Cehlc: resumé

2025-09-01T07:37:49Z

resumé

New page

= Big data =

Le '''Big data''' (ou mégadonnées) désigne l'ensemble des données massives dont le volume, la vélocité et la variété dépassent la capacité des outils classiques de gestion de l'information. Ce phénomène s’est considérablement développé au début du {{XXIe siècle}}, sous l’impulsion de la [[révolution numérique]], de l'explosion d'[[Internet]], des réseaux sociaux comme [[Facebook]], [[Twitter]], [[LinkedIn]] et de l'usage généralisé des objets connectés (''[[Internet des objets|IoT]]''). Les enjeux du big data sont centraux pour les organisations, notamment dans le secteur public, où il impacte la prise de décision, la gestion des ressources et l’amélioration des [[politiques publiques]].

== Définition et caractéristiques du Big data ==

Le terme '''Big data''' a été démocratisé à partir de 2001 par [[Douglas Laney]], analyste chez [[Gartner]], au travers de la théorie des "3V", désormais souvent élargie à 5V :
* '''Volume''' : Quantité massive de données générées (exprimée en [[gigaoctet]]s, [[téraoctet]]s, [[petaoctet]]s, ou [[exaoctet]]s)
* '''Vélocité''' : Vitesse à laquelle les données sont générées et traitées
* '''Variété''' : Diversité des types et sources des données (structurées, semi-structurées, non structurées)
* '''Véracité''' : Fiabilité et qualité des données recueillies
* '''Valeur''' : Potentiel qu’ont les données à générer de l'utilité (décision, prédiction, optimisation)

== Données massives dans le secteur public ==

Dans la [[fonction publique]], le big data joue un rôle central, permettant :
* L’optimisation des services aux citoyens (par exemple, via l’analyse des usages des services publics en ligne, e-administration)
* Le développement de la [[smart city|ville intelligente]] (gestion des flux urbains, prévision de trafic, énergie)
* L’[[open data]] avec la diffusion de jeux de données par des institutions telles que [[data.gouv.fr]] ou le [[Service public de la donnée]]
* La prévision et gestion des crises (ex : modélisation lors de la pandémie de [[COVID-19]])
* La détection précoce des fraudes fiscales et sociales ([[Direction générale des finances publiques|DGFIP]], [[CNAM]]) par analyse d’anomalies

=== Exemples d'applications dans la fonction publique ===

{| class="wikitable"
! Institution ou ville
! Domaine d’application
! Résultat/objectif
|-
| [[Ministère de l’Intérieur]]
| Analyse prédictive de la délinquance
| Anticipation des zones de risques, déploiement des effectifs
|-
| [[Assistance publique – Hôpitaux de Paris|AP-HP]]
| Santé publique, gestion hospitalière
| Pilotage des lits, prévision des pics d’affluence
|-
| [[Direction générale des finances publiques|DGFiP]]
| Lutte contre la fraude
| Détection automatisée des incohérences fiscales
|-
| [[Ville de Lyon]]
| Gestion du trafic, transports en commun
| Optimisation des flux, réduction des embouteillages
|-
| [[Service public de la donnée]]
| Publication de données ouvertes
| Transparence, réutilisation par tiers (chercheurs, citoyens)
|}

== Technologies et outils du Big data ==

Le Big data s'appuie sur des technologies innovantes permettant de traiter, stocker, analyser et visualiser des données massives issues de sources hétérogènes. Parmi les plus emblématiques :
* [[Hadoop]] (infrastructure de stockage distribué)
* [[Spark]] (calcul distribué en mémoire)
* [[NoSQL]]
* [[Machine learning]] ([[apprentissage automatique]])
* [[Intelligence artificielle]] (IA)
* [[Business intelligence]]
* [[ELK Stack|Elasticsearch, Logstash, Kibana]]
* [[Data Lake]]
* [[Cloud computing]]
* [[Supercalculateur]]

== Principaux acteurs et entités publiques impliquées ==

Le développement des projets big data dans le secteur public implique de nombreuses entités nommées, telles que :
* [[INSEE]]
* [[Agence nationale de la sécurité des systèmes d'information|ANSSI]]
* [[Agence nationale de la cohésion des territoires|ANCT]]
* [[Commission nationale de l’informatique et des libertés|CNIL]]
* [[Agence du numérique en santé]]
* [[Caisse nationale d’allocations familiales|CNAF]]
* [[Ministère de l’Éducation nationale et de la Jeunesse]]
* [[Agence française de développement|AFD]]
* [[État plateforme]]

De nombreux établissements d’enseignement supérieur, comme [[Télécom Paris]], [[École Polytechnique]] ou les laboratoires de l’[[INRIA]], mènent aussi des travaux de R&D sur le big data.

== Enjeux et problématiques du Big data dans la fonction publique ==

Le recours massif aux big data soulève de multiples enjeux :

=== Enjeux sécuritaires et éthiques ===
* Respect du [[Règlement général sur la protection des données|RGPD]]
* Sécurisation des systèmes d’information publics
* Prévention des biais algorithmiques

=== Enjeux organisationnels ===
* [[Transformation numérique]] de l’administration
* Développement des compétences (formation des [[data scientist|scientifiques de données]], analystes)
* Collaboration inter-services et inter-collectivités

=== Enjeux liés à la transparence et à l’[[open data]] ===
* Accessibilité des données publiques
* Possibilités d’innovation externe (startups, chercheurs)

== Métiers du Big data dans la fonction publique ==

Le développement du Big data crée ou transforme de nombreux métiers dans la fonction publique :

* [[Data scientist]]
* [[Data engineer]]
* [[Data analyst]]
* [[Chief data officer|Responsable des données]]
* [[Architecte des systèmes d’information]]
* [[Chef de projet numérique]]
* [[Développeur big data]]

== Big data et intelligence artificielle ==

Le big data constitue le socle de l’essor de [[l’intelligence artificielle|IA]] et du [[machine learning]]. Les administrations recourent de plus en plus à l’IA pour l’automatisation de certains processus, le [[traitement automatique du langage naturel|NLP]], les chatbots d’accueil citoyen ou la planification prédictive.

== Limites et critiques du Big data ==

Malgré ses avantages, le Big data suscite des réserves :

* Risque de surveillance accrue et d’atteinte à la vie privée
* Complexité du [[gouvernement des données|gouvernance des données]]
* Problèmes d’interopérabilité des systèmes anciens (''[[legacy systems]]'')
* Déficit de compétences spécialisées dans le secteur public

== Perspectives et avenir du Big data dans la fonction publique ==

L’utilisation raisonnée et accélérée du Big data promet d'accroître l’efficacité, la transparence et l’innovation dans les administrations publiques. Les chantiers en cours incluent le développement de plateformes de données souveraines, l'ancrage de l'éthique dans les traitements automatisés, et la création d'écosystèmes collaboratifs entre acteurs publics, chercheurs et entreprises.

== Voir aussi ==
* [[Smart city|Ville intelligente]]
* [[Data science|Science des données]]
* [[Transformation numérique]]
* [[Open data]]
* [[Intelligence artificielle]]
* [[Protection des données]]
* [[CNIL]]
* [[Service public de la donnée]]
* [[INSEE]]
* [[Données massives]]

== Références ==

# Douglas Laney, « 3D Data Management: Controlling Data Volume, Velocity, and Variety », [[Gartner]], 2001.
# [[Gouvernement.fr|Gouvernement français]], « Big Data dans la transformation publique », consulté en 2023.
# [[Direction interministérielle du numérique|DINUM]], « Stratégie data de l’État », 2022.
# [[CNIL]], « Guide du Big data et des obligations pour le service public », 2021.
# [[data.gouv.fr]], « Les grands jeux de données ouverts du secteur public ».

[[Catégorie:]]

Big data - Revision history

Cehlc: resumé