Aprroche pull

Même si elles sont généralement de bonnes qualité, les open data sont collectées avec un contexte très particulier et demandent un traitement lourd analytiquement et techniquement.

Un écosystème d’intermédiaires, et Etalab en fait partie, s'est donc formé autour de ces données. Ces derniers traitent ces données avec un parti pris bien particulier puis proposent des services sous forme d'API ou de SaaS.

Bien que ça soit un bon début, consommer ces services n'est pas une intégration de ces données à proprement parler.

En effet, les données proposées par ces services sont conçus par ces services :

• Sont traitées avec un présupposé de filtrage et de transformation ;

• Ne sont pas exhaustives ou normalisées (plusieurs appels pour une info) ;

• Requièrent un interfaçage adapté.

Disons que nous cherchons à renseigner le nom de la région à partir du code postal avec l'API découpage administratif d'Etalab :

flowchart TB
    subgraph Service
        direction TB
        SA[code_postal à code_région];
        SB[code_région à nom_région];
    end

    subgraph Client
        direction TB
        CA[code_postal] --> SA[code_postal à code_région];
        CB[code_région] --> SB[code_région à nom_région];
    end

    SA --> CB

Utiliser la moindre donnée requiert une procédure alambiqué, enterrant dans le cimetière du Backlog pas mal de ticket d'innovation.

Note

Make Open Data est conçu pour suite à l'expérience de la frustration du développeur ou de l'analyste qui souhaite utiliser de nouvelles données.

Il s'agit d'une approche pull. C'est au consommateur de s'adapter aux contraintes du service.