#e-administration

[adngold]

E-administration, open data, économie.. la fiche de poste de Mounir Mahjoubi au numérique

E-administration, open data, économie.. la fiche de poste de Mounir Mahjoubi au numérique

[adngold]

E-administration, open data, French Tech... la fiche de poste de Mounir Mahjoubi au numérique

E-administration, open data, French Tech... la fiche de poste de Mounir Mahjoubi au numérique

[rcondemelguizo]

Publicado nuestro artículo sobre el trabajo en el proyecto ASTIC, sobre el que realicé mi tesis. Investigamos sobre cómo permitir la accesibilidad a los servicios de adminitración electrónica a las personas con discapacidad motora. Explicamos la problemática, el trabajo de investigación y la solución propuesta.

[alireailleurs]

Comment utiliser les Big data dans les statistiques officielles ? - Discover Society

Rob Kitchin (@robkitchin) signe un intéressant article qui revient sur les enjeux à utiliser les big data pour les organismes nationaux de statistiques. Des données qui pourraient considérablement améliorer, compléter voire remplacer les données et les enquêtes que ces organismes exploitent et mettent à jour, leur permettant de fournir de nouveaux produits statistiques bien plus réactifs, réduisant drastiquement le coût de traitement et de calcul. Utiliser les données des opérateurs mobiles pour produire des statistiques touristiques, les données des sites de vente de biens immobiliers pour affiner les statistiques du secteur... sont autant d’exemples qui pourraient transformer les indicateurs existants. La division statistique des Nations Unies et de nombreux organismes nationaux se sont réunis en 2014 dans un groupe de travail mondial sur le sujet. 

Reste que le principal problème de ces organismes est d’avoir accès aux données. Si certaines d’entre elles sont produites par des organismes publiques, l’essentiel demeure gérer par des sociétés privées (opérateurs téléphoniques, médias sociaux...), nécessitant que ces organismes développent des partenariats spécifiques, des outils, règles, méthodes et instruments spécifiques pour y avoir accès et les exploiter. Cela nécessite aussi de trouver des moyens pour améliorer ou compenser la représentativité ou non-représentativité des données. Le risque enfin est que la continuité des données ne puisse pas être assuré du fait d’un changement de partenariat ou de la disparition d’un partenaire et surtout que les organismes perdent le contrôle global de la production, de l’échantillonnage et du traitement des données... (sans parler des questions de confidentialité et d’anonymisation des données). Au final, le risque est celui de la concurrence et de la privatisation des statistiques officielles, réputées neutres et de qualité, qui pourraient désormais être fournies par de nouveaux prestataires privés d’une manière plus rapide, fluide, évolutive. “Le danger pour les organismes de statistiques est que leur rôle en tant que fournisseurs principaux de statistiques officielles diminue ou soit privatisé, comme d’autres parties du secteur public : le danger pour le public est que les statistiques officielles soient remplacées par des statistiques plus rapides, moins stables et produisant des données de plus faibles qualité.” Tout l’enjeu pour les fournisseurs de données officielles demeure cependant de nouer des partenariats pour travailler sur ces nouveaux réservoirs de données et trouver les moyens de les utiliser et d’y avoir accès.

Sur Bloomberg, le professeur de finances Noah Smith, explique quant à lui que la science économique a un problème avec les mathématiques. Les économistes utilisent trop souvent les mathématiques comme un outil de rhétorique plutôt qu’un outil pour comprendre le monde, comme s’en plaignait récemment l’économiste Paul Romer. “Dans les disciplines de mathématiques plus appliquées - biologie computationnelle, dynamique des fluides, finance quantitative - les théories mathématiques sont toujours liées à la preuve. Si une théorie n'a pas été testée, elle demeure pure conjoncture. Mais pas en science économiqque. Traditionnelement, les économistes ont mis les faits dans un rôle subalterne et la théorie dans le siège du conducteur”, explique Noah Smith. Mais la révolution informatique et son lot de données est en train de changer cela, estime le professeur de finances, notamment grâce au machine learning, l’apprentissage automatique qu’évoquait également Rob Kirchin.

Deux économistes de Stanford, Susan Athey et Guido Imbens estiment que le machine learning appliqué à l’économie consiste plus à améliorer la prévision que de comprendre les effets des politiques économiques. Mais ces techniques permettraient aussi de mieux isoler les effets de causalité. Le machine learning appliqué à l’économie permet de mieux saisir les efffets du traitement, c’est-à-dire les effets et conséquences d’un traitement (par exemple augmenter le salaire minimum) de son absence. Bref, d’améliorer la modélisation. L’économie est-elle appelée à devenir une branche des mathématiques appliquées ? 

[alireailleurs]

13 principes pour la construction de services web - O'Reilly Radar

Mike Loukides pour O'Reilly Radar revient sur la publication, cet été, par le gouvernement américain, du Digital Services Playbook, un ensemble de 13 principes pour construire la stratégie des services numériques du gouvernement américain (qui rappelle - et s'inspire - des principes de conception qu'avait publié le service numérique du gouvernement britannique).

Ce "playbook" est composé de 13 principes pour stimuler le développement logiciel : - Comprendre ce dont les gens ont besoin ; - Prendre en compte toute l'expérience, du début à la fin ; - Faire simple et intuitif ; - Construire le service en utilisant des pratiques agiles et itératives ; - Structurer les budgets et les contrats pour appuyer la prestation ; - Désigner un leader et rendre cette personne responsable ; - Mettre des équipes expérimentées ; - Choisir des technologies modernes ; - Déployer dans un environnement d'hébergement souple ; - Automatiser les tests et les déploiements ; - Gérer la sécurité et la vie privée à travers des processus réutilisables ; - Utilisez les données pour prendre des décisions ; - Ouvrir par défaut. Ces principes ne sont pas abstraits, estime Loukides et seront familiers à beaucoup. Il rappelle que les besoins des usagers ne sont pas les besoins des commanditaires du site. Les gens viennent sur un site pour accomplir quelque chose. Le guide souligne l'importance de passer du temps avec les utilisateurs pour comprendre que l'expérience de l'utilisateur n'est pas seulement l'expérience de l'application. Si vous construisez un site comme Healthcare.gov, l'expérience doit avant tout être celle d'une visite chez le médecin où celui-ci accède au compte de l'assuré sans stress...

Bien sûr, Loukides revient sur l'échec de HealthCare.gov, et cette publication montre que le gouvernement a appris de celui-ci - Mickey Disckerson, l'un des ingénieurs de Google faisant partie de l'équipe venu réparer le fiasco du lancement du site est devenu administrateur des services numériques américains.

Mais les errements du secteur public ne sont pas les seuls que nous devrions blâmer, rappelle Loukides.

""Chaque fois que j'entends quelqu'un dire que "le gouvernement doit être géré comme une entreprise", ma première réaction est "savez-vous vraiment comment la plupart des entreprises sont gérées ?". (...) "J'espère que le secteur privé lit et met en oeuvre les mêmes principes"."

Il n'y a pas que les sites gouvernementaux qui sont des échecs. Selon un vieil article de TechRepublic, 68% des projets logiciels sont des échecs, et ils sont d'autant plus risqués qu'ils sont importants.

"Nous pouvons débattre du pourquoi, nous pouvons même discuter des chiffres, mais il y a clairement beaucoup d'échecs de logiciels sur le marché, dans l'industrie, dans le secteur non lucratif, comme au sein des administrations publiques."