Ce que l’ouverture des données produit vraiment
L’article évalue les usages effectifs des portails de données ouvertes et l’écart avec les usages attendus.
Source · arXiv, 2023
Simulation de métier
Données publiques : bâtir un catalogue que les réutilisateurs branchent vraiment
Huit missions dans la peau d’un data engineer qualité et interopérabilité chez un opérateur public de plateforme de données : diagnostiquer un catalogue qui ne sert à personne, écrire un schéma partagé avec vingt-trois producteurs, industrialiser la validation à la source, rendre les données joignables par colonnes pivots, mettre en conformité les jeux de forte valeur, arbitrer une ouverture sous risque de réidentification, tenir une API en production malgré une rupture de schéma, et défendre la feuille de route devant le comité.
10 heures
Avancé
i
Technologie
Ouverte
Profil Recherché
Un diagnostic de qualité adossé à des usages déclarés, pas à un référentiel de critères choisi hors sol.
Un schéma partagé référencé publiquement, versionné sémantiquement, avec une règle de rupture écrite.
Des colonnes pivots mesurées : taux d’appariement, cas non appariés analysés, jointures reproductibles.
Une décision d’ouverture argumentée, avec le risque de réidentification évalué et ce qui n’est pas publié.
Pourquoi cette simulation compte
Construisez une expérience concrète et la confiance pour la suite.
Description
Ouvrir des données est devenu une politique publique de masse : en 2025, plus de 10 000 nouveaux jeux de données ont été publiés sur data.gouv.fr, avec plus de 540 réutilisations et 121 nouvelles API référencées. Le goulot d’étranglement s’est déplacé : il n’est plus dans la publication, il est dans la qualité, l’interopérabilité et la tenue dans le temps. Vous rejoignez pour dix heures l’équipe données d’un opérateur public qui expose 1 240 jeux issus de 23 producteurs hétérogènes, et dont le principal réutilisateur déclare n’en exploiter que 11. Vous n’allez pas publier davantage : vous allez rendre exploitable ce qui existe. Diagnostic de qualité aligné sur les critères officiels, schéma partagé référencé et versionné, validation automatisée qui bloque à la source, colonnes pivots vers les référentiels nationaux, conformité aux obligations de données de forte valeur, arbitrage d’ouverture sous risque de réidentification, gestion d’une rupture de schéma en production, puis restitution chiffrée au comité de gouvernance.
Comment ça se passe
Quelques étapes pour commencer
S’inscrire et commencer
Créez votre compte et ouvrez la mission.
Faire le travail
Traitez chaque mission comme le métier se pratique vraiment.
Lire votre signal
Voyez ce que votre travail a montré, cité depuis ce que vous avez écrit.
Garder la preuve
Emportez la preuve dans vos candidatures et vos entretiens.
Opportunités & mises à jour
De nos partenaires
Compétences Développées
Ce que vous maîtriserez
Diagnostic de qualité de données aligné sur des critères publics
Modélisation et versionnage sémantique de schémas partagés
Validation automatisée et rejet à la source
Interopérabilité par colonnes pivots et référentiels nationaux
Conformité aux obligations de données de forte valeur et rapportage
Prérequis
Ce que vous devez maîtriser
Aucun prérequis en administration : référentiel, schéma, moissonnage et licence sont introduits mission par mission
À l’aise avec un CSV, une jointure, une expression régulière simple et la lecture d’un JSON
Capacité à écrire une consigne courte et opposable, lisible par un agent producteur qui n’est pas informaticien
Market signals
Ce que dit la donnée publique, chiffres et sources à l’appui
Quatre repères publics, datés et vérifiables, qui expliquent pourquoi la qualité et l’interopérabilité sont devenues le vrai métier de l’open data.
La souveraineté des plateformes publiques en débat
L’article rend compte du débat sur l’hébergement des plateformes publiques : la décision technique est un choix politique.
Source · L’Usine Digitale, 2024La vue d’un éditeur de plateforme
La documentation d’un éditeur décrit son modèle d’interopérabilité de données publiques. Source fournisseur.
Source · OpenDataSoftPartager des sources CKAN entre portails
Le prototype montre comment deux portails open data fondés sur CKAN s’échangent des jeux de données sans réplication manuelle.
Source · Fraunhofer ISST, SCITEPRESS, 2024Huit ans après la loi République numérique
La tribune dresse le bilan contrasté de l’ouverture des données publiques et pointe l’écart entre publication et réutilisation effective.
Source · Les Echos, 2024La transformation sans code, vendue comme telle
L’offre d’un éditeur décrit la promesse commerciale de l’interopérabilité : conversion entre systèmes hétérogènes sans développement. C’est l’argument à confronter au coût réel de gouvernance.
Source · Esri, 2024Plus de 10 000 nouveaux jeux de données publiés en 2025
Une publication devenue industrielle
La dynamique s’explique en grande partie par le déploiement du moissonnage : les catalogues se remplissent automatiquement, ce qui déplace l’effort humain de la publication vers la qualité et la documentation.
Source · data.gouv.fr, 2 février 2026121 nouvelles API référencées en 2025, plus de 540 réutilisations publiées
L’API devient le produit
Le périmètre de la plateforme nationale s’élargit au-delà des seuls fichiers : un réutilisateur professionnel branche une API, surveille sa disponibilité et son contrat, et abandonne une source instable.
Source · data.gouv.fr, 2 février 2026La qualité devient une note publique
La plateforme nationale annonce pour 2026 le renforcement du score de qualité des métadonnées, pour accompagner les producteurs et rendre l’information plus lisible aux réutilisateurs. Une note publique change la nature de la conversation avec un producteur.
Source · data.gouv.fr, 18 février 2026Une obligation européenne datée
Le règlement d’exécution (UE) 2023/138 du 21 décembre 2022 établit la liste des ensembles de données de forte valeur, à mettre à disposition gratuitement pour le 9 juin 2024, réparties en six catégories thématiques, avec métadonnées obligatoires et rapportage à la Commission.
Source · data.gouv.fr, 20 octobre 2023entre 1 et 5 Md€ par an attribués à Mon Espace Santé
Ce que l’interopérabilité fait économiser
La tribune conjointe de Digital New Deal et Terra Nova estime que la réduction de redondance des actes médicaux permise par le partage de données représente 1 à 5 Md€ par an, et plaide pour un cadre « robuste, interopérable et sécurisé ».
Source · La Tribune, « Urbanisons le numérique », 13 septembre 2024régime distinct de l’open data et du RGPD
La critique juridique du partage entre administrations
L’analyse publiée à l’Université Paris 1 rappelle que l’échange de données entre administrations relève d’un régime propre, séparé de la protection des données personnelles comme de l’ouverture : confondre les trois est la première cause de blocage d’un projet d’interopérabilité.
Source · P. Moussier, « Analyse critique du régime juridique d’échanges de données entre administrations », IJDDL / HAL Paris 1, décembre 2024La simulation en action
Découvrez comment les situations prennent vie
data.gouv.fr — Quelles actualités pour les données ouvertes en 2025 ? (2 février 2026)
data.gouv.fr
FILE
Le volume réel du terrain : plus de 10 000 nouveaux jeux de données, plus de 540 réutilisations et 121 API référencées en une année. À lire avant de croire qu’un catalogue se pilote à la main.
data.gouv.fr — Perspectives 2026 de la plateforme (18 février 2026)
data.gouv.fr
FILE
La feuille de route publique : renforcement du score de qualité des métadonnées, recherche, éditorialisation, conformité INSPIRE. Le cadre dans lequel votre contrat de qualité doit s’insérer.
data.gouv.fr — L’essentiel sur les données de forte valeur (20 octobre 2023)
data.gouv.fr
FILE
La définition juridique des données de forte valeur, les six catégories thématiques et les conditions de mise à disposition qui s’imposent aux producteurs concernés.
guides.data.gouv.fr — Données de forte valeur : métadonnées obligatoires et rapportage
guides.data.gouv.fr
FILE
Le mode opératoire : mot-clé `hvd`, catégorie HVD, remontée nationale par moissonnage ou publication directe, puis moissonnage européen par data.europa.eu.
guides.data.gouv.fr — Évaluer le niveau de qualité d’un jeu de données
guides.data.gouv.fr
FILE
Les critères officiels de qualité : format ouvert, structure explicite, respect des standards et schémas, colonnes pivots, documentation, gestion des versions et dialogue producteur-réutilisateur.
schema.data.gouv.fr — Le catalogue national des schémas de données
schema.data.gouv.fr
FILE
Là où un schéma cesse d’être un fichier interne pour devenir un standard opposable : référencement, versionnage sémantique et validation automatisée des fichiers publiés.
CNIL — L’anonymisation de données personnelles (19 mai 2020)
cnil.fr
FILE
La frontière que la mission 6 vous fera tenir : ce qui est anonyme sort du RGPD, ce qui est seulement pseudonymisé n’en sort pas — et l’écart se paye en réidentification.
data.gouv.fr — (Re)découvrez et exploitez les données de forte valeur (17 juin 2025)
data.gouv.fr
FILE
Le pendant usage de la conformité : à quoi servent concrètement les jeux HVD une fois publiés, et pourquoi une API stable vaut plus qu’un fichier parfait publié une fois.
Les missions du programme
Ouvrez une mission pour voir ce que vous allez produire
☆
Aperçu du programme
1
Task 1
2
Task 2
3
Task 3
4
Task 4
5
Task 5
6
Task 6
7
Task 7
8
Task 8
🏁
Ligne d’arrivée
Aperçu du programme
Ouvrir des données est devenu une politique publique de masse : en 2025, plus de 10 000 nouveaux jeux de données ont été publiés sur data.gouv.fr, avec plus de 540 réutilisations et 121 nouvelles API référencées. Le goulot d’étranglement s’est déplacé : il n’est plus dans la publication, il est dans la qualité, l’interopérabilité et la tenue dans le temps. Vous rejoignez pour dix heures l’équipe données d’un opérateur public qui expose 1 240 jeux issus de 23 producteurs hétérogènes, et dont le principal réutilisateur déclare n’en exploiter que 11. Vous n’allez pas publier davantage : vous allez rendre exploitable ce qui existe. Diagnostic de qualité aligné sur les critères officiels, schéma partagé référencé et versionné, validation automatisée qui bloque à la source, colonnes pivots vers les référentiels nationaux, conformité aux obligations de données de forte valeur, arbitrage d’ouverture sous risque de réidentification, gestion d’une rupture de schéma en production, puis restitution chiffrée au comité de gouvernance.
Ce que vous allez vivre
- Diagnostiquer
- Normaliser
- Relier
- Assumer
Prérequis
- Aucun prérequis en administration : référentiel, schéma, moissonnage et licence sont introduits mission par mission
- À l’aise avec un CSV, une jointure, une expression régulière simple et la lecture d’un JSON
- Capacité à écrire une consigne courte et opposable, lisible par un agent producteur qui n’est pas informaticien
Ce que disent les pairs
Témoignages de professionnels qui ont vécu des missions équivalentes
4.8 •5 voix d’experts
Story
“La mission 3 a changé ma façon de travailler : tant que la validation vivait dans mon notebook, je réparais les fichiers des autres tous les lundis. Le jour où le schéma valide à la source et renvoie une erreur lisible au…”
Léa M.
Étudiante en M2 data engineering
Vers un poste de data engineer en administration
Story
“Je croyais que l’open data consistait à publier des CSV. La mission 6 m’a montré qu’une décision d’ouverture est un arbitrage écrit, avec un risque de réidentification évalué et une trace. Depuis, je ne publie plus rien sans savoir ce que je…”
Ousmane D.
Apprenti ingénieur données territoriales
Syndicat mixte numérique
Story
“Ces simulations m'ont aidée à projeter ce que serait mon premier poste. Très concret.”
Inès K.
Étudiante M2
Sciences Po
Story
“Le format est addictif et utile en entretien.”
Adrien L.
Diplômé école d'ingé
INSA Lyon
Story
“L'outil idéal pour tester un métier avant de s'engager.”
Maya T.
En reconversion
—
Ce que disent les pairs
Témoignages de professionnels qui ont vécu des missions équivalentes
4.8•5 voix d’experts
Story
“La mission 3 a changé ma façon de travailler : tant que la validation vivait dans mon notebook, je réparais les fichiers des autres tous les lundis. Le jour où le schéma valide à la source et renvoie une erreur lisible au…”
Léa M.
Étudiante en M2 data engineering
Vers un poste de data engineer en administration
Prêt à commencer ?
Faites le travail, gardez la preuve.