Big data et logement
La crise du logement est importante, en particulier dans les grandes métropoles. Pour pallier à cette insuffisance de logement, les autorités d’une part stimulent la construction (lois Matpam et Notre notamment pour la métropole de Paris), et d’autre part elles accroissent considérablement les moyens de transport. C’est ainsi que la région parisienne est embarquée dans les travaux pharaoniques du Grand Paris, dont le budget a déjà doublé alors qu’aucune réalisation n’est sortie de terre…
On a aussi créé, pour réduire le coût du transport, le financement à 50 % par l’employeur de la carte orange. Cette mesure est surement socialement utile mais elle a des effets pervers : en rendant le transport moins onéreux elle incite objectivement certains à aller chercher moins cher, plus loin en banlieue. D’où un effet négatif, et sans doute cumulatif. Plutôt que de trouver des mesures curatives, on pourrait essayer d’attaquer le problème à sa source : œuvrer à loger les gens au plus près de leur travail ou inversement leur permettre de travailler à proximité de leur logement. Cette optimisation est forcément complexe, dans une famille par exemple les deux conjoints ayant en général des employeurs différents sur des sites également différents.
A-t-on essayé d’appliquer à cette problématique les outils du Big data ? Sur une métropole, il est sans doute possible de croiser les données relatives à des familles test (et aux employeurs des composantes de ces familles) pour ajuster les besoins de logement et d’emploi. On pourrait commencer par étudier ces possibilités sur des métiers qui sont relativement standardisés, par exemple infirmier ou également les personnels enseignants dans ses différents niveaux. Les données nécessaires à cette analyse existent forcément dans différentes bases de données, celles de la sécurité sociale et des impôts en particulier : données sur les personnes et leurs employeurs d’un côté, et constitution des foyers de l’autre ; au moins les foyers fiscaux, puisque leurs composantes établissent souvent une déclaration de revenus commune. Ces bases ne sont vraisemblablement pas interconnectées à ce jour, mais on pourrait sans doute les relier pour les stricts besoins de cette analyse.
Encore une fois l’idée est de balayer presqu’au hasard des millions de cas pour essayer de trouver quelques corrélations.
Le traitement des Big data est une technologie émergente. Il peut être intéressant de lui soumettre ce genre de problème complexe.