Communs de données et gouvernance des données

La vie numérique génère de vastes quantités de données, dont la plupart sont collectées et contrôlées par un petit nombre d’entreprises de plateformes ou par des organismes publics. La gouvernance des données pose la question de savoir qui décide de la manière dont les données sont collectées, consultées, partagées et utilisées, et qui en tire profit. Un commun de données répond collectivement à cette question : les données sont mises en commun et gérées par une communauté selon des règles que ses membres contribuent à élaborer.

Cette idée étend l’étude des communs — forêts, pêcheries et systèmes d’irrigation — à l’information. Elle répond à trois problèmes : la concentration de la valeur économique tirée des données entre les mains de quelques entreprises ; les limites du consentement individuel comme protection, lorsque les données relatives à une personne révèlent des informations sur de nombreuses autres ; et la sous-utilisation de données susceptibles de servir la recherche ou l’intérêt public, mais enfermées dans des silos.

Communs de la connaissance

Charlotte Hess et Elinor Ostrom ont soutenu que les ressources de connaissance peuvent être analysées à l’aide du même cadre que celui qu’Ostrom a appliqué aux ressources naturelles communes : qui sont les usagers, quelles sont les règles d’appropriation et de mise à disposition, comment sont-elles surveillées et appliquées, et comment évoluent-elles ? Contrairement aux poissons, les données sont non rivales : leur utilisation par une personne ne les épuise pas. Le problème de gouvernance porte donc moins sur la surexploitation que sur l’accaparement, la qualité et les préjudices : qui peut exclure les autres, qui entretient la ressource et comment prévenir les usages abusifs.

Modèles de gouvernance des données

Marina Micheli et ses collègues ont recensé quatre solutions de remplacement émergentes au modèle des plateformes d’entreprise :

• Mise en commun de données : des organisations mettent leurs données en commun à leur bénéfice mutuel, selon des conditions communes.
• Coopératives de données : les membres apportent leurs propres données et en gouvernent démocratiquement l’utilisation.
• Fiducies de données publiques : un organisme public détient des données en fiducie pour les citoyens et en autorise l’accès à des fins d’intérêt public.
• Souveraineté des données personnelles : les individus contrôlent leurs données au moyen de coffres-forts numériques personnels et décident au cas par cas avec qui les partager.

Sylvie Delacroix et Neil Lawrence ont proposé des fiducies de données ascendantes, dans lesquelles des groupes de personnes concernées mettent leurs droits en commun et désignent des fiduciaires ayant des obligations fiduciaires afin de négocier en leur nom. Ils soutiennent qu’aucun modèle unique ne convient à toutes les catégories de données.

Principes

• Les principes FAIR (Faciles à trouver, Accessibles, Interopérables, Réutilisables), publiés en 2016, guident la gestion responsable des données scientifiques.
• Les principes CARE pour la gouvernance des données autochtones (Bénéfice collectif, Autorité de contrôle, Responsabilité, Éthique), publiés en 2020 par la Global Indigenous Data Alliance et ses partenaires, complètent les principes FAIR en mettant l’accent sur les personnes et les finalités, plutôt que sur les seules données.
• Les principes de conception des communs d’Ostrom, notamment la délimitation claire des frontières, l’adéquation entre les règles et les conditions locales, la participation à l’élaboration des règles et les sanctions graduées, sont fréquemment utilisés pour évaluer les institutions de gouvernance des données.

• OpenStreetMap, fondé en 2004, est une carte du monde créée et tenue à jour par des bénévoles et diffusée sous une licence de base de données ouverte ; sa fondation et sa communauté définissent les règles de modification et d’attribution.
• Les dépôts de données scientifiques, tels que les bases de données génomiques et climatiques, fonctionnent comme des communs de recherche régis par des règles d’accès, de crédit et de protection de la vie privée.
• Les mouvements en faveur de la souveraineté des peuples autochtones sur les données, notamment Te Mana Raraunga en Aotearoa Nouvelle-Zélande et des réseaux en Australie, au Canada et aux États-Unis, revendiquent des droits collectifs sur les données concernant les peuples autochtones et leurs terres.
• Le règlement de l’UE sur la gouvernance des données (Règlement (UE) 2022/868) crée un cadre juridique pour les services d’intermédiation de données neutres et les organisations altruistes en matière de données enregistrées, qui collectent des données données à des fins d’intérêt général.
• Sidewalk Toronto : une proposition formulée en 2018 par Sidewalk Labs en faveur d’une « fiducie de données urbaines » indépendante chargée de gérer les données collectées dans un quartier intelligent planifié a suscité de vives critiques concernant la vie privée et la responsabilité ; l’entreprise s’est retirée du projet en 2020.
• Les coopératives de données de santé en Suisse et ailleurs permettent à leurs membres de stocker des données médicales et de voter sur leurs utilisations à des fins de recherche.

• Échelle et captation : les institutions de gestion des communs peinent à rivaliser avec les plateformes qui bénéficient d’effets de réseau et disposent de capitaux ; les fiducies de données peuvent être captées par les organisations qu’elles sont censées superviser.
• Vie privée et réidentification : le regroupement des données accroît le risque de réidentification des personnes, et les licences ouvertes rendent difficile le retrait des données une fois qu’elles ont été diffusées.
• Problèmes de délimitation : les données concernant une personne concernent souvent aussi d’autres personnes (apparentés génétiques, contacts sociaux) ; il n’est donc pas clair qui devrait être « membre » d’un commun.
• Passager clandestin et maintenance : les données ouvertes sont faciles à utiliser et coûteuses à maintenir ; de nombreux communs dépendent de quelques bénévoles ou de financements par des subventions.
• Répartition de la valeur : même des communs bien gérés peuvent voir la majeure partie de leur valeur économique captée par les entreprises qui utilisent les données, à moins que des licences ou des frais ne permettent de la redistribuer.
• Incertitude juridique : le droit des fiducies, le droit coopératif et le droit de la protection des données n’ont pas été conçus pour la gestion des données, et les obligations fiduciaires des fiduciaires de données n’ont pas été éprouvées.

Les communs de données représentent une part croissante, mais encore limitée, de l’économie des données. Leurs réussites les plus manifestes concernent les sciences, la cartographie et les logiciels libres, où les contributeurs partagent des normes et où les bénéfices sont diffus. Pour les données personnelles et commerciales, les éléments probants sont moins nombreux et de nombreux projets pilotes restent expérimentaux. Le domaine passe des manifestes à la conception institutionnelle : formes juridiques pour les intermédiaires, licences préservant le contrôle collectif et principes tels que CARE, qui placent les droits des communautés concernées au même rang que l’ouverture technique.

• Micheli et al., "Emerging models of data governance in the age of datafication" (2020)
• Carroll et al., "The CARE Principles for Indigenous Data Governance" (2020)
• Wilkinson et al., "The FAIR Guiding Principles" (2016)
• Delacroix and Lawrence, "Bottom-up data trusts" (2019)
• EU Data Governance Act, Regulation (EU) 2022/868
• Charlotte Hess et Elinor Ostrom (dir.), Understanding Knowledge as a Commons (MIT Press, 2007)