Séminaire Urbaltour, Les nouvelles données du web : acquisition et analyse

Par Emmanuelle Peyvel, Hélène Mathian et Judicaelle Dietrich

Le lundi 13 novembre 2023, s’est tenue à l’ENS de Lyon une séance du séminaire Urbaltour intitulée Les nouvelles données du web : acquisition et analyse, nourrissant l’axe 4 de l’ANR qui explore l’ethnographie online de nos stations d’altitude référentes, en terme de promotion touristique et de production urbaine.

Porté par le laboratoire EVS (UMR 5600), grâce au financement CHUSS, ce séminaire s’inscrit à la croisée de deux ateliers transverses du laboratoire : « Spatialités numériques et géomatique », coordonné par Hélène Mathian, ingénieure de recherche au CNRS, et « Faire territoire, faire société », au sein duquel Judicaelle Dietrich et Emmanuelle Peyvel travaillent. Organisée par Hélène Mathian, cette séance avait pour objectif de questionner l’accessibilité et l’usage faits des nouvelles données du web, en particulier celles webscrapées sur les réseaux sociaux, mais aussi celles extraites de plateformes aujourd’hui devenues centrales dans les économies touristiques et urbaines, comme Airbnb. Il s’agissait d’aborder ces questions  des points de vue technique et méthodologique , mais aussi de les articuler à des questions de recherche  pour mieux comprendre leur intérêt et leur originalité sur la base de deux retours d’expérience.

 Le premier était présenté par Marianne Guérois, Louis Laurian, Malika Madelin et Ronan Ysebaert (UMR Géographie-cités, UMR PRODIG et UAR RIATE) et s’intitulait Exploiter les données Airbnb pour analyser la diffusion des locations touristiques de courte durée en région parisienne. Il rendait compte d’une exploitation de données Airbnb issues de la source commerciale AirDNA, traitées pour mettre en place une étude sur les dynamiques des locations meublées touristiques et leurs inscriptions dans le contexte résidentiel de la région parisienne (2016-2022) . Les résultats de l’analyse sont publiés sur le site web riate-airbnb.

Structurée en 3 points, cette intervention a permis d’aborder les questions suivantes : quels sont les enjeux soulevés par l’accès à ce type de données, en comparaison avec la source de données ouvertes InsideAirbnb pilotée par le lanceur d’alerte Murray Cox ? Quels indicateurs et visualisations tirer de ces données ? Que nous apprennent-elles sur l’évolution des liens entre locations meublées touristiques et logiques résidentielles ?

 Il en ressort que les locations saisonnières ont bien connu une forte croissance depuis 2010, en partie parce que l’immobilier a constitué une valeur refuge pour des sociétés d’investissement après la crise des subprimes, les plateformes numériques amplifiant la possibilité d’extraire des revenus à partir de locations parfois très rentables. Cette forte augmentation se fait au profit d’une part d’une diffusion au-delà de Paris intra-muros, en particulier vers les communes de banlieue limitrophes et autour de pôles touristiques majeurs (Disneyland, Versailles, Fontainebleau, etc.), et d’autre part d’une professionnalisation, à la fois des loueurs et des services associés en termes de conciergerie et d’investissement, besoin pour lequel se positionne justement AirDNA. Toutefois, Marianne Guérois a montré également que les tendances récentes sont plus volatiles, du moins dans les quartiers centraux à forte fréquentation touristique, du fait de facteurs conjoncturels (le Covid) et structurels (réglementations croissantes, de l’échelle des municipalités à celles des syndics de certains immeubles, forte augmentation des prix dans le centre, etc.). Selon Ronan Ysebaert, si AirDNA s’est révélée une source précieuse de données riches et actualisées à l’échelle de l’Ile-de-France, son utilisation a également soulevé des problèmes d’une part méthodologiques (boîte noire des données qu’il est reste difficile d’ouvrir), d’autre part éthique et juridique, dans le cadre d’une utilisation FAIR des données. Il en résulte un site web de visualisation de données extrêmement riche, présenté par Louis Laurian, fort de ses 3 000 cartes et graphiques, permettant de calculer des taux d’occupation et de vacances ainsi que des prix médians, de repérer des saisonnalités touristiques grâce à des suivis mensuels, et de cartographier les communes aujourd’hui les plus actives. En cela, le site constitue un outil précieux de connaissance, mais aussi d’aide à la décision.

 Le deuxième retour d’expérience était assuré par Lise Vaudor, Ingénieure de Recherche CNRS à EVS. Elle a présenté quelques techniques de recueil de données du web (webscraping, APIs -Application Programming Interfaces-, SERP -Search Engine Results Pages-, Triplestores) qu’elle a pu mettre en œuvre ces cinq à dix dernières années. Elle a d’abord montré des méthodes et résultats de web-scraping réalisés à des fins pédagogiques sous R, en abordant l’éventuelle nécessité dans ce cadre des techniques de camouflage posant des questions juridiques et éthiques d’accès à la donnée sensible à des fins de recherche. Elle a ensuite développé l’analyse d’articles Twitter du compte Water Use It Wisely en Arizona grâce à une combinaison de données issues de l’API et de web-scraping, dont les résultats ont été publiés récemment dans la revue Environnemental Communication. En analysant le contenu textuel des tweets et des comptes ayant réagi à leur contenu, (via les “Likes” et les “Retweets”), cette étude a contribué à une meilleure compréhension des jeux d’acteurs en présence et révélé une stratégie de communication aux impacts finalement réduits. Enfin, Lise Vaudor a terminé sur la présentation d’un projet en cours de développement, l’ANR Glourb (Urbanisation des plaines alluviales à l’échelle globale) pour lequel ses collègues et elle utiliseront des outils comme Google Serp ou des API relatives aux données OpenStreetMap et Wikimedia (triplestores Wikidata et dbpedia) pour moissonner des données géographiques afin de renseigner plus systématiquement les enjeux socio-écosystémiques autour des cours d’eau dans les plaines alluviales fortement urbanisées à travers le monde. Elle a ainsi pu mettre en évidence l’intérêt de ces différentes sources de données et les difficultés éventuelles inhérentes aux techniques de programmation.

Les échanges croisés à l’issue de ces deux présentations portaient sur la question de la comparaison et des problèmes liés aux catégorisations, surtout lorsqu’il s’agit de travailler hors de quelques pays européens et nord-américains où la donnée abonde ; sur la plus-value de ces techniques et données par rapport aux données institutionnelles plus classiques, souffrant de disséminations et de lacunes ; sur la dimension participative de bases type OpenStreetMap, inégalement renseignées à travers le monde, et enfin sur nos pratiques de stockage quant à ces données, à la fois sensibles et volumineuses.

---

---