Relecture de l’offre daVRan

Fichier GENERE par blocs-offre/sp-gen-blocs-offre_260930.py. Ne pas l’editer : chaque element indique la source a modifier. Pour annoter, travailler sur une COPIE (ex. -ANNOTE-vvr_AAMMJJ.md) : ce fichier est ecrase a chaque generation.

1. Registres d’intervention

Source : blc-donnees-extras.yaml, cle registres:.

Diagnostics et études [diagnostics]

• Phrase : Analyser un territoire, une filière ou une thématique, et en qualifier le niveau et la trajectoire.
• Ligne du bas : Du portrait complet à l’étude ciblée, en passant par l’analyse des besoins sociaux ou le diagnostic de convention territoriale : la donnée publique rendue lisible, et comparée à ce qui est comparable.
• Prestations (catalogue llist-tdref-MYPRESTA-prf.csv) : Portrait territorial comparé · Étude économique sectorielle · Étude et analyse thématique · Étude ciblée sur un territoire · Analyse des besoins sociaux · Diagnostic de convention territoriale globale

Évaluations et bilans évaluatifs [evaluation]

• Phrase : Mesurer les réalisations, les résultats et les impacts de ce qu’un dispositif, un programme ou une politique a produit, et pour qui.
• Ligne du bas : Évaluation d’impact social de projets et de programmes, contribution à des évaluations d’impact, évaluation embarquée ou bilan de politique publique, avec les enquêtes qui vont avec. Vingt et une évaluations conduites ou co-conduites, du programme européen à l’expérimentation locale.
• Prestations (catalogue llist-tdref-MYPRESTA-prf.csv) : Évaluation de politique publique · Évaluation d’impact · Évaluation embarquée d’un dispositif · Enquête et traitement statistique

Pilotage et tableaux de bord [outils]

• Phrase : Outiller le pilotage dans la durée : suivis, mini-systèmes d’information, observatoires et tableaux de bord qui se mettent à jour.
• Ligne du bas : Dispositif de suivi, reprise d’un suivi sous tableur, base Grist partagée, observatoire, rapports semi-automatisés ou base documentaire interrogeable : livrés avec scripts et données, sans compte à maintenir.
• Prestations (catalogue llist-tdref-MYPRESTA-prf.csv) : Observatoire & dashboard · Rapports semi-automatisés Quarto · Base documentaire interrogeable par IA · Dispositif de suivi, du calibrage à l’outil · Reprise d’un suivi sous tableur

Formation et accompagnement [formation]

• Phrase : Accompagner les équipes à chaque étape, pour qu’elles s’approprient la donnée et les outils.
• Ligne du bas : Transversal aux trois autres registres : formation à la prise en main, appui méthodologique, accompagnement jusqu’à l’autonomie.
• Prestations (catalogue llist-tdref-MYPRESTA-prf.csv) : Formation et prise en main

2. Points forts

Source : blc-forces.yaml. Repos = titre + descriptif ; survol = constat puis approche.

Comparer le comparable [comparable · Comparer]

• Descriptif : Une approche par panel de proches voisins, appliquée à chaque analyse : chaque chiffre est lu face à des territoires de même profil — taille, densité, rôle dans l’aire d’attraction — et situé par rapport à leur médiane.
• Besoin et constat : Les élus demandent si leur territoire va bien. Rapporté à la moyenne nationale, qui mélange Paris et la Creuse, aucun chiffre ne permet de répondre.
• L’approche : Deux panels, national pour le rang, voisins pour le contexte. Les communes retenues sont nommées et listées en annexe avec leurs valeurs. Critères publics, sélection déterministe.
• Preuve : observe · methode : _srpt-mth-philosophie, _srpt-mth-panel-voisins
• A l’oral : Dire si un territoire va bien, c’est toujours dire « par rapport à qui ». Je réponds à cette question avant de produire un chiffre.
  • Pourquoi pas la moyenne départementale ? — Elle mélange la ville-centre et les communes rurales du même département. Le panel ne retient que des territoires qui font le même métier dans le système urbain.
  • Qui choisit les territoires du panel ? — Aucun choix à la main : des critères publics INSEE et ANCT, appliqués de façon déterministe. Les communes retenues sont nommées en annexe.

Des indicateurs pensés pour l’interprétation [lecture · Comparer]

• Descriptif : Une valeur seule ne révèle rien. Chaque indicateur est décliné en niveau, trajectoire, rang et écart à la médiane des pairs : où en est le territoire, où il va, et à quelle distance des autres.
• Besoin et constat : Savoir où l’on en est ne suffit pas : il faut savoir si l’on progresse, et plus ou moins vite que ses pairs. Les données sont trop souvent montrées seules et brutes.
• L’approche : Quatre informations par indicateur : la valeur, le rang dans le panel, l’écart à la médiane, la trajectoire sur une fenêtre de même durée. La couleur dit le sens, puis l’intensité.
• Preuve : observe · methode : _srpt-mth-restitution
• A l’oral : Un territoire bas qui remonte et un territoire haut qui décroche peuvent avoir le même chiffre. Je montre les deux lectures.
  • C’est quoi l’écart à la médiane ? — La distance entre le territoire et le territoire « du milieu » de son panel. La médiane résiste aux valeurs extrêmes, contrairement à la moyenne.

Des analyses du quartier à la région [echelons · Comparer]

• Descriptif : Huit échelons géographiques et administratifs emboîtés, couverts et croisés. La maille est choisie par la question posée, annoncée, et son effet sur le résultat est écrit plutôt que subi.
• Besoin et constat : Les questions se posent au quartier, à la commune ou à l’intercommunalité, mais la donnée arrive rarement à la bonne maille, et le découpage change le résultat.
• Exemple : Sur les mêmes données, une corrélation passe de 0,26 à 0,86 selon le découpage. (Openshaw & Taylor, 1979)
• L’approche : Mailles fonctionnelles pour l’économie, grille de densité européenne DEGURBA comme parade partielle. Quand la maille n’existe pas, c’est écrit. Quand la donnée est imputée, c’est signalé.
• Preuve : observe · methode : _srpt-mth-mailles, _srpt-mth-limites
• A l’oral : La même question n’a pas la même réponse au quartier et à l’intercommunalité. Je le dis dans le rapport plutôt que de le cacher.
  • Vous descendez jusqu’où ? — Jusqu’à l’IRIS, environ 2 000 habitants, dans les grandes communes. En dessous, le secret statistique s’applique.

Des indices qui hiérarchisent [indices · Comparer]

• Descriptif : Huit indices thématiques et un grade de A à E, standard OCDE-JRC : repérer en dix secondes où ça coince, puis redescendre aux indicateurs qui composent le score.
• Besoin et constat : Face à des centaines d’indicateurs, il faut savoir en dix secondes où ça coince. Un score sur 100 se lit vite comme une note absolue.
• L’approche : 72 veut dire « au-dessus de 72 % des territoires de même taille ». Sensibilité testée, effet de maille explicité, validation spatiale quand un modèle est en jeu.
• Preuve : observe · methode : _srpt-mth-idx-light, _srpt-mth-indicateurs-calcules
• A l’oral : L’indice sert à voir en dix secondes où ça coince, puis on redescend aux indicateurs. Il ne remplace jamais le détail.
  • 72 sur 100, c’est bien ? — Ça veut dire au-dessus de 72 % des territoires de même taille. C’est un rang, pas une note de réussite.
  • Qui a fixé les pondérations ? — Parts égales par défaut, deux exceptions documentées, standard OCDE-JRC. La robustesse est testée et publiée.

La donnée publique, consolidée et croisée [bases · Fiabiliser]

• Descriptif : L’essentiel de la donnée publique : vingt-cinq bases officielles raccordées sur un maillage cohérent, au millésime le plus récent publié — et croisées, car c’est le croisement qui produit l’information.
• Besoin et constat : La donnée publique existe et la France est en pointe sur l’open data. Mais elle est éclatée entre producteurs, millésimes et outils cloisonnés, et personne n’a le temps de la recouper.
• Exemple : Observatoire des territoires, dossier complet INSEE, données OFGL, DVF : chacun son site, sa maille, son millésime. (sans source)
• L’approche : Filosofi × DVF × BDNB pour l’habitat, RP × FLORES × SIRENE pour l’économie, OFGL pour les finances. Chaque rupture connue coupe la série au bon endroit.
• Preuve : observe · methode : _srpt-mth-sources
• A l’oral : La donnée publique est riche et gratuite. Ce qui coûte, c’est de la raccorder proprement : c’est ce travail-là qui est livré.
  • Je peux le faire moi-même sur le site de l’INSEE ? — Oui, indicateur par indicateur. Le croisement de vingt-cinq bases sur un même maillage et des millésimes cohérents, c’est des semaines de travail.

Fiable, pas vraisemblable [fiable · Fiabiliser]

• Descriptif : Chaque phrase du rapport porte son origine : rédigée, calculée, ou recalculée à chaque édition. Un mode relecture le montre en couleurs, avant livraison.
• Besoin et constat : Un chiffre présenté en conseil doit pouvoir se défendre. Or beaucoup circulent de rapport en rapport sans source ni millésime, et l’IA en fabrique de vraisemblables.
• Exemple : Un rapport gouvernemental australien a été remboursé 440 000 AUD pour des citations fabriquées. (presse, 2025)
• L’approche : Quatre couleurs en relecture — jaune rédigé, bleu généré, vert recalculé, rouge chiffre figé qui se périmera. Un contrôle de pré-vol évalue chaque valeur et échoue si l’une casse.
• Preuve : observe · methode : _srpt-mth-reproductibilite, _srpt-mth-limites
• A l’oral : Chaque chiffre du rapport se défend en conseil : on sait d’où il vient et on peut le recalculer.
  • Comment je vérifie un chiffre ? — Chaque valeur clé renvoie à sa source, son millésime et l’outil public où la retrouver : DVF, dossier complet INSEE, données OFGL.

Un faisceau, jamais un chiffre isolé [faisceau · Fiabiliser]

• Descriptif : Sur des centaines d’indicateurs comparés, des écarts sortent par pur hasard. La conclusion s’appuie sur des signaux convergents, pas sur l’anomalie la plus spectaculaire.
• Besoin et constat : Sur des centaines d’indicateurs, l’écart le plus frappant attire l’œil et devient le diagnostic, alors qu’il peut n’être qu’un hasard.
• L’approche : Pas de p-value : le territoire et ses pairs sont des populations observées, pas un échantillon aléatoire. Un écart sous le seuil de matérialité n’est pas commenté.
• Preuve : observe · methode : _srpt-mth-limites
• A l’oral : Je ne conclus jamais sur l’indicateur le plus spectaculaire. Plusieurs signaux qui convergent, oui. Un seul, non.
  • Pourquoi pas de test statistique ? — Le territoire et ses pairs sont des populations entières, pas un échantillon. Un test de significativité n’aurait pas de sens.

Ne pas classer quand c’est faux [refus · Fiabiliser]

• Descriptif : Sous cinq territoires comparables, sur une distribution écrasée ou sans variance, aucun rang n’est produit. La case reste vide plutôt que de porter un classement qui ne veut rien dire.
• Besoin et constat : Un rang s’affiche même quand il ne veut rien dire, par exemple quand les trois quarts des territoires sont à zéro.
• Exemple : Densité de médecins : 74 % des communes à zéro. (moteur de la fiche)
• L’approche : Seuils inscrits dans le code : pas de rang sous cinq comparables, pas de position nationale sous dix, pas de classement cartographique sous quatre valeurs. Chaque valeur écartée est journalisée avec sa cause.
• Preuve : observe · methode : _srpt-mth-limites
• A l’oral : Quand un classement ne veut rien dire, la case reste vide. C’est un choix de rigueur, pas un trou.
  • Pourquoi cette case est vide ? — Moins de cinq territoires comparables, ou une distribution écrasée. Un rang y serait un artefact.

Aucun jugement que la donnée ne porte pas [neutre · Fiabiliser]

• Descriptif : Un rang n’est ni bon ni mauvais en soi. Les indicateurs sans sens univoque sont affichés sans couleur, et les résultats électoraux ne remontent jamais dans une caractérisation.
• Besoin et constat : Un indicateur coloré en vert ou en rouge porte un jugement. Sur certains sujets, il expose les élus à une lecture politique qu’ils n’ont pas demandée.
• L’approche : Formulation neutre en polarité : « la troisième valeur la plus élevée », pas « se classe troisième ». Pas de grille forces et faiblesses, qui ferait porter le jugement par la colonne.
• Preuve : observe · methode : _srpt-mth-ddict
• A l’oral : Je décris, je ne juge pas. Les sujets sensibles sont présentés sans couleur et ne remontent jamais dans une synthèse automatique.
  • Vous pouvez colorer en rouge ce qui va mal ? — Pour un taux de chômage, oui. Pour la part d’une population ou un résultat électoral, non : il n’y a pas de bon sens.

L’IA à sa place [ia · Fiabiliser]

• Descriptif : L’IA lit des corpus, aide à écrire le code et propose des commentaires relus. Elle ne produit jamais un chiffre : tous sortent du pipeline.
• Besoin et constat : Les collectivités veulent gagner du temps avec l’IA sans perdre la maîtrise de ce qui est affirmé. Un rapport « assisté par IA » dont personne ne sait ce qui a été vérifié ne se défend pas en conseil.
• L’approche : Trois usages, pas un de plus. Lire : les documents de la collectivité, océrisés, deviennent interrogeables, chaque réponse citant son passage. Coder : un pipeline déterministe, sous supervision. Rédiger : jamais un chiffre, toujours relu, et marqué comme tel en relecture.
• Preuve : observe · methode : argument daVRan
• A l’oral : L’IA accélère la lecture et l’écriture. Elle ne touche jamais aux chiffres.
  • Ce rapport a été écrit par une IA ? — Les chiffres sortent d’un pipeline vérifiable. Le texte rédigé est relu, et le mode relecture montre l’origine de chaque phrase.

Des outils ouverts, à l’état de l’art [stack · Restituer]

• Descriptif : Python pour les chaînes de données, R pour l’analyse et la restitution, Quarto pour les rapports, Observable pour les tableaux de bord : des outils ouverts, récents, sans licence à payer.
• Besoin et constat : Un livrable dépend souvent d’un logiciel sous licence ou d’un prestataire unique. Le jour où le contrat s’arrête, plus personne ne sait le refaire tourner.
• L’approche : Chaque outil fait ce qu’il fait le mieux, et tout est en code lisible : un rapport HTML qui embarque ses indicateurs, un tableau de bord sans serveur, une chaîne qu’un autre analyste peut reprendre.
• Preuve : observe · methode : argument daVRan
• A l’oral : Des outils ouverts, utilisés par l’INSEE et la recherche, sans licence : le livrable reste reprenable par n’importe quel analyste.
  • Mes équipes ne codent pas. — Elles n’ont pas à le faire pour lire et explorer les livrables. Le code compte le jour où il faut actualiser, et il est livré.

Des rapports qui se reproduisent [rendus · Restituer]

• Descriptif : Une chaîne de production semi-automatisée : du calcul au rapport, à la synthèse et aux slides, en quelques semaines plutôt qu’en quelques mois — et ré-éditable au millésime suivant.
• Besoin et constat : Les services ont besoin du rapport, de la synthèse et des slides, vite. Refaits à la main, les délais s’allongent et les chiffres finissent par diverger.
• L’approche : Rapports Quarto générés depuis un pipeline reproductible : un seul calcul derrière tous les formats, un périmètre piloté par configuration, le texte rédigé à la main et les chiffres recalculés.
• Preuve : a-sourcer · methode : _srpt-mth-reproductibilite
• A l’oral : Un seul calcul, plusieurs formats : le rapport, la synthèse et les slides ne peuvent pas se contredire.
  • En combien de temps ? — À préciser selon le périmètre. L’argument est la réédition : le millésime suivant ne repart pas de zéro.

Des livrables qui ne figent rien [interactif · Restituer]

• Descriptif : Du HTML qui s’explore, pas un PDF qui se feuillette. Cartes, tris, filtres : le lecteur descend à sa commune sans redemander une extraction.
• Besoin et constat : Chaque nouvelle question appelle une nouvelle extraction, parce que le livrable s’arrête au PDF.
• L’approche : Architecture sans serveur : la donnée est interrogée dans le navigateur, et le livrable reste consultable des années après, sans compte ni abonnement.
• Preuve : a-sourcer · methode : argument daVRan
• A l’oral : Le lecteur descend lui-même à sa commune, sans redemander une extraction.
  • Et pour l’impression ? — Chaque livrable a sa version PDF figée, où tout le détail est ouvert.

La donnée livrée, au format de chaque usage [donnees · Restituer]

• Descriptif : Les données brutes comme retravaillées sont livrées avec le rapport : un Excel propre et documenté pour les services, CSV, JSON ou Parquet pour les équipes data.
• Besoin et constat : Les équipes veulent réutiliser les chiffres, mais ne reçoivent qu’un document, sans les données qui sont derrière.
• L’approche : Un classeur de sept onglets — dont la matrice complète des communes de comparaison, le dictionnaire et les limites écrites en clair — qui enregistre les tableaux du rapport tels qu’ils ont été produits. Le client peut refaire chaque calcul.
• Preuve : observe · methode : argument daVRan
• A l’oral : Le rapport n’est pas la fin : les données sont livrées avec, prêtes à être réutilisées.
  • Dans quel format ? — Un Excel documenté pour les services, CSV, JSON ou Parquet pour les équipes data.

3. Thematiques d’intervention

Source : blc-donnees-extras.yaml, cle themes:.

• Démographie et migrations [demo] — Qui arrive, qui part, qui vieillit ?
• Emploi et économie [eco] — Le territoire crée-t-il de l’emploi — et lequel ?
• Revenus et précarité [rev] — Où la précarité se concentre-t-elle ?
• Logement et immobilier [log] — Le parc répond-il à la demande, et à quel prix ?
• Services, équipements et santé [serv] — À quelle distance du médecin, de l’école, du commerce ?
• Sécurité [secu] — Quelle délinquance, face aux villes comparables ?
• Finances locales [fin] — La collectivité a-t-elle les moyens de ses projets ?
• Éducation et qualification [educ] — Quel niveau de formation, quelle réussite scolaire ?
• Environnement, mobilité, vie locale [env] — Quelle pression sur le foncier et le vivant ?

4. Chiffres

Source : blc-donnees-extras.yaml, cle chiffres: (libelles) ; les nombres sont calcules.

• 595 indicateurs thématiques documentés — chacun avec sa source, son millésime et sa définition
• 25 bases publiques raccordées — sur un maillage cohérent et des millésimes harmonisés
• 8 échelons emboîtés — de l’IRIS (quartier) à la région
• 21 évaluations conduites — du programme européen à l’expérimentation locale