Présentation Générale

 

GENÈSE ET VISION D'OPAL

Overhead Crowd

OPAL est né de la prise de conscience que l'utilisation de ces "grandes masses de données" collectées par les entreprises privées pour la recherche et les politiques publiques demeure une contrainte par des considérations éthique et commerciale légitimes.

A ce jour, l'une des sources de données de grande valeur, connue sous le nom de " Call Detail Records " (CDR), collectées par les opérateurs de télécommunications à des fins de facturation, a été consultée et analysée de l'extérieur, soit par le biais de “Data Challenges” tels que les  Challenges D4D d'Orange, ou à travers des contrats et arrangements bilatéraux. Ces types d'engagements ont fourni de nombreuses preuves de la promesse et de la demande.

De nombreux travaux universitaires ont montré comment l'analyse algorithmique des CDRs (mais aussi des données bancaires), généralement conjointement aux données d'enquêtes traditionnelles et aux statistiques officielles, peut aider à obtenir des résultats sur des processus socio-économiques à des niveaux de granularités géographiques et temporelles et des niveaux de complexité jamais atteints, notamment la propagation des maladies, la pauvreté, l'alphabétisation, la criminalité ainsi qu'à optimiser la prestation des services publics et des systèmes de transports notablement.

En même temps, l'utilisation de ces données personnelles et connectées comporte des risques. Les préoccupations relatives à la protection de la vie privée et de la sécurité se sont accrues à mesure que la notion d'anonymisation des données a été mise à l'épreuve, comme en témoignent les recherches menées par le MIT et la nature et l'ampleur des activités de surveillance de la National Security Agency des États-Unis, qui alimentent les craintes quant à un avenir Orwellien. Les perspectives de déséquilibres croissants entre les groupes qui ont accès aux données et leurs potentiels et ceux qui n'y ont pas accès, et la concentration du pouvoir qui en résulte, sont également préoccupantes. Une critique connexe est que les algorithmes de plus en plus utilisés pour prendre des décisions politiques s'apparentent à des " boîtes noires " dissimulant des règles et des procédures qui ne peuvent être soumises à l'examen et à la réparation du public.

À la lumière de ces obstacles et exigences, la vision d'OPAL est le développement d'un nouveau type de système techno-institutionnel fondé sur la confiance, qui tire parti du pouvoir transformateur des données du secteur privé pour favoriser la transparence, l'agilité, la responsabilisation et l'inclusion tout en respectant la confidentialité et la sécurité. À cette fin, OPAL réfléchira et favorisera un changement de paradigme pour mettre le “Big Data” sur la sellette et "le sauver de lui-même". La première étape consiste à envoyer les algorithmes aux données, et non l'inverse, afin que les données ne soient jamais exposées au vol et à une mauvaise utilisation. La deuxième étape consiste à co-concevoir la façon dont les algorithmes des grandes masses données sont développés et utilisés, afin qu'ils répondent aux besoins locaux et respectent les normes locales, au lieu d'imposer des perspectives et une expertise externes.

Lire entièrement la Note sur la Vision du projet OPAL icí.

Lire entièrement le document  sur les Statuts et Plan du d'OPAL icí


DOUBLE COMPOSANTS D'OPAL

OPAL combine deux composantes complémentaires pour créer un système holistique et autonome :

Le volet technologique comprend une plate-forme ouverte et des algorithmes ouverts avec des bêta-testeurs.

Le volet gouvernance gère le processus de conception participative, un comité d'orientation et d'éthique (CODE) et des programmes de renforcement des capacités.

Ce double volet est mis en œuvre dans deux pays pilotes initiaux, le Sénégal et la Colombie, avec un financement de l'Agence française de développement (AFD). En partenariat avec leurs Offices Nationaux de la Statistique - respectivement ANSD et DANE -, ainsi qu'avec le Département National de la Planification (DNP) de la Colombie, et les principaux opérateurs locaux de télécommunications - Orange-Sonatel et Telefónica Colombia. OPAL a établi des partenariats avec d'autres organisations, dont les Friendly User Testers (FUTs) dans les deux pays.

Lors de son lancement officiel au 4ème trimestre 2018, OPAL inclura:

8-Components-FR.png
 

ÉCOSYSTÈME D'OPAL

Afin de libérer le potentiel des données privées pour le bien public, OPAL donne accès à un ensemble unique d'avantages, de services et d'expertise qui peuvent être utilisés collectivement pour obtenir des résultats communs. OPAL permet aux acteurs actuels du secteur de mieux exploiter leurs données ou systèmes pour obtenir de meilleurs résultats.

En "envoyant le code aux données" plutôt que l'inverse, OPAL cherche à relever les défis actuels de ce système, à stimuler le dialogue et à développer les services de données sur la base d'une confiance accrue entre toutes les parties impliquées.

Ce système est organisé comme suit:

  1. Des sociétés privées partenaires (un opérateur télécom par exemple) permettent à OPAL d'accéder à ses serveurs via une plate-forme sécurisée.

  2. Le système de gouvernance, qui comprend un Conseil d’Orientation pour le  Développement et l'Éthique (CODE), garantit que les algorithmes et les cas d'utilisation sont conformes à l'éthique, pertinents au contexte, etc.; les utilisateurs bénéficient d'activités de renforcement des capacités.

  3. Les indicateurs clés dérivés de données du secteur privé telles que la densité de population, les niveaux de pauvreté ou les modèles de mobilité, alimentent les cas d'utilisation dans divers domaines des politiques publiques et économiques.

  4. Les algorithmes ouverts certifiés créés par les développeurs sont envoyés sur les serveurs des entreprises privées partenaires, derrière leurs pare-feux.

 
 

En Savoir PLUS

 
16.avel-chuklanov-38687.jpg

COMPOSANT DE GOUVERNANCE

Élaboré au moyen d'une conception participative, d'un comité d'orientation et d'activités de renforcement des capacités.

COMPOSANT TECHNIQUE

Une plateforme et des algorithmes ouverts