• Mathieu Nohet

Comment l’analyse de données peut permettre plus d’équité sociale


Lorsque l’on parle d’analyse de données et de Big Data, la plupart d’entre nous s’imaginent des applications high tech et sophistiquées, bien loin du monde des administrations locales. Mais ces technologies ne sont que des outils, qui peuvent être mis au service de n’importe quel problème, y compris un sujet aussi épineux que celui de l’équité.

Nos élus peuvent aussi utiliser le Big Data pour garantir la justice sociale.

Les colonies de vacances de la Ville de Paris

Comment une mairie peut-elle utiliser ses données pour être plus équitable avec les citoyens ? Prenons un exemple concret, les séjours arc-en-ciel, des colonies de vacances proposées par la Ville de Paris. Comme c’est l’usage pour la plupart des activités culturelles et sportives, les prix sont adaptés en fonction des ressources des familles, avec un tarif plus élevé pour les familles les plus aisées. Le critère de sélection du prix est le quotient familial, un indicateur communément utilisé pour évaluer les ressources d’une famille.

Pour connaître l’impact de la politique des séjours arc-en-ciel, la mairie de Paris peut faire des statistiques sur la fréquentation, par quotient familial. On peut connaître le nombre d’enfants issu de chaque tranche de quotient familial chaque année, afin de s’assurer qu’aucune tranche n’est surreprésentée par rapport aux autres. Si c’est le cas, la ville peut adapter sa politique tarifaire, ou s’assurer que les tranches les moins représentées ont bien accès à l’information.

Cette analyse permet également de s’assurer qu’un programme est soutenable sur le long terme. En mesurant précisément les entrées et les sorties d’argent, la ville peut confirmer que le programme n’est pas un gouffre financier, que chacun contribue à sa mesure et éventuellement prendre les mesures nécessaires.

L’analyse permet plus d’équité et un pilotage fin

Imaginons que les séjours arc-en-ciel soient déficitaires. Une approche brutale consisterait soit à stopper ces séjours, soit à augmenter uniformément les prix.

Cette méthode cache la diversité des situations potentielles. Prenons 2 exemples. Dans le premier cas (situation 1 sur le graphe) les classes populaires envoient la plupart des enfants, les classes moyennes génèrent la plupart des revenus, et que les classes supérieures utilisent le service sans générer beaucoup de revenus. Dans ce cas, il est sans doute souhaitable d’augmenter les prix pour les classes supérieures. Imaginons maintenant (situation 2 sur le graphe) que les classes moyennes constituent le gros des vacanciers, avec les classes supérieures contribuant le plus aux revenus, et des classes populaires n’utilisant le service que marginalement. Dans ce cas, il est plus souhaitable d’augmenter les prix pour les classes moyennes, peut-être même en baissant le prix pour les classes populaires.

La taille des bulles représente la contribution de chaque tranche.


Inversement si les séjours sont bénéficiaires (un bon problème à avoir), il est intéressant de voir quelle tranche contribue le plus pour baisser les prix qui lui sont appliqués, ou encore de comprendre quelle tranche envoie le moins ses enfants en vacances, pour les encourager à plus participer en communiquant ou en baissant les tarifs.

Avec cet exemple simple, on voit que l’analyse des données des séjours arc-en-ciel permet de guider la politique publique de loisirs et d’apporter plus de justice sociale, tout en s’assurant de la viabilité économique des projets.

Des trouvailles parfois surprenantes

Plusieurs villes ont déjà conduit des analyses similaires sur des activités culturelles et sportives, avec des résultats qui bousculent parfois les clichés. Une ville de la région parisienne a par exemple découvert que la plupart des enfants qui fréquentaient le conservatoire étaient situés aux extrêmes, avec très peu de participants dont les familles avaient un quotient familial dans la moyenne. Les familles très aisées envoyaient massivement leurs enfants au conservatoire, ainsi que les familles avec le quotient familial le plus bas.


Prix et fréquentation (sans unité) par tranche de quotient familial.


Après analyse, il s’avère que les familles populaires étaient fortement subventionnées, avec une grande marche entre la tranche 1 et 2, et que la tranche supérieure était mal calibrée englobant trop de situations différentes. De plus la dernière marche était beaucoup trop faible par rapport aux autres. La ville a donc changé sa politique tarifaire en lissant les premiers tarifs et augmentant plus rapidement ensuite afin de rétablir l’équité, et ce sans faire baisser la fréquentation ou pénaliser injustement.

De nombreuses opportunités

Avec des techniques et des analyses simples, les mairies peuvent découvrir des informations importantes, qui touchent directement les citoyens. On peut aller encore plus loin grâce à des outil plus sophistiqués, avec comme seul pré-requis un accès facile aux données de la mairie. Ces données sont malheureusement souvent enterrées dans des bases de données extrêmement complexes, et le plus dur reste à faire dans ce domaine.

En obtenant la maîtrise des données des élus modernes et ambitieux peuvent transformer la manière dont la ville est gérée, en s’appuyant sur des informations fiables et à jour pour toutes leurs décisions. Les services publics peuvent être améliorés sans dépenser plus, simplement en employant des techniques innovantes de pilotage de l’action publique.

Merci !

Vous pouvez nous suivre sur Twitter pour ne rien manquer de l’actualité Govtech.