La Data City et les fusées : comment asservir les politiques publiques

Quel est le rapport entre les fusées et la Data City ? La Gazette des communes a récemment publié sur un très bon article, “L’information est la matrice de la ville intelligente”, qui explique pourquoi les données sont indispensables au développement d’une Smart City. Pour illustrer son propos le journaliste prend l’exemple d’un four qui régulerait sa température. L’image est excellente, et se rapproche d’un système asservi, une notion utilisée en sciences de l’ingénieur.

Système asservi ?

Selon Wikipédia :

Un asservissement est un système dont l’objet principal est d’atteindre le plus rapidement possible sa valeur de consigne et de la maintenir, quelles que soient les perturbations externes. Le principe général est de comparer la consigne et l’état du système de manière à le corriger efficacement.

‍

Plus simplement, on choisit une valeur de référence, la consigne, on mesure l’écart entre cette valeur et la réalité, on envoie l’erreur à un correcteur qui la transforme en commande d’intensité plus ou moins forte. La commande est envoyée à un actionneur, qui agit sur le système. Le cycle recommence, on mesure la valeur réelle, que l’on compare à la consigne et ainsi de suite.

Le monde est rempli de systèmes asservis. Lorsque vous conduisez votre voiture et que vous roulez à vitesse constante, vous mettez en place un système asservi. La valeur de consigne est la limite de vitesse, la valeur réelle est affichée par le tableau de bord, votre cerveau (le correcteur) transforme l’écart en signal électrique plus ou moins fort, et votre pied (l’actionneur) appuie plus ou moins vigoureusement sur l’accélérateur. De même, un four qui maintient une certaine température est un système asservi.

L’exemple de la fusée

La première étape d’un système asservi consiste à établir une consigne, sur un ou plusieurs indicateurs. Une fusée contient de nombreux systèmes asservis qui permettent de maintenir l’angle de sa trajectoire, sa vitesse etc. Pour notre exemple, la consigne est de maintenir un certain angle et une certaine vitesse pendant 55.6 millions de kilomètres, la distance Terre-Mars.

Il faut ensuite mettre en place l’actionneur, qui va agir sur le système pour le rapprocher de la consigne. L’actionneur est un piston ou une vanne du réservoir de carburant. Il est important de s’appuyer sur des tests et des expérimentations pour être certain que notre actionneur agit bien sur la valeur de consigne et pas sur autre chose. Si en ouvrant le reservoir de carburant la fusée change brutalement de direction, il y a un problème.

Il nous faut également un correcteur, qui transforme l’écart entre la valeur réelle et la consigne en commande pour l’actionneur. Si l’erreur est très faible, il faut que l’actionneur modifie légèrement son action, si elle est élevée il faut une action plus forte. Le correcteur est en général un logiciel ou un circuit qui transforme l’erreur numérique en courant électrique d’intensité plus ou moins forte qui sera transmis à l’actionneur.

Une fois la valeur de consigne déterminée, l’actionneur et le correcteur mis en place, il nous reste à installer un capteur pour connaitre la valeur réelle. On place donc un accéléromètre dans notre fusée pour mesurer la vitesse et l’angle.

Les systèmes asservis peuvent être très complexes et le principe se traduit très bien en terme de pilotage des politiques publiques. De la même manière qu’en conduisant vous faites de l’asservissement sans le savoir, ce principe est déjà utilisé par tous les élus.

Appliquer l’asservissement au pilotage des politiques publiques

Pour l’action publique le choix de la valeur de consigne revient à l’élu, qui en fonction de sa sensibilité politique se fixe comme objectif une certaine valeur qu’il considère comme souhaitable.

Il faut ensuite determiner l’actionneur, c’est à dire le mécanisme que l’élu et ses équipes veulent utiliser pour agir. Ce mécanisme peut par exemple être l’impôt, ou bien une incitation matérielle. Choisir le bon actionneur est difficile, il faut beaucoup de données pour pouvoir construire des corrélations et s’assurer que l’on a choisit le ou les bons paramètres.

Comme pour notre fusée, il nous faut un correcteur. Il s’agit d’un algorithme, qui s’appuie sur des données historiques et des corrélations pour transformer un écart en action concrète.Construire un bon correcteur est central, et revient à répondre à la question “si j’augmente ce paramètre de x%, comment va évoluer mon indicateur ? Va-t-il se rapprocher de la valeur de consigne, et de combien ?”. En général cette étape se fait au jugé, sans base solide. Un bon algorithme de simulation est plus adapté, mais nécessite beaucoup de points de données.

Enfin, pour mesurer la valeur réelle de notre indicateur, on s’appuie sur les données numériques générées par l’administration, typiquement celles provenant des logiciels métiers.

La fusée décolle, la politique publique est mise en place, la valeur réelle est mesurée puis comparée à la valeur de consigne. On envoie l’écart au correcteur qui envoie une commande à l’actionneur qui modifie son action. Puis on mesure la valeur réelle, on la compare à la consigne, l’écart est envoyé au correcteur et ainsi de suite.

Cette méthode permet de mettre en évidence plusieurs choses. Premièrement, on voit qu’il est crucial de collecter des données pour déterminer une valeur de consigne raisonnable et comparer la valeur réelle à celle-ci. Deuxièmement bien choisir l’actionneur et le correcteur est central, et s’appuie forcément sur une approche empirique rigoureuse.

Les bénéfices pour la Data City

La révolution de la Data City n’est pas dans la méthode, qui est déjà appliquée, mais dans la vitesse à laquelle on peut obtenir la donnée et parcourir la boucle de rétroaction. Si avant il fallait 6 mois pour analyser les données et construire un rapport, la boucle d’asservissement peut se faire en quelques jours avec une collecte de données performante.

Déterminer quelle actionneur choisir pour se rapprocher de la valeur de consigne était auparavant fait manuellement, intuitivement. Avec suffisamment de données, on peut observer précisément les corrélations et trouver quel paramètre influe sur quelle variable. De même, on peut calculer la proportion de cette influence, et répondre à des questions comme : “si j’augmente ce taux de 10%, de combien vais-je augmenter l’activité économique de mon centre ville”. Ces deux aspects nous permettent de choisir respectivement notre actionneur et notre correcteur, qui sont les composants principaux du système.

Asservir les décisions

Si l’on arrive à se mettre d’accord collectivement sur une valeur de consigne, et sur ce qu’il est acceptable ou non de modifier, on peut imaginer automatiser certaines décisions, exactement comme une fusée corrige automatiquement sa trajectoire. Avec le bon actionneur et le bon correcteur, on peut réaliser un programme dans lequel on rentre une valeur de consigne, par exemple “5 tonnes de CO2 par habitant et par an”. On donne à ce programme un ensemble de paramètres sur lesquels jouer (impôts, amendes…), et pour chaque paramètre un intervalle acceptable. Enfin, on lui fournit un grand volume de données pour qu’il sache dans quel mesure chaque paramètre influe sur son objectif, et qu’il puisse répondre à des questions comme : “si j’augmente de 10% la taxe carbone, alors d’après mes calculs la valeur actuelle baissera de 2.5%”.

Avec suffisamment de données on peut totalement automatiser le pilotage de certaines politiques publiques.

La question de la variabilité se pose, on peut difficilement imaginer des taux d’impôts variables, mais comme dans n’importe quel système il est possible de mettre des contraintes et d’imposer des délais avant chaque modification.

Pour toutes les décisions impliquant l’ensemble des citoyens, il restera toujours un choix politique à faire. On ne peut pas s’en remettre exclusivement à une machine pour décider de notre futur. Cependant, avec des outils comme les systèmes asservis, on peut centrer le débat sur le type de société dans lequel on souhaite vivre, au lieu de polémiquer sur les effets de telle ou telle mesure, alors que l’on partage le même but.

‍