On répète aux étudiants que les données manquent. Le contraire est vrai, et les chiffres le disent brutalement.
L’état du portail national, compté à la source
Le portail national des données ouvertes, interrogé le 11 août 2026 par son interface de programmation, annonce :
- 73 884 jeux de données publiés ;
- 6 508 organisations productrices — ministères, collectivités, opérateurs, associations ;
- 6 392 réutilisations déclarées.
Rapportez les deux derniers nombres au premier et vous obtenez le fait intéressant : environ neuf réutilisations déclarées pour cent jeux publiés (proportion calculée). Autrement dit, pour l’écrasante majorité des jeux de données publics français, personne n’a jamais déclaré en avoir fait quoi que ce soit.
Une réserve d’honnêteté, immédiatement : une « réutilisation » au sens du portail est une réutilisation déclarée sur la plateforme. Beaucoup de travaux réels — dont des mémoires — n’y sont jamais signalés. Le rapport mesure donc la visibilité des réutilisations, pas leur nombre réel. Il reste que l’ordre de grandeur est parlant, et qu’il va dans un seul sens.
Ce que 6 508 organisations veut dire concrètement
Ce second nombre est aussi instructif que le premier, et il est presque toujours ignoré. Il signifie que le catalogue national n’est pas produit par une administration centrale mais par des milliers d’entités hétérogènes : un ministère, une communauté de communes et une association sportive y publient côte à côte, sans référentiel commun de qualité.
Trois conséquences pratiques pour vous.
La qualité est inégale par construction. Deux jeux portant le même intitulé peuvent avoir des définitions de variables différentes parce qu’ils viennent de deux producteurs. Ne fusionnez jamais deux fichiers de producteurs distincts sans avoir lu les deux documentations.
La couverture territoriale est trouée. Une donnée publiée par des collectivités volontaires n’existe que là où la collectivité a joué le jeu. Si votre sujet compare des territoires, vérifiez que l’absence de données ne se confond pas avec l’absence du phénomène — c’est l’erreur d’interprétation la plus fréquente sur les données locales.
L’autorité de la source doit être vérifiée. Un jeu publié par l’opérateur officiel d’un domaine n’a pas le même statut qu’un jeu retraité par un tiers. Dans un mémoire, citez le producteur d’origine, et signalez si vous passez par un intermédiaire.
Ce que cela change pour un mémoire
Deux conséquences, opposées en apparence.
La mauvaise nouvelle : chercher devient le travail. Devant 73 884 jeux, parcourir le catalogue est une perte de temps garantie. Vous trouverez toujours quelque chose d’intéressant, jamais ce dont vous avez besoin, et vous finirez par tordre votre question pour l’adapter au fichier que vous avez trouvé. C’est l’inversion la plus dommageable en méthodologie : le fichier ne doit jamais dicter la question.
La bonne nouvelle : l’originalité est accessible. Un mémoire qui exploite sérieusement un jeu que personne n’a exploité est original par construction. Vous n’avez pas besoin de données inédites — vous avez besoin d’une question inédite posée à des données publiques. C’est exactement ce qu’un travail universitaire sait faire, et c’est beaucoup plus rare qu’on ne l’imagine.
La méthode : partir de la question, jamais du catalogue
Quatre étapes, dans cet ordre, et l’ordre compte.
- Écrivez la variable dont vous avez besoin, en une phrase, avant toute recherche. « Le nombre d’élèves par établissement, par département, sur trois années. » Tant que vous ne savez pas écrire cette phrase, ne cherchez pas : vous naviguerez au hasard.
- Identifiez qui produit cette donnée. Les données publiques sont produites par des institutions, pas par des thèmes. Remontez à l’organisme — ministère, agence, opérateur — plutôt qu’au mot-clé. C’est le raccourci que presque personne n’emprunte, et il divise le temps de recherche par dix.
- Allez directement sur le portail de cet organisme. Les grands producteurs publient chez eux, souvent avec de meilleures métadonnées et une interface de programmation propre. Le portail national agrège ; il n’est pas toujours le meilleur point d’entrée pour un producteur donné.
- Vérifiez trois choses avant de vous engager : la granularité (le niveau territorial ou individuel dont vous avez besoin existe-t-il ?), la profondeur temporelle (une seule année ou une série ?), et la date de mise à jour. Un jeu abandonné depuis quatre ans reste en ligne et n’annonce pas son abandon.
Cette quatrième vérification est celle qui fait perdre le plus de temps quand on l’omet : rien n’indique visuellement qu’un jeu n’est plus alimenté.
Trois erreurs de lecture d’un catalogue
Confondre nombre de jeux et richesse d’information. Un producteur qui découpe une même enquête en quarante fichiers annuels affiche quarante jeux ; un autre qui publie la série complète en un fichier en affiche un. Le second est plus utile. Le compteur ne le dit pas.
Prendre un titre pour une définition. Deux jeux intitulés « effectifs » peuvent compter des unités différentes — des personnes, des inscriptions, des dossiers. La documentation, pas le titre, dit ce qui est compté. C’est là que se logent les erreurs qui traversent tout un mémoire sans être vues.
Croire qu’un moteur de recherche compte. Beaucoup d’interfaces publiques plafonnent le nombre de résultats affichés. Si vous relevez un total pour le citer, testez-le en ajoutant un filtre : s’il ne diminue pas, il ne mesure rien. Utilisez un point d’accès qui renvoie un décompte, pas une page de résultats.
Ouvrez votre mémoire dans Tesify et fixez votre question avant d’ouvrir un catalogue — la problématique d’abord, le fichier ensuite.
Les portails spécialisés valent mieux que le portail général
La troisième étape mérite d’être illustrée, parce qu’elle est vérifiable et qu’elle change le rapport de force entre vous et les données.
Pour la santé, le portail ouvert de l’Assurance Maladie publie un catalogue court et dense — les chiffres exacts sont dans l’état des données de santé ouvertes sans démarche. Pour l’éducation, le catalogue du ministère est détaillé dans les données pour un mémoire en sciences de l’éducation, avec un avertissement utile sur la différence entre volume et pertinence. Pour les entreprises, les annonces légales en open data forment un fil d’événements que le portail national ne met pas en avant. Pour le droit, la jurisprudence en open data suit son propre calendrier réglementaire.
Et si votre question exige des données individuelles plutôt qu’agrégées, aucun portail ouvert ne conviendra : il faut passer par la commande de fichiers d’enquête, gratuite pour les étudiants rattachés à un établissement d’enseignement.
Pour un panorama transversal par discipline, voyez enfin les jeux de données ouvertes utilisables dans un mémoire.
Questions fréquentes
Faut-il déclarer son mémoire comme réutilisation ?
Ce n’est pas obligatoire, et cela ne coûte rien. Déclarer votre travail rend votre mémoire visible auprès du producteur des données et, accessoirement, alimente le compteur qui rend cet article possible. C’est aussi une ligne valorisable dans un dossier de candidature en doctorat ou en emploi.
Ces chiffres seront-ils encore justes dans six mois ?
Non, et c’est normal : le catalogue croît en continu. Les valeurs citées — 73 884 jeux, 6 508 organisations, 6 392 réutilisations — ont été relevées le 11 août 2026. Refaites l’interrogation à votre date et citez la vôtre : c’est ce qui rend un chiffre reproductible.
Comment savoir si un jeu de données est encore alimenté ?
Regardez sa date de dernière mise à jour et la fréquence annoncée par le producteur. Si l’écart entre les deux est important, considérez le jeu comme figé et dites-le dans vos limites plutôt que de laisser croire à des données courantes.
Peut-on construire un mémoire entier sur des données publiques ?
Oui, à condition que la question soit posée avant de choisir le fichier. Un mémoire sur données publiques se juge sur la qualité de sa question et sur la rigueur de son traitement, pas sur la rareté de sa source.
Le nombre de jeux dit-il quelque chose de la qualité ?
Rien du tout. Un portail peut publier des milliers de jeux redondants ou minuscules. La seule question qui vaille est de savoir si votre variable existe, à la maille et sur la période dont vous avez besoin.
Faut-il savoir programmer ?
Non pour la plupart des usages : les jeux se téléchargent en formats tabulaires exploitables dans un tableur. La programmation ne devient utile que sur les fichiers très volumineux ou quand vous voulez automatiser une extraction reproductible.
Que faire si deux jeux se contredisent ?
C’est fréquent, et c’est un résultat en soi. Vérifiez d’abord les définitions et les périodes, qui expliquent la plupart des écarts. Si la contradiction résiste, exposez-la dans votre mémoire au lieu de choisir silencieusement le chiffre qui vous arrange : signaler un désaccord entre sources publiques est un geste de recherche, pas un aveu de faiblesse.
La donnée existe, en abondance. Ce qui manque, c’est votre question. Écrivez votre mémoire avec Tesify.