De la source brute à l’information réutilisable

1. Inventaire des sources publiques (priorités)

Commence par un périmètre clair (territoire + institutions), puis élargis.

Objectif : visibilité + traçabilité + réutilisation — pour la redevabilité et l’empowerment collectif.

2. Acquisition : flux natifs (RSS/Atom) quand ils existent

Les flux RSS/Atom restent la voie royale : peu de maintenance, historisation correcte, filtrage aisé.

• Repère les sections “Actualités”, “Publications”, “Ordre du jour”, “Open data” → cherche un RSS/Atom.
• Ajoute-les dans un agrégateur (ex. FreshRSS) et tague par institution/thème.
• Filtre côté agrégateur (requêtes par mots-clés, dossiers thématiques) pour réduire le bruit.

S’il n’y a pas de flux natif, on passe en “hors RSS”.

3. Acquisition : hors RSS (quand il n’y en a pas)

Beaucoup de sites publics n’offrent pas de flux. On combine des solutions low-tech et ouvertes :

• RSS-Bridge pour générer un flux à partir d’une page qui change (listes de documents, actualités).
• Scraping léger (scripts horaires) quand la structure HTML est stable.
• Abonnements mail (avec relais vers un flux) si l’institution n’a que des newsletters.
• Demandes d’accès aux documents (cadre légal d’accès) pour récupérer des pièces précises.

Toujours documenter la méthode d’acquisition et la date d’obtention.

4. Schéma de données minimal (interop + traçabilité)

Pour chaque élément collecté, stocke des métadonnées standardisées :

• id (UUID), titre, description (résumé court), type (acte, séance, budget, dataset, article…)
• date_document, date_collecte, source_url, institution, territoire
• mots_cles (contrôlés), auteur/service, licence (si connue)
• score_fiabilite (interne) + mode_acquisition (RSS, RSS-Bridge, scraping, FOI…)

Ce “socle” suffit pour lier la collecte à l’analyse, publier un index et générer des exports (CSV/JSON) réutilisables.

5. Qualité & validation (garde-fous)

La qualité éditoriale est non négociable. Mettre en place :

• Triangulation : deux sources indépendantes pour toute affirmation sensible.
• Reproductibilité : mentionner la requête, l’URL, la date/heure, le chemin d’extraction.
• Relecture collégiale sur contenus sensibles (fact-check + biais potentiels).
• Transparence : publier les méthodes (fiche de collecte, scripts, limites, biais connus).
• Journal des corrections : versionner et consigner chaque mise à jour.

But : bâtir une légitimité par la méthode, pas par l’autorité.

6. Publication en commun informationnel

Les PDF insistent : l’info publique doit redevenir un commun — ouverte, traçable, réutilisable.

• Site (Grav/Jekyll) : fiches synthèse + liens sources + exports (CSV/JSON).
• Dépôt (GitHub/Gitea) : scripts, schémas, données dérivées, changelog.
• Licence : privilégier les licences libres adaptées (données & textes).
• Accessibilité : langage clair, formats alternatifs (PDF, audio), inclusion non-numérique (bulletin papier).

7. Méthodes de collecte étendues (mix numérique/terrain)

• Plateforme hybride : signalements citoyens en ligne + réunions publiques régulières.
• Cartographie collaborative : OpenStreetMap + balades urbaines thématiques.
• Hackathons de données : ateliers ouverts pour explorer budgets/rapports et produire des visualisations.

Toujours lier virtuel et présentiel pour élargir les publics et la confiance.

8. Évaluer le dispositif (indicateurs utiles)

• Couverture : % de sources clés suivies (par institution/thème).
• Délai : temps moyen entre publication originale et intégration.
• Qualité : part des items triangulés / relus collégialement.
• Réutilisation : téléchargements d’exports, citations, reprises médias.
• Impact : réponses institutionnelles, corrections obtenues, débats ouverts.