Comment l'analyse de données générales m'a permis de trouver les pires endroits où se garer à New York
-
0:01 - 0:0410 000 km de routes,
-
0:04 - 0:061000 km de rails de métro,
-
0:06 - 0:07640 km d'aménagements cyclables
-
0:07 - 0:09et un tramway aérien de 945 m reliant
-
0:09 - 0:11Manhattan à Roosevelt Island.
-
0:11 - 0:14Ces quelques nombres décrivent
l'infrastructure routière -
0:14 - 0:17de la ville de New York.
-
0:17 - 0:20Les rapports des organismes
municipaux contiennent ces données. -
0:20 - 0:23Le département des transports, vous dira
-
0:23 - 0:24le nombre de km de routes entretenus
-
0:24 - 0:27Le MTA se vantera du nombre de km
de voies de métro. -
0:27 - 0:29La plupart des organismes établissent
des statistiques. -
0:29 - 0:32Voici des données
d'un rapport de cette année -
0:32 - 0:33de la commission des taxis,
-
0:33 - 0:36qui nous apprennent qu'il y a environ
13 500 taxis ici à New York. -
0:36 - 0:38Intéressant, n'est-ce pas?
-
0:38 - 0:41Mais vous êtes-vous déjà demandé
d'où viennent ces nombres? -
0:41 - 0:44Pour qu'ils existent,
des fonctionnaires ont dû -
0:44 - 0:48s'arrêter et se dire, hum, voici une
donnée qui intéresse peut-être quelqu'un. -
0:48 - 0:50Voilà un nombre dont
nos citoyens ont besoin. -
0:50 - 0:52Ils sortent alors leurs
données brutes, -
0:52 - 0:53comptent, ajoutent, calculent,
-
0:53 - 0:55et rédigent des rapports
-
0:55 - 0:57contenant de nouveaux chiffres.
-
0:57 - 1:00Mais le problème : comment
devinent-ils nos questions? -
1:00 - 1:01Nous en avons beaucoup.
-
1:01 - 1:05En fait, le nombre de questions
que nous nous posons sur notre ville -
1:05 - 1:06est infini et les organismes
-
1:06 - 1:08peinent à nous suivre.
-
1:08 - 1:12Cette façon de faire n'est pas au point et
je crois que nos décideurs le réalisent, -
1:12 - 1:16car en 2012, le maire Bloomberg
a signé ce qu'il a appelé la mesure -
1:16 - 1:20législative sur les données ouvertes
la plus ambitieuse et exhaustive au pays. -
1:20 - 1:21Il a raison à bien des égards.
-
1:21 - 1:24En deux ans, la ville a publié
1000 jeux de données sur notre -
1:24 - 1:26portail des données ouvertes,
-
1:26 - 1:27ce qui n'est pas mal.
-
1:27 - 1:29Vous regardez des données comme celles-là
-
1:29 - 1:32et vous commencez à vous
poser des questions qui -
1:32 - 1:34vont au-delà du simple
nombre de taxis. -
1:34 - 1:35Moi, je me suis demandé,
-
1:35 - 1:36quelle est l'heure de pointe à NY?
-
1:36 - 1:39La réponse ne nous vient
pas naturellement. -
1:39 - 1:42Et je me suis dit, ces taxis sont
plus que des nombres, -
1:42 - 1:44ils transportent des GPS qui enregistrent
-
1:44 - 1:46chaque course qu'ils font.
-
1:46 - 1:49J'ai donc jeté un œil à ces données,
-
1:49 - 1:53et j'ai tracé une courbe de la vitesse
moyenne des taxis durant la journée. -
1:53 - 1:56Vous pouvez voir qu'à partir de minuit
jusqu'à environ 5 h 18, -
1:56 - 2:00la vitesse augmente,
puis les choses se gâtent et -
2:00 - 2:04la vitesse décroît et décroît
et décroît jusqu'à 8 h 35, -
2:04 - 2:06où elle se stabilise à environ
18,5 km par heure. -
2:06 - 2:10Les taxis roulent en moyenne à 18,5 km/h
dans les rues de notre ville, -
2:10 - 2:12et leur vitesse demeure telle quelle
-
2:12 - 2:15toute la journée.
-
2:15 - 2:16(Rires)
-
2:16 - 2:20J'en conclus donc qu'il n'y a pas
d'heure de pointe à New York, -
2:20 - 2:21mais des journées de pointe.
-
2:21 - 2:24Logique. Et c'est important
pour diverses raisons. -
2:24 - 2:28Si vous travaillez dans le domaine du
transport, c'est intéressant pour vous. -
2:28 - 2:30Et si vous êtes quelqu'un de pressé,
-
2:30 - 2:32vous savez maintenant que vous
devez vous réveiller à 4 h 45. -
2:32 - 2:34New York, non?
-
2:34 - 2:36Mais ces données
ont elles aussi une -
2:36 - 2:38histoire : elles n'étaient
publiées nulle part -
2:38 - 2:41et ont été obtenues par suite d'une
demande faite en vertu -
2:41 - 2:43de la loi del’accès à l’information.
-
2:43 - 2:46Le formulaire pour faire une telle
demande est sur le site de la TLC. -
2:46 - 2:49Pour obtenir les données, vous
devez le remplir, l'envoyer, puis -
2:49 - 2:51attendre qu'on communique avec nous.
-
2:51 - 2:53C'est ce qu'a fait Chris Whong.
-
2:53 - 2:55Voici ce que le TLC lui a demandé :
-
2:55 - 2:58« Apportez-nous un disque
dur neuf. Nous y copierons -
2:58 - 3:01les données et vous pourrez venir le
chercher cinq heures plus tard. » -
3:01 - 3:03Voilà d'où les données proviennent.
-
3:03 - 3:06Chris est de ceux qui veulent
que de telles données soient -
3:06 - 3:10publiques, et il les a mis en ligne,
ce qui m'a permis de faire la carte. -
3:10 - 3:14Le fait que ces enregistrements GPS
existent -- vraiment cool. -
3:14 - 3:17Mais le fait que des citoyens
se promènent avec des disques durs -
3:17 - 3:19pour aller chercher des données,
-
3:19 - 3:22qui en soi sont « publiques », mais
-
3:22 - 3:23qui ne sont pas rendues publiques,
-
3:23 - 3:25nous pouvons faire mieux comme ville.
-
3:25 - 3:28Nul besoin que nos citoyens
trimbalent des disques durs. -
3:28 - 3:31Mais certaines données
sont déjà à disposition. -
3:31 - 3:34Voici une carte que j'ai créée des
intersections de NY enregistrant le plus -
3:34 - 3:36d'accidents impliquant des cyclistes.
-
3:36 - 3:38Les zones rouges sont
les plus dangereuses. -
3:38 - 3:41Ce que l'on observe, c'est
que la portion est de l'île, -
3:41 - 3:45particulièrement dans le sud de la
ville, enregistre le plus d'accidents. -
3:45 - 3:46Ce n'est pas illogique,
-
3:46 - 3:48car beaucoup de cyclistes
sortent du pont à cet endroit. -
3:48 - 3:50Mais d'autres zones,
comme Williamsburg, -
3:50 - 3:53Roosevelt Avenue dans Queens,
méritent notre attention. -
3:53 - 3:55C'est le genre de données
dont Vision Zero a besoin. -
3:55 - 3:58C'est ce qui fait notre bonheur.
-
3:58 - 4:00Mais encore une fois,
il y a une histoire -
4:00 - 4:02à raconter au sujet de ces données.
-
4:02 - 4:04Combien d'entre vous connaissent ce logo?
-
4:04 - 4:06Je vois des hochements de tête.
-
4:06 - 4:08Avez-vous déjà copié et
collé des données d'un PDF, -
4:08 - 4:10puis essayé d'y voir clair?
-
4:10 - 4:11Vous l'êtes apparemment.
-
4:11 - 4:14Plus à avoir fait du copier-coller
qu'à reconnaître le logo. Intéressant. -
4:14 - 4:18Les données que vous avez vues
se trouvaient à l'origine dans un PDF. -
4:18 - 4:21En fait, dans un PDF de
plusieurs centaines de pages -
4:21 - 4:23créé par notre service de police,
-
4:23 - 4:26et pour pouvoir les utiliser, vous
deviez faire du copier-coller, -
4:26 - 4:28pendant des heures,
-
4:28 - 4:29ou vous appelez John Krauss.
-
4:29 - 4:30John Krauss s'est dit,
-
4:30 - 4:34je ne vais pas copier ces données,
mais plutôt créer un programme, -
4:34 - 4:36le NYPD Crash Data Band-Aid,
-
4:36 - 4:39qui se promène sur le site Web du NYPD
pour y dénicher des PDF. -
4:39 - 4:42Chaque jour, il cherche,
trouve et télécharge des PDF, -
4:42 - 4:44puis en extrait le contenu qu'il
-
4:44 - 4:46transforme en texte et
-
4:46 - 4:49qu'il publie sur le Web, pour que
l'on puisse faire des cartes. -
4:49 - 4:53Et le fait que nous ayons ces données --
-
4:53 - 4:55en passant, chaque ligne
du tableau est un accident. -
4:55 - 4:57Vous pouvez imaginer le nombre de PDF.
-
4:57 - 4:59Le fait que nous y ayons
accès est formidable, -
4:59 - 5:01mais ne les publions pas dans des PDF,
-
5:01 - 5:04car nos citoyens chercheront
le moyen de les en extraire. -
5:04 - 5:06Nos citoyens n'ont pas de temps à perdre,
-
5:06 - 5:08et comme ville nous pouvons offrir mieux.
-
5:08 - 5:11La bonne nouvelle, c'est
que l'administration Blasio -
5:11 - 5:13a publié ces données il y a quelques mois,
-
5:13 - 5:15Mais beaucoup de données restent enfermées
-
5:15 - 5:18dans des PDF, ce qui est notamment le cas
-
5:18 - 5:21des données sur les crimes.
-
5:21 - 5:25Tout comme du budget
de notre propre ville. -
5:25 - 5:29Le budget de NY n'est actuellement
disponible qu'en format PDF. -
5:29 - 5:31Nous ne sommes pas les
seuls que cela embête. -
5:31 - 5:34Nos propres législateurs, ceux
qui votent le budget, -
5:34 - 5:36le reçoivent en PDF.
-
5:36 - 5:40Nos législateurs ne peuvent pas
analyser le budget qu'ils votent. -
5:40 - 5:43Et je crois que comme ville nous
pouvons faire un peu mieux que cela. -
5:43 - 5:46Toutes les données ne sont
pas cachées dans des PDF. -
5:46 - 5:47Voici une carte que j'ai faite
-
5:47 - 5:50des voies de navigation
les plus sales de New York. -
5:50 - 5:52Que veux-je dire par sale?
-
5:52 - 5:54C'est quelque peu étrange,
-
5:54 - 5:56mais j'ai pris le nombre
de coliformes fécaux, -
5:56 - 5:59soit la quantité de matière fécale,
dans chacune de nos voies d'eau. -
5:59 - 6:03Plus le cercle est grand,
plus l'eau est sale, -
6:03 - 6:06et vice versa.
Ce que vous voyez ce sont -
6:06 - 6:08les voies navigables intérieures.
-
6:08 - 6:11Il s'agit de données que la ville
recueille depuis cinq ans. -
6:11 - 6:14Les voies intérieures sont
généralement plus sales, -
6:14 - 6:15C'est assez évident, non?
-
6:15 - 6:18Voici ce que j'ai découvert
grâce à cette carte. -
6:18 - 6:22Premièrement, il ne faut jamais nager
dans un « creek » ou un « canal ». -
6:22 - 6:26Deuxièmement, la voie la plus sale
de New York est Coney Island Creek, -
6:26 - 6:28d'après cette mesure.
-
6:28 - 6:31Ce n'est heureusement pas le Coney
Island où vous vous baignez. -
6:31 - 6:32C'est de l'autre côté.
-
6:32 - 6:36Mais à Coney Island Creek, 94 % des
échantillons prélevés depuis cinq ans -
6:36 - 6:38contenaient tellement de coliformes fécaux
-
6:38 - 6:41que les lois de l'État le rendent
impropre à la baignade. -
6:41 - 6:44Et ce n'est pas le genre
de faits que les rapports -
6:44 - 6:46de la ville contiennent ou qui
-
6:46 - 6:48figure sur la page d'accueil
du nyc.gov, non? -
6:48 - 6:50Vous ne les y verrez pas, mais
-
6:50 - 6:52le fait qu'on puisse trouver
ces données est génial. -
6:52 - 6:54Ici encore, ce ne fut pas facile, car
-
6:54 - 6:56elles ne figuraient pas
dans le portail des -
6:56 - 6:58données ouvertes, où vous trouverez
-
6:58 - 7:01seulement des chiffres pour
un an ou quelques mois. -
7:01 - 7:04Elles étaient plutôt sur le site
du DEP de la ville de NY. -
7:04 - 7:08Chacun de ces liens ouvre un tableur Excel
différent, avec des titres différents. -
7:08 - 7:10Vous copiez, collez, réorganisez le tout,
-
7:10 - 7:13puis faites des cartes et
c'est bien, mais encore une fois, -
7:13 - 7:16nous pouvons faire mieux comme
ville et établir des normes. -
7:16 - 7:19Et nous y arrivons par des sites
Web comme celui de Socrata -
7:19 - 7:20appelé l'Open Data Portal NYC,
-
7:20 - 7:22où 1100 jeux de données,
qui ne souffrent pas -
7:22 - 7:24des maux que j'ai décrits se trouvent,
-
7:24 - 7:26et leur nombre ne
cesse de croître. -
7:26 - 7:29Vous pouvez y télécharger les données
que vous voulez dans une foule -
7:29 - 7:34de formats : CSV,
PDF, XLS ou autres. -
7:34 - 7:35Vous découvrirez alors que
-
7:35 - 7:39le format des adresses n'est pas
le même d'un organisme à l'autre. -
7:39 - 7:41L'un classe ses données par rue ou par
-
7:41 - 7:43intersection, l'autre par quartier
ou adresse postale. -
7:43 - 7:47Même avec ce portail, vous perdez
du temps, car vous devez -
7:47 - 7:49uniformiser les champs des adresses.
-
7:49 - 7:51Et nos citoyens ont d'autres
chats à fouetter. -
7:51 - 7:53Nous pouvons faire mieux comme ville.
-
7:53 - 7:55Nous pourrions normaliser nos adresses,
-
7:55 - 7:57ce qui nous aiderait
à créer plus de cartes. -
7:57 - 8:00En voici une des
bornes d'incendie de NY, -
8:00 - 8:01mais pas de n'importe quelle borne.
-
8:01 - 8:06Il s'agit des 250 bornes ayant remis le
plus grand nombre de contraventions. -
8:06 - 8:08(Rires)
-
8:08 - 8:11J'ai fait des découvertes
grâce à cette carte. -
8:11 - 8:14Primo, ne vous garez
pas dans l'Upper East Side. -
8:14 - 8:17Peu importe où vous vous
garerez, vous aurez un ticket. -
8:17 - 8:21J'ai également trouvé les deux
bornes les plus lucratives pour la ville, -
8:21 - 8:23deux bornes dans le Lower East Side,
-
8:23 - 8:28qui rapportent plus de 55 000 $
par année en contraventions. -
8:28 - 8:31Cela m'a surpris.
-
8:31 - 8:34J'ai donc fait des recherches
et j'ai découvert -
8:34 - 8:36qu'une avancée de trottoir de sept pieds
-
8:36 - 8:38sépare la place de parking
-
8:38 - 8:39de la borne d'incendie.
-
8:39 - 8:42Un conducteur arrive et se dit :
-
8:42 - 8:44« La borne est là-bas, je suis ok. »
-
8:44 - 8:47Il regarde les lignes de parking
dessinées au sol et se gare. -
8:47 - 8:50Les policiers, qui ne voient pas
les choses du même œil, lui -
8:50 - 8:51collent une amende.
-
8:51 - 8:54Je ne suis pas le seul
à avoir remarqué cela. -
8:54 - 8:56La voiture de Google qui passait par là
-
8:56 - 8:57a photographié la scène.
-
8:57 - 9:02J'en ai parlé dans mon blogue I Quant NY,
à la suite de quoi le DOT m'a répondu, -
9:02 - 9:03et a déclaré :
-
9:03 - 9:06« Bien que le DOT n'ait reçu
aucune plainte au sujet de -
9:06 - 9:11cet emplacement, nous allons
revoir le marquage au sol. » -
9:11 - 9:14Je me suis dit, voilà une
réponse typique, -
9:14 - 9:16merci, passons à autre chose.
-
9:16 - 9:20Mais, quelques semaines plus tard, une
chose extraordinaire s'est produite. -
9:20 - 9:22Ils ont refait les lignes, et pendant
-
9:22 - 9:25une seconde, j'ai vu l'avenir
de l'ouverture des données, -
9:25 - 9:27car pensez à ce qui est arrivé ici.
-
9:27 - 9:32Durant cinq ans, ceux qui se garaient-là
recevaient un ticket sans comprendre, -
9:32 - 9:36puis un citoyen a fait une observation,
en a fait part à la ville et en quelques -
9:36 - 9:38semaines tout était réglé.
-
9:38 - 9:41C'est formidable. Plusieurs personnes
voient là un rôle de cerbère. -
9:41 - 9:43Les données sont plutôt un outil,
-
9:43 - 9:46qui nous permettent d'être de vrais
partenaires du gouvernement, -
9:46 - 9:48et ce n'est pas si complexe.
-
9:48 - 9:49Peu de changements sont requis.
-
9:49 - 9:50Si vous vous faites
-
9:50 - 9:53régulièrement demander vos données,
-
9:53 - 9:57rendez-les publiques, c'est un signe
qu'elles devraient l'être. -
9:57 - 9:59Votons aussi une loi qui
oblige les organismes -
9:59 - 10:03gouvernementaux qui mettent en
ligne des PDF à joindre à ceux-ci -
10:03 - 10:05les données brutes, car
celles-ci proviennent -
10:05 - 10:07nécessairement de quelque part,
-
10:07 - 10:09et devraient être accessibles.
-
10:09 - 10:11Fixons des normes
sur les données ouvertes -
10:11 - 10:14et uniformisons le format
-
10:14 - 10:16des adresses de New York.
-
10:16 - 10:18Malgré tout ce que j'ai dit, NY reste un
-
10:18 - 10:21leader dans le domaine
des données ouvertes -
10:21 - 10:24et si nous choisissons d'établir
des normes en la matière -
10:24 - 10:28d'autres feront de même. L'État,
le gouvernement fédéral, voire d'autres -
10:28 - 10:29pays pourraient nous suivre.
-
10:29 - 10:32Nous approchons d'une ère où nous
aurons un programme qui pourra -
10:32 - 10:34créeons des cartes avec les
données de 100 pays. -
10:34 - 10:37Ce n'est pas de la science fiction,
nous y sommes presque. -
10:37 - 10:39Mais au fait, à qui donnons-nous
le pouvoir? -
10:39 - 10:42Car il ne s'agit pas seulement de
John Krauss et de Chris Whong, -
10:42 - 10:45Il y a actuellement des
centaines de Meetup actifs -
10:45 - 10:46à New York.
-
10:46 - 10:48Ils sont des milliers
à participer à ces réunions. -
10:48 - 10:51Ils y assistent après le
travail et les weekends, -
10:51 - 10:53pour passer en revue des
données et améliorer la -
10:53 - 10:55qualité de vie dans notre ville.
-
10:55 - 10:59Des groupes comme BetaNYC, qui la
semaine dernière a lancé citygram.nyc, -
10:59 - 11:02où vous pouvez vous
abonner à un bulletin des -
11:02 - 11:04plaintes que la ville
reçoit au 311 dans un -
11:04 - 11:06rayon autour de chez vous
ou de votre travail. -
11:06 - 11:09Et ce n'est pas que la communauté
techno que cela intéresse. -
11:09 - 11:12Les urbanistes, mes
étudiants, les défenseurs -
11:12 - 11:14du domaine public, des citoyens
-
11:14 - 11:17de tous les milieux.
Tout le monde s'y intéresse. -
11:17 - 11:19Et tous ces petits changements progressifs
-
11:19 - 11:23attisent la passion de nos
citoyens et leur permettent -
11:23 - 11:26d'utiliser des données pour
améliorer notre ville, -
11:26 - 11:29que ce soit une donnée ou
une place de stationnement à la fois. -
11:29 - 11:32Merci.
-
11:32 - 11:35(Applaudissements)
- Title:
- Comment l'analyse de données générales m'a permis de trouver les pires endroits où se garer à New York
- Speaker:
- Ben Wellington
- Description:
-
Les organismes municipaux ont accès à de nombreuses données et statistiques sur tous les aspects de la vie urbaine. Mais comme le suggère l'analyste de données Ben Wellington dans sa conférence, ces organismes ne savent pas toujours quoi faire avec leurs données. Il fait la preuve qu'il est possible de répondre à des questions incongrues grâce à des mesures de traitement de données, et ainsi d'obtenir des renseignements étrangement utiles, et il partage avec nous ses conseils afin que les grands ensembles de données rendus publics puissent être utilisés par tous.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 11:48
Elisabeth Buffard approved French subtitles for How we found the worst place to park in New York City — using big data | ||
Vincent LECOANET accepted French subtitles for How we found the worst place to park in New York City — using big data | ||
Vincent LECOANET edited French subtitles for How we found the worst place to park in New York City — using big data | ||
Vincent LECOANET edited French subtitles for How we found the worst place to park in New York City — using big data | ||
Vincent LECOANET edited French subtitles for How we found the worst place to park in New York City — using big data | ||
Retired user edited French subtitles for How we found the worst place to park in New York City — using big data | ||
Retired user edited French subtitles for How we found the worst place to park in New York City — using big data | ||
eric vautier declined French subtitles for How we found the worst place to park in New York City — using big data |