COVID-19 et (dés)information : l’open data face à ses limitations

La COVID-19 a mis en évidence l’importance du numérique dans la lutte contre une pandémie. En particulier, la France s'est distinguée par la diversité des jeux de données publiés en open data. Cependant, elle n’a pas été épargnée par les polémiques relatives à leur qualité et à leur interprétation. Sur base d’un ensemble d’études de cas réutilisant les données du SPF (Santé publique France) et de la DREES (Direction de la Recherche, des Études, de l'Évaluation et des Statistiques), nous analysons la qualité des données, en nous basant sur le concept de pertinence des représentations de Reix et al. (2011), puis les obstacles à leur réutilisation. Nous identifions des problèmes classiques en analyse de données (p. ex. difficultés d’interprétation liées au volume ou à la sémantique des données). Nous analysons ensuite les conséquences sur la réutilisation des open data de deux dimensions de ces systèmes d’information : (1) le développement itératif des systèmes d’information de santé utilisés dans le cadre de la pandémie et (2) le fonctionnement en silos de ces systèmes d’information. Dès lors, nous identifions comment les défauts de pertinence peuvent entraîner un défiance ou un mésusage de ces données.