire-président ainsi qu’une des élues affiliées au « Territoire Intelligent » et par ailleurs présidente d’OpenDataFrance, association accompagnant les collectivités dans le partage et l’exploitation de leurs données. C’est seulement dans un second temps que la responsable du service SIG, de la DN, devient également responsable du pôle data et a pour mission d’opérationnaliser la politique de la donnée. Cependant, le positionnement du service SIG/data par rapport au projet de « Territoire Intelligent » (TI) n’est pas aussi clair qu’à DM puisque le Directeur du projet TI est également le Directeur Général Délégué responsable, entre autres, de la DN. La priorité est de fait placée sur les sujets faisant partie du marché de « ville intelligente » tel que le déploiement du Jumeau Numérique plutôt que sur l’opérationnalisation de la stratégie de la donnée.

En outre, au sein du projet TI existe une équipe dite backoffice, responsable de l’analyse des données du projet et de son architecture technique. Cette équipe, constituée d’anciens employés du privé pour la plupart arrivés après le début du marché, donc récemment, dispose également d’une expertise sur les données et de prérogatives liées. La coopération entre le service SIG/data de la DN et l’équipe backoffice du projet TI devient alors un enjeu essentiel alors que certains agents de chacun des deux services pointent les manques de concertation qu’il peut y avoir. A titre d’exemple, l’équipe SIG/data n’a pas été partie prenante, malgré son souhait, des discussions relatives aux contrats de services : des documents formalisant les services apportés par l’équipe du TI aux différentes directions métiers intercommunales, dont les échanges de données. Par ailleurs, la stratégie de la donnée repose sur la construction d’un réseau d’interlocuteurs au sein des différentes directions. Or, dans le cadre du projet TI, un agent de l’équipe TI a mis en place des réunions régulières afin de faire se rencontrer et échanger les différents référents du projet TI dans les directions métiers. Les échanges, divers, peuvent concerner les données (carnet de terrain, réunion Agi’t Pop, 03/12/2024) au sens large. Pourtant, l’agent responsable du service SIG/data n’y est pas conviée, puisqu’elle n’est pas directement incluse dans le projet TI, et anime en parallèle un réseau de référents SIG. Ces positionnements différents peuvent donc donner lieu à des effets de concurrence ou de non coopération qui sont des freins à l’opérationnalisation de la stratégie de la donnée.

Considérant la stratégie angevine, la question de l’articulation entre la commande politique des élus et le travail des services peut se poser. Tout d’abord, le processus de cadrage débute par la rédaction d’une charte - un document politique à faible portée opérationnelle - avec l’accompagnement d’un cabinet de conseil, Civiteo, qui a joué et continue à tenir un rôle essentiel dans la politisation progressive des données territoriales (Laugaa, 2024). En ce sens, la charte angevine reprend les principaux éléments produits par les cabinets de conseil précurseurs sur le sujet de la donnée. En outre, la priorisation du déploiement du marché de « Territoire Intelligent » par rapport à la stratégie de la donnée témoigne de la moindre importance accordée, pour l’instant, au déploiement opérationnel d’une stratégie de la donnée. Suivant cette perspective, elle apparaît comme un projet politique, voire de marketing territorial, dont l’articulation avec les besoins des services reste à construire.

L’analyse du positionnement des porteurs des stratégies de la donnée illustre la manière dont la stratégie est orientée par les relations et rapports de force entre différentes directions ou services et, en retour, la façon dont elle oriente ces rapports de force.

Identifier les données pertinentes, un processus non-neutre au profit d’une centralisation plus importante

Nous abordons ici le travail autour des données en elles-mêmes afin de saisir les enjeux posés en termes de gouvernance.

Table 1 : Les différentes sources de données mobilisables pour une stratégie territoriale de la donnée

Type de

données

Description

Propriété

Données

métiers

Données saisies et stockées dans des logiciels propres aux directions métiers dans le cadre de leurs politiques publiques

Intercommunalité

Données SIG

Données géo-référencées, qui servent souvent un usage qui peut être transversal, stockées (et souvent saisies) au sein des infrastructures SIG.

Intercommunalité

Données

prestataires

Données saisies, exploitées et stockées dans les applicatifs des prestataires, mobilisées pour l’exercice de leur délégation.

De plus en plus

l’intercommunalité

Données

publiques

Données publiques et accessibles telles que les données fournies par l’INSEE. Souvent des données transverses qui peuvent compléter les données intercommunales.

L’acteur qui les met à

disposition (ex :

INSEE)

Données

partagées

Données partagées dans le cadre de conventions (ex : EDF) ou données collaboratives (ex : Openstreetmap).

Généralement l’acteur (public ou

privé) qui

les stocke.

Réalisation : Louis Jolivalt.

Pour l’intercommunalité, la première question qui se pose est de savoir quelles sont les données à mobiliser pour une stratégie de la donnée territoriale. Le premier constat est alors celui de la multitude et la variété des sources de données (table 1) - que ce soit en termes d’acteurs propriétaires, de stockage logiciel - et la non-connaissance exhaustive du patrimoine des données. Cette multiplicité des sources, formats, usages, revêt plusieurs enjeux exprimés par les acteurs étudiés. En effet, la phase d’identification est aussi une période de définition de ce qu’est une donnée pertinente et met aux prises différentes conceptions des données ainsi que de l’action publique locale.

L’identification des données à centraliser contribue à marginaliser l’expertise des directions métiers au profit de l’expertise de la direction numérique.

A Dijon, l’un des premiers objectifs de la mission data est de contribuer à une meilleure connaissance du patrimoine de la donnée. L’équipe data fait le choix de mobiliser des sondes techniques qui vont parcourir les bases de données application par application et cataloguer les données présentes ainsi que des listes d’attributs. Pour compléter la constitution de ce dictionnaire des données, les agents de la Direction numérique chargés du suivi des différentes applications, organisés par « métiers », vont rajouter - manuellement - de l’information complémentaire telle que la couverture temporelle et spatiale des données. A titre d’exemple, il s’agit de préciser si une base de données relatives aux bancs publics contient des informations relatives aux bancs de l’ensemble de la Métropole ou uniquement aux bancs de la ville-centre.

Nous pouvons tirer plusieurs enseignements de cet exemple. Tout d’abord, le choix d’utiliser une solution technique – les sondes – complétée par un travail manuel des agents de la Direction numérique (et non des directions métiers) est justifié par le manque de culture de la donnée des directions métiers qui mobilisent les applications sondées. Leur expertise n’est donc pas pleinement mobilisée. En outre, les éléments renseignés manuellement correspondent globalement aux critères de qualité de la donnée définis par les agents qui la traite : couverture temporelle, géo-localisation, fiabilité technique (mesures régulières) ainsi que niveau d’interaction présumé avec les usagers. C’est moins l’expertise des directions métiers qui est mobilisée pour définir les données pertinentes que des critères propres aux attentes de la Direction Numérique et de l’équipe data. A ce titre, l’importance de la géo-localisation - que l’on retrouve à ALM au travers des données du Jumeau numérique (JN) - est suggestive. Elle indique le rôle prépondérant du service SIG dans la gestion de la donnée ainsi que l’enjeu de représenter le territoire - et donc par miroir, l'institution métropolitaine (Courmont, 2016) -. Enfin, le recensement des données par le prisme des applications métiers perpétue une structuration des données en fonction des « silos » métiers et ne permet pas la transversalité recherchée.

Loin d’être un processus neutre, le travail sur le patrimoine des données implique une multitude de choix affectant la gouvernance interne de l’institution métropolitaine : importance de la fiabilité technique pour caractériser les données mobilisées pour conduire l’action publique ; poids renforcé des services supports numérique par rapport aux directions dont l’expertise n’est pas pleinement mobilisée. De fait, à Dijon, le leadership volontariste de la DN peut donner lieu à une forme de découplage avec les directions métiers, moins acculturées à la donnée et impliquées, qui par conséquence ne se saisissent pas pleinement de la démarche, en témoigne un membre de l’équipe data :

« Il y en a qui comprennent de plus en plus l’intérêt des données en général, donc ça a tendance à aller dans le bon sens. Mais c’est vrai que y en a qui sont toujours récalcitrants quoi (…) mais là je suis plutôt sur un truc où je vais proposer quelque chose pour amener le besoin quoi, c’est un peu ... des fois il faut provoquer. » (Entretien, agent équipe data, juin 2023).

Nettoyer et organiser la donnée

L’identification du patrimoine des données va de pair avec une deuxième étape : le travail de nettoyage, ré-organisation et structuration de la donnée afin de pouvoir l’exploiter. En effet, les données ne sont pas brutes par nature (Goëta, 2015) mais faites d’attachements (Courmont, 2016) à des cultures professionnelles, des outils logiciels (les options de saisie par exemple) et nécessitent donc un travail « de petites mains » afin de les nettoyer et les rendre interopérables, au-delà de l’interopérabilité technique.

Ainsi, l’un des enjeux principaux pour le travail de « data analyse » des données du projet OnDijon et des directions liées au projet réside dans l’unification des bases de données. Plus que technique, l’unification se fait par un travail de re-catégorisation des données qui permet de les rendre interopérables et commensurables (Desrosières, 2008). Les données d’exploitation du projet OnDijon sont transmises par le groupement au service data de DM sont valorisées au travers de tableaux de bord à destination des différentes directions. Seulement, les données traitées sont issues de différentes sources et applicatifs, au sein desquels elles ne sont pas saisies de la même manière. Ainsi, les domaines fonctionnels auxquels se rapportent les données (bâtimentaire par exemple) n’ont pas les mêmes intitulés dans les différents applicatifs et ne recouvrent pas forcément le même périmètre. Un travail de requalification est donc nécessaire afin d’automatiser l’interopérabilité des données et faciliter leur croisement. Le processus nécessite de mettre sur le même plan des cultures métiers différentes qui fonctionnent avec des outils particuliers, ce qui n’est pas sans frictions et qui se révèle complexe pour les agents du service data, non issus des métiers, comme le révèle un data analyste, dont c’est le premier emploi dans une collectivité et qui ne dispose ainsi pas d’une vue d’ensemble du fonctionnement des différentes directions. Par ailleurs, ce travail étant trop lourd, le service data est obligé de prioriser le travail de requalification par métiers, en privilégiant les métiers les plus demandeurs :

« mais, typiquement, on pourra jamais tout qualifier c’est impossible. Genre ça prend trop de temps (…). Mais par contre on peut qualifier, on va dire, les trucs les plus essentiels, les plus gros trucs, notamment sur les métiers qui sont très demandeurs. » (Entretien, agent équipe data, juin 2023).

Les choix relatifs à la structuration de la donnée déterminent également les expertises mobilisées. Ainsi, les chargés de gouvernance de l’équipe data de Dijon Métropole ont un temps émis l’hypothèse de considérer les arbres, la végétation, comme n’importe quelle autre infrastructure urbaine. Cela implique alors une standardisation de la mesure de ce qu’est un arbre, préalable à la définition de processus et de critères simples de gestion de ces arbres, en espérant qu’ils puissent devenir naturels. Nous pouvons faire l’hypothèse que l’expertise des métiers serait alors court-circuitée pour simplifier la gestion du patrimoine arboré.

Ce besoin d’homogénéisation s’exprime également à ALM, au travers notamment du Jumeau numérique avec la donnée dite « bâtiments ». Le JN, modèle 3D du territoire intégrant une multitude de données géo référencées, repose largement sur la modélisation des bâtiments du territoire ainsi que l’intégration de données relatives à ces bâtiments, accessibles par l’interface du JN. Ce sont ainsi des bases de données dans des bases de données, qui s’emboîtent. Or, au sein de l’intercommunalité, co-existaient différentes définitions de ce qu’est un bâtiment et différentes données fondées sur ces définitions au sein des directions métiers. L’objectif du JN étant de « centraliser la connaissance, un peu comme google maps, mais avec les données de la collectivité pour ne pas être dépendant de ces solutions là » (entretien avec la personne responsable du service SIG/data, décembre 2023), il a fallu construire une définition commune à toutes les directions afin d’articuler les différentes données.

A travers ces exemples, nous observons que ce travail de structuration de la donnée est en tension entre différents objectifs. D’une part, il s'agit d’homogénéiser la donnée afin de la centraliser, gommant de fait certaines spécificités et cultures professionnelles afin d’élargir sa portée, de créer un espace commun de partage et une culture commune à l’intercommunalité. D’autre part, il s’agit d’articuler des données hétérogènes à partir d’attributs communs afin de multiplier les représentations et les informations disponibles à partir d’un attribut commun, ici l’identifiant bâtimentaire. Les inclinaisons vers l’un ou l’autre de ces objectifs dépendent des jeux de données concernés, des positions des acteurs. D’un point de vue politique, l’objectif lié à la gouvernance des intercommunalités est clair : il s’agit de centraliser des données éparses afin de maîtriser l’accès à la connaissance du territoire et dans le même temps de maîtriser la représentation du territoire qu’elle contribue à faire émerger par son action et sa mise en valeur.

Pourquoi centraliser les données ? Eléments de justification

Ainsi, le principal moteur des transformations internes des intercommunalités dans le cadre des stratégies de la donnée réside dans l’ambition de centraliser au sein d’un espace commun les différentes données territoriales jugées pertinentes pour l’action publique locale. Il n’est pas inutile de préciser succinctement les justifications de ce choix. Tout d’abord, la volonté de centralisation apparaît comme le corollaire de l’ambition de transversalisation de l’action publique à l’œuvre dans les projets de ville intelligente (Söderström et al., 2014). En effet, afin de faire discuter et travailler de façon partenariale les différentes directions métiers (et communes), il s’agit de mettre sur le même plan et partager les données issues de cette diversité d’acteurs. Cet argument, ainsi que le démontre la thèse de M.Laugaa (2024), est notamment produit, publicisé et politisé par des cabinets de conseil « satellites » qui assistent l’action publique locale et les intercommunalités. La promotion d’un tel argumentaire n’est pas dissociable de la volonté de se positionner des cabinets dits satellites au sein d’un marché émergent de l’expertise de la donnée.

Au-delà des stratégies de ces cabinets, détaillées par Laugaa (2024), le succès de ce cadrage des politiques de la donnée s’explique par sa capacité à répondre à des enjeux plus ou moins formalisés par des acteurs au sein des intercommunalités : élus, Direction Générale des Services et Direction Numérique. La stratégie de la donnée s’inscrit ainsi dans une trajectoire caractérisée par le travail des services de SIG qui œuvrent déjà à la centralisation et au traitement des données géographiques. La mobilisation dans le discours de l’impératif de centralisation des données vient ainsi rencontrer le positionnement des Directions du Numérique, par nature transverse, et leur constat d’un manque de connaissance et de représentation du patrimoine intercommunal des données. En parallèle, le faible saisissement du sujet des données par les directions métiers (et des communes), au-delà d’enjeux qui leurs sont propres, freine la production d’un discours alternatif et contribue à renforcer le cadrage produit par les cabinets satellites ainsi que les Directions du Numérique au sujet de la nécessaire centralisation des données intercommunales. Politiquement, ce cadrage promeut la notion de « souveraineté » des intercommunalités, notamment vis-à-vis des partenaires extérieurs (Laugaa, 2024 ; Le Breton et al., 2022).

Ainsi, les processus de structuration de la donnée, détaillés dans ces sous-parties, sont autant des processus politiques de gouvernance internes de l’intercommunalité qu’externes, bien que cette seconde dimension ne soit pas analysée dans l’article. En effet, les enjeux de propriété de la donnée (juridiques, techniques) et de positionnement de l’intercommunalité au coeur des circuits des données produites sur le territoire (Le Breton et al., 2022) font partie des stratégies de la donnée et contribuent à faire évoluer les relations entre les différentes parties prenantes de l’action publique locale.

Transversaliser l’action publique locale : un écosysteme d’outils qui agit sur la structuration de la donnée et les relations internes de l'intercommunalité

Les processus de cadrage et de structuration de la donnée reposent sur des chaînes sociotechniques (Courmont, 2016) qui mêlent outils et procédés manuels, acteurs humains et non-humains. Les effets sur la gouvernance peuvent également être analysés à partir des outils eux mêmes. Si ces effets peuvent être de diverses natures, nous choisissons ici de concentrer l’analyse sur les transformations des relations entre acteurs. Les acteurs privés ne sont jamais loin compte-tenu de l’intrication forte des responsabilités entre public et privé dans le domaine numérique, toutefois il s’agit essentiellement de revenir sur les relations intra-public : entre directions, entre les communes et les structures intercommunales.

Il est possible de construire une représentation – simplifiée et non exhaustive - du système d’outils afin d’illustrer la multitude des fonctions auxquelles ils contribuent (figure 1), fonctions qui sont autant de leviers pour la stratégie de la donnée.

Figure 1 : L’écosystème des outils de la donnée à Dijon Métropole :

Figure 1 : L’écosystème des outils de la donnée à Dijon Métropole :

Réalisation : Louis Jolivalt.

Parmi la diversité d’outils présents, nous pouvons nous attarder sur trois outils de gestion de données qui, chacun à leur manière, contribuent à la transformation interne des intercommunalités : l’hyperviseur (présent à Angers et Dijon) ; l’outil Muse GCI, pour Gestion Centralisée des Interventions (propre à Dijon) et les logiciels de gestion multifonctionnels.

L’hyperviseur : vecteur d’une redistribution des rôles et de l’expertise au sein de l’intercommunalité ?

L’hyperviseur se trouve au cœur des projets de « territoire intelligent » d’Angers et de Dijon. Une de ses fonctions principales est de centraliser différents types de données (table 2), dont des données en temps réel, et de les donner à voir dans une cartographie unifiée afin d’optimiser la prise en charge des évènements sur l’espace public : un accident ; un candélabre dysfonctionnel ; une manifestation culturelle, etc. Il construit ainsi une représentation du territoire métropolitain, en direct. Il est caractérisé par son mode d’exploitation : il y a constamment un télé opérateur qui peut, soit mettre en relation différents acteurs (équipes de maintenance, élus, etc.) à partir des informations qu’il a à sa disposition, soit exercer une fonction de “contrôle-commande”, c’est-à-dire agir à distance sur les infrastructures (par exemple : déclencher ou éteindre une alarme, un plan de feux tricolores, éteindre ou allumer un candélabre, etc.)

Figure 2 : Fonctionnement général de l’hyperviseur :

Figure 2 : Fonctionnement général de l’hyperviseur :

Réalisation : Louis Jolivalt.

Table 2 : Les différentes données qui alimentent l’hyperviseur : (partie droite de la figure 2)

Type de données

Source des données

Intérêt de la donnée pour l’hyperviseur

Données

géographiques

Service SIG, Direction

numérique

Elles donnent corps à la cartographie et fournissent une première représentation du territoire.

Données

métiers

Superviseurs métiers et logiciels métiers (ex : logiciel de gestion des feux tricolores)

Elles peuvent être patrimoniales ou dynamiques. L’intérêt de l’hyperviseur est de centraliser les données pertinentes en provenance des superviseurs métiers (ex : intrusion dans un bâtiment public).

Données patrimoniales

Muse GMAO

Données descriptives des infrastructures (candélabres, bornes escamotables, différents réseaux) et leur composition. Peuvent effectuer des remontées d’information si des éléments sont défaillants.

Données dynamiques

Varie en fonction des données

Elles complètent la représentation du territoire et renforcent le sentiment d’immersion, de voir le territoire en direct. Ce sont par exemple les données de météorologie, de circulation, etc.

Réalisation : Louis Jolivalt.

Table 3 : Les briques fonctionnelles de l’hyperviseur : (partie gauche de la figure 2)

Brique

Ergonomie

Fonctions

Cartographie

Cartographie 2d dotée de différents calques et de fonctionnalités de requête par le clic.

Centralisation et visualisation des données au sein d’une seule interface. Interaction avec les infrastructures et exercice de la fonction « contrôle commande »

Menu « au fil de l’eau »

Liste chronologique des « évènements » qui se sont déroulés.

Accéder en une interface à la liste des évènements pour voir leur statut et assurer leur suivi.

Menu

« évènement »

Ouvre des procédures structurées en fonction de l’évènement, avec menus déroulants, champs de saisie et accès à l’annuaire.

Gestion des interventions avec automatisation partielle et accès à l’annuaire des contacts, gain de temps important.

Réalisation : Louis Jolivalt.

Les caractéristiques et fonctionnalités (figure 2 et table 3) de l’hyperviseur en font un outil central et témoin : l’interface cartographique permet de faire émerger un territoire « en temps réel » en même temps qu’elle donne à voir l’institution en action et sa maîtrise du territoire (contrôle et commande à distance, liste des évènements pris en compte, géolocalisation des équipes d’intervention, etc). Ce qui contribue à légitimer l’institution métropolitaine (Courmont, 2021). L’émergence d’une représentation en temps réel d’un territoire unifié participe d’une redistribution des rôles au sein de l’intercommunalité et de l’expertise associée.

Les apports de l’hyperviseur reposent sur la centralisation de données fiabilisées telles que les données relatives aux réseaux d’éclairage public (localisation précise, âge des infrastructures, etc.) qui ont fait l’objet d’une saisie dans un logiciel central dit de Gestion Maintenance Assistée par Ordinateur (GMAO) qui communique avec l’hyperviseur, dans le cadre des projets de ville intelligente. Or, si cette centralisation est perçue positivement au niveau des élus, de la DG ainsi que de la Direction métier responsable des espaces publics et équipements publics, ce n’est pas forcément le cas des agents, par exemple du service éclairage public, particulièrement concerné par le projet OnDijon et la mise en données de leur métier. Ainsi, un responsable de travaux et de reconstruction de l’éclairage public fait part de sa frustration liée à la centralisation de données fiabilisées dans un outil d’une entreprise privée et exploité par la Métropole et le groupement d’entreprises OnDijon. En effet, compte-tenu de son ancienneté dans l’intercommunalité, il était le seul à disposer d’une expertise complète sur les réseaux d’éclairage public, ce qui lui conférait une position spéciale, indispensable. En outre, il a perdu son rôle opérationnel pour devenir un pilote stratégique, réduisant ainsi le périmètre de son action. Si sa frustration peut être interprétée à l’aune de la perte de monopole de son expertise, il explique également que ce monopole public sur la connaissance du réseau permettait d’exercer un contrôle sur les prestataires de l’intercommunalité et de lui assurer une position essentielle pour l’intercommunalité. De fait, la centralisation de cette expertise dans les mains d’un prestataire unique de l’éclairage public entraîne, d’après lui, une évolution défavorable du rapport de force pour l’intercommunalité et réduit la possibilité de faire jouer la concurrence entre les prestataires.

De la même manière, il peut exister des effets de concurrence entre directions : l’exploitation des données d’un outil tel que l’hyperviseur nécessite la constitution d’une équipe, ce qui est parfois perçu par les autres directions métiers, notamment à ALM, comme une captation et une répartition injuste des ressources salariales de l’intercommunalité si elles n’ont pas la possibilité d’effectuer également des recrutements (carnet de terrain, novembre 2024). Il existe sur ce point une différence notable entre les cas dijonnais et angevin : l’hyperviseur est exploité par un groupement d’entreprises à Dijon Métropole alors qu’à Angers Loire Métropole, c’est un nouveau service intercommunal qui s’en charge. De fait, des tâches auparavant exécutées à l’échelle de chaque direction métier sont ainsi redistribuées au profit d’un prestataire privé dans le cas de DM, et au bénéfice d’un nouveau service intercommunal dans le cas d’ALM. Ceci explique des effets de concurrence potentiellement accrus au sein de l’intercommunalité angevine.

Ainsi, la centralisation des données au travers d’outils logiciels, construite comme une affirmation de l’intercommunalité, engendre des déplacements d’expertises entre les différentes strates d’acteurs, et contribue de ce fait à l’évolution des rapports de force au sein même des institutions intercommunales

2.2. Muse Gestion Centralisée des Interventions (GCI) : coordonner et superviser différentes parties prenantes par l’intermédiaire d’un unique outil

Figure 3 : Périmètre fonctionnel de l’outil Muse GCI (Gestion centralisée des Interventions) :

Figure 3 : Périmètre fonctionnel de l’outil Muse GCI (Gestion centralisée des Interventions) :

Muse GCI (Gestion Centralisée des Interventions) est un outil logiciel géré par la cellule dispatch, de la direction des Espaces publics (responsable du projet OnDijon) qui a pour mission d’assurer le traitement efficace de tous les évènements signalés dans l’espace public par le biais de leur centralisation (figure 3). C’est donc un outil propre au projet OnDijon plutôt qu’à la stratégie de la donnée mais qui se révèle pertinent à analyser ici en tant qu’il produit une évolution du mode de fonctionnement interne de l’intercommunalité à partir de l’exploitation des données. C’est un outil de coordination qui traduit ces signalements en “Demande d’intervention” (DI) - dispositif au coeur de l’outil - ensuite dispatchées aux équipes chargées d’intervenir.

Si c’est un outil géré par la Métropole, l’intercommunalité souhaitait intégrer toutes les communes, pour leurs compétences métropolitaines voire communales. L’objectif est ainsi de relier les différents acteurs en organisant la circulation des données relatives aux interventions entre eux, selon des modalités prédéfinies. Tout le monde peut ainsi avoir une visibilité sur l’état des demandes d’intervention (DI), visibilité différenciée et gérée par le biais des droits d’accès. Cette centralisation peut être un point de vigilance dans la relation entre la Métropole et les communes, notamment les plus grandes et celles dans l’opposition politique, qui ne souhaitent pas être contrôlées. Dans le même temps, plusieurs communes ont souhaité étendre l’utilisation de l’outil à leurs compétences communales, voire pour d’autres fonctions, ce qui laisse présager une certaine confiance. Cet enjeu de contrôle se manifeste sous différentes formes. Ainsi, le prestataire transports Keolis n’est pas intégré à la GCI. Outre des restructurations internes, cela s’explique par le souhait du service mobilité métropolitain de garder le contrôle dans sa relation avec son prestataire et de ne pas le perdre au profit de la cellule dispatch. La mise en relation directe, voire automatisée, permise par la circulation des données sous forme de DI au sein de Muse GCI peut ainsi être perçue par les directions métiers comme une dépossession de leurs responsabilités et du contrôle corollaire. Cependant, si l’on considère les relations communes-intercommunalité, l’outil contribue, par sa mise à disposition, à renforcer l’intercommunalité et à centraliser son fonctionnement.

L’implantation d’un logiciel de gestion multifonctionnel : levier de concurrence et modalité de gouvernance entre les directions

Conscientes de l’importance des données dans la gouvernance des intercommunalités, certaines directions métiers s’emparent elles-mêmes du sujet. Si cela peut répondre à divers objectifs internes à la direction, nous constatons que c’est également un moyen pour les directions de faire pencher les arbitrages à leur avantage, dans un contexte contraint voire concurrentiel, entre les différentes directions.

Nous prenons ici l’exemple de la Direction des Parcs et Jardins d’Angers Loire Métropole qui a déployé, sous l’impulsion de son référent numérique (qui a un rôle de traducteur des besoins de la direction auprès de la DN) et de son directeur, un logiciel de gestion multifonctionnel : il permet la gestion des plannings et des équipes, le suivi et la gestion des demandes d’intervention, la gestion et la maintenance du matériel, des stocks, etc. Grâce à ces fonctionnalités, la direction mobilise le logiciel pour traiter les données qui y sont intégrées afin de produire des tableaux de bord documentant leur activité. Cette documentation répond à un impératif de « mise en visibilité » (Chambon, 2021) auprès des citoyens mais aussi et surtout auprès de la DG et des élus. Ainsi, la direction a mobilisé les données relatives au volume et la typologie d’interventions pour démontrer que le nombre d’interventions avait augmenté du fait des politiques intercommunales d’augmentation de la place de la nature en ville et d’organisation d’évènements dans des espaces verts intercommunaux. Cette démonstration a pu être mobilisée lors des arbitrages annuels afin de justifier la demande de recrutement de personnels. La mise en données de son activité, par l’intermédiaire de logiciels de gestion, apparaît comme un levier pour les directions métiers afin de se positionner par rapport aux autres directions et capter des ressources, notamment financières. Cela contribue ainsi à modifier les relations et hiérarchies entre directions métiers, en fonction notamment de leur rapport aux données.

De la même manière, la Direction Ecologie urbaine de Dijon Métropole a su mettre à profit l’opportunité que représentait le projet européen Response pour développer une plateforme de données sur l’énergie et le climat. C’est la rencontre de l’intérêt du Directeur du Numérique ainsi que l’appétence pour les données de la personne en charge du projet pour la Direction Ecologie urbaine (qui est par ailleurs habituée à la conduite de projets européens) qui rend possible le développement de la dimension data du projet avec une plateforme de données à destination de la direction métier et d’un datahub qui stocke des données métropolitaines pour la DN. Ainsi, la capacité à saisir des opportunités, influencée par les ressources et appétences des agents, permet à certaines directions de tirer profit de la politique métropolitaine de la donnée.

L’étude des outils mobilisés pour la gestion et l’exploitation des données confirment les tendances esquissées par l’analyse sur le travail propre aux données. Les chaînes sociotechniques liées à la structuration et l’exploitation des données déstabilisent les rapports habituels entre les directions métropolitaines (et modifient les logiques d’accès aux ressources), la Métropole et les communes (dans le sens d’une plus grande intégration) voire la Métropole et ses prestataires. Il existe un enjeu de maîtrise des compétences pour utiliser ou paramétrer les outils qui, de fait, donne une place plus importante aux acteurs privés qui développent ces outils mais aussi et surtout aux directions dont certains agents sont capables de saisir les opportunités offertes par cette période de déstabilisation qu’engendre la mise en œuvre d’un projet de « ville intelligente » et d’une stratégie de la donnée.

Conclusion : « gouverner par les données » : un horizon lointain mais producteur de transformations internes

Les processus de structuration de la donnée, partie intégrante de la mise en place d’une stratégie de la donnée, sont des modes de gouvernance : ils permettent la centralisation de données et de compétences au profit des institutions métropolitaines. Cette centralisation des données correspond à une concentration des capacités d’analyse et donc des pouvoirs de décision. La maîtrise des données est un enjeu de pouvoir qui renforce la position de certains échelons territoriaux, notamment intercommunaux (Picaud, 2023). En lien avec la dynamique de centralisation, un travail d’homogénéisation des données vise à faire émerger un territoire unifié et son corollaire, l’action métropolitaine. La constitution du lien entre territoire métropolitain et institution intercommunale repose également sur la transformation de l’organisation intercommunale : déploiement d’outils centralisés, unifiés et communs permettant une coordination accrue entre les différentes directions intercommunales mais aussi avec les communes, ce que l’on observe à Dijon et Angers. Ainsi, le déploiement de la stratégie métropolitaine de la donnée est un enjeu de pouvoir crucial dans la relation communes – intercommunalité, mais aussi entre les directions intercommunales. Les services données se trouvent dans les directions numériques, des directions transverses et intercommunales (services communs), donc en relation avec les communes.

A l’échelle des directions intercommunales, les processus relatifs au déploiement d’une stratégie de la donnée contribuent à ouvrir une période d’instabilités et de redéfinitions des périmètres et prérogatives des directions et services. Toutes les directions ou services ne disposent pas de ressources égales pour tirer profit de ces déstabilisations, que ce soit en termes de gain de ressources financières, de pouvoir de décision, d’outils ou de responsabilités. Il apparaît que certains facteurs sont déterminants : avoir des agents acculturés à la donnée et disposant des compétences nécessaires permet de saisir les opportunités ouvertes par le déploiement de la stratégie afin de ne pas se retrouver en marge du processus.

Enfin, se pose la question de l’émancipation de la stratégie des données par rapport aux projets – et marchés - de « ville intelligente ». De fait, à Dijon, l’émancipation de la DN par rapport au projet lui permet de porter le déploiement de la stratégie des données de manière indépendante. A Angers, les effets de concurrence entre l’équipe SIG/données de la DN et l’équipe du projet TI, qui ne fait pas partie de la même direction, limite le déploiement de la stratégie : elle n’est pas priorisée systématiquement et ne bénéficie pas d’un plan d’action concret. Elle demeure pour le moment au stade de l’intention politique mais ne peut être utilisée efficacement comme un mode de gouvernement.

A l'heure actuelle, il est difficile d'établir une comparaison systématique et générale des deux terrains étudiés considérant les niveaux différenciés d'avancement et de déploiement des stratégies respectives de la donnée : la Métropole de Dijon semble ainsi plus avancée dans ce processus. Néanmoins, le niveau différencié de déploiement est en lui-même significatif. En effet, au-delà de temporalités légèrement différentes - notamment liées aux calendriers décalés des projets de « ville intelligente » -, il s'explique également par la nature des acteurs qui portent et promeuvent la stratégie de la donnée. En ce sens, la dimension politique de la stratégie angevine semble freiner son appropriation par les services là où, dans le cas dijonnais, l'appui politique des élus vient amplifier une stratégie initiée par les services. En outre, la capacité à nouer des alliances, par exemple avec la Direction de l’Écologie Urbaine, fournit une certaine visibilité à la stratégie de la donnée.

Ces processus s’inscrivent dans un contexte plus large de « mise en visibilité » de l’action publique comme enjeu central de l’action (Chambon, 2021), de gouvernement par la performance (Bezes, 2020), voire d’utilisation de la donnée comme “outil de gouvernement” (sur un mode similaire à la statistique (Desrosières, 2008). Les données concentrent ainsi de multiples attentes, parfois contradictoires. Ce qu’illustre la tension spécifique aux données qui doivent à la fois être des vecteurs d’homogénéisation, qui font émerger le territoire, tout en articulant une multiplicité de représentations qui font écho aux spécificités des cultures et expertises métiers.

Haut de page

Bibliographie

AKRICH M., CALLON M., LATOUR B. (2006), Sociologie de la traduction. Textes fondateurs, Paris, Presses des Mines, 401 p.

BEZES P. (2020), « Le nouveau phénomène bureaucratique Le gouvernement par la performance entre bureaucratisation, marché et politique. », Revue française de science politique, vol.70 (1), 21-47. https://doi.org/10.3917/rfsp.701.0021.

BOWKER G.C., STAR S. L. (2000), Sorting things out : Classification and its consequences, Cambridge, MIT Press, 392 p.

CALLON M. (1986), « La domestication des coquilles Saint-Jacques et des marins-pêcheurs dans la baie de Saint-Brieuc », L’Année Sociologique, vol.36, 169-207.

CHAMBON J-B. (2021), « Ce que les données de signalement font au pouvoir urbain. », Paris, Chaire « Villes et numérique », 32 p.

COURMONT A. (2016), Politiques des données urbaines : ce que l’open data fait au gouvernement urbain. Thèse de doctorat en sciences politiques, Paris, Institut d'études politiques de Paris – Sciences Po, 423 p.

COURMONT A. (2021), « Chapitre 1. L’institutionnalisation et la territorialisation des pouvoirs métropolitains par les Systèmes d’Information

Géographique. Le cas du Grand Lyon », in : AGUILERA T., ARTIOLI F., BARRAULT-STELLA L., HELLIER E., PASQUIER R., Les cartes de l’action publique. Pouvoirs, territoires, résistances, Villeneuve-d’Ascq, Presses universitaires du Septentrion, 378 p.

DENIS J., GOETA S. (2013), « La fabrique des données brutes. Le travail en coulisses de l'open data. », Penser l'écosystème des données. Les enjeux scientifiques et politiques des données numériques , Février 2013, Paris, France, pp.21. halshs-00990771

DESAGE F. (2005), Le « consensus » communautaire contre l’intégration intercommunale. Séquence et dynamiques d'institutionnalisation de la communauté urbain de Lille, Thèse de doctorat en sciences politiques, Université Lille 2 - Droit et Santé, 716 p.

DESROSIERES A. (2008), « La statistique, outil de gouvernement et outil de preuve », in : DESROSIERES A., Pour une sociologie historique de la quantification, Presses de l’Ecole des Mines, Paris, 7-20.

DORMOIS R. (2006), « Structurer une capacité politique à l'échelle urbaine Les dynamiques de planification à Nantes et à Rennes (1977-2001) », Revue française de science politique, vol.56 (5), 837-867. https://doi.org/10.3917/rfsp.565.0837.

DURNOVA A., ZITTOUN P. (2013), « Les approches discursives des politiques publiques », Revue française de science politique, vol.63 (3), 569-577.
https://doi.org/10.3917/rfsp.633.0569.

FERCHAUD F., IDT J., PAUCHON A. (2023), « Les pratiques des aménageurs à l’aune des dispositifs numériques. Enjeux de coordination et de contrôle des processus de production urbaine », Flux, vol.133 (3), 40-56. https://doi.org/10.3917/flux1.133.0040.

GOËTA S. (2015), « Un air de famille : les trajectoires parallèles de l’open data et du big data. », Informations sociales, vol.191 (5), 26-34. https://doi.org/10.3917/inso.191.0026.

HALPERN O., MITCHELL R. (2020), « Smartness, populations et infrastructures. », in : STIEGLER B., Le nouveau génie urbain, FYP éditions, Paris, 69-86.

HOOD C. (1983), The tools of Government, Londres, Macmillan, 178 p.

IDT J. (2012), « Le temps de la réalisation des projets urbains : une fabrique a posteriori des enjeux politiques de l’action collective », Géocarrefour, vol.87 (2), 75-85. https://doi.org/10.4000/geocarrefour.8682

JOLIVALT L. (2024), « Le projet OnDijon : dispositifs sociotechniques de la smart city et gouvernance métropolitaine. », Norois, vol.270 (1), 91-108.

KITCHIN R. (2014), The data revolution: Big data, open data, data infrastructures and their consequences, Londres, Sage, 240 p.

LASCOUMES P. (2004), « La Gouvernementalité : de la critique de l’État aux technologies du pouvoir », Le Portique, vol.13-14, 7 p. https://doi.org/10.4000/leportique.625

LAUGAA M. (2024), En orbite de la ville numérique. Sociologie politique des cabinets de conseil satellites dans l’action publique urbaine, Thèse de doctorat en sciences politiques, Université de Bordeaux, 388 p.

LE BRETON M-A., BAILLEUL H., LE CORF J. B., MERICKSAY B. (2022), « La gouvernance des données urbaines entre territoire de projets et projet de territoire. L'exemple de Rennes Métropole », Flux, vol.127 (1), 65-84. DOI : https://doi.org/10.3917/flux1.127.0065.

LEFEVRE C. (2009), Gouverner les métropoles, Paris, LGDJ/Lextenso Éditions, 115 p.

MULLER P. (2015), La société de l'efficacité globale, Paris, Presses Universitaires de France, 224 p.

NESVIJEVSKAIA A. (2015), « La controverse épistémologique Big Data face à la réalité de l’appropriation de nouveaux paramètres par les acteurs métier en entreprise. », in : BROUDOUX E., CHARTRON G., Big Data - Open Data : Quelles valeurs ? Quels enjeux ? Actes du colloque « Document numérique et société », Rabat, De Boeck Supérieur, 137-149. https://doi.org/10.3917/dbu.chron.2015.01.0137.

PICAUD M., (2020), « Les Smart Cities: un gouvernement par la performance à l’échelle locale ? », Paris, Chaire « Villes et numérique », 51 p.

PICAUD M. (2023), « Optimiser grâce aux algorithmes et aux données urbaines ? Promesses, caractéristiques et offre réelle des start-up pour la ville intelligente. » Flux, vol.133 (3), 9-23. https://doi.org/10.3917/flux1.133.0009.

PICON A. (2018), « Villes et systèmes d'information : de la naissance de l'urbanisme moderne à l'émergence de la smart city », Flux, vol.111-112 (1- 2), 80-93. DOI : https://doi.org/10.3917/flux1.111.0080.

RABARI C., STORPER M. (2015), « The digital skin of cities: urban theory and research in the age of sensored and metered city, ubiquitous computing and big data », Cambridge Journal of Regions, Economy and Society, vol. 8, n° 1, pp. 27-42. DOI : http://doi.org/10.1093/cjres/rsu021.

SADOWSKI J. (2019), « When data is capital : Datafication, accumulation, and extraction », Big Data & Society, vol.6 (1), 1-12.

SÖDERSTRÖM O., PAASCHE T., KLAUSER F. (2014), « Smart cities as corporate storytelling », City, vol.18 (3), 307-320.

STONE C. (1993), « Urban regimes and the capacity to govern : a political economy approach », Journal of Urban Affairs, vol.15 (1), 1-28.
DOI:10.1111/j.1467-9906.1993.tb00300.x

Haut de page

Table des illustrations

Titre Figure 1 : L’écosystème des outils de la donnée à Dijon Métropole :
Légende Réalisation : Louis Jolivalt.
URL http://journals.openedition.org/netcom/docannexe/image/9589/img-1.png
Fichier image/png, 157k
Titre Figure 2 : Fonctionnement général de l’hyperviseur :
Légende Réalisation : Louis Jolivalt.
URL http://journals.openedition.org/netcom/docannexe/image/9589/img-2.png
Fichier image/png, 98k
Titre Figure 3 : Périmètre fonctionnel de l’outil Muse GCI (Gestion centralisée des Interventions) :
URL http://journals.openedition.org/netcom/docannexe/image/9589/img-3.png
Fichier image/png, 79k
Haut de page

Pour citer cet article

Référence électronique

Louis Jolivalt, « Transformations de l’institution intercommunale dans le cadre des politiques de la donnée : les cas de Dijon métropole et Angers Loire métropole »Netcom [En ligne], 39-1/2 | 2025, mis en ligne le 30 août 2025, consulté le 23 janvier 2026. URL : http://journals.openedition.org/netcom/9589 ; DOI : https://doi.org/10.4000/14jvn

Haut de page

Auteur

Louis Jolivalt

Doctorant en Urbanisme et Aménagement – Lab’URBA, Université Paris-Est Créteil, 14-20 Boulevard Newton, 77420 Champs-sur-Marne – 06.31.20.40.11, louis.jolivalt@u-pec.fr

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont susceptibles d’être soumis à des autorisations d’usage spécifiques.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search