Pourquoi le datajournalisme n’est plus un luxe de grande rédaction
Le datajournalisme fondé sur les données publiques et les bons outils n’est plus réservé au desk interactif du Monde ou aux équipes data des grands médias audiovisuels. Dans de nombreuses rédactions locales ou nationales, un ou une journaliste polyvalent peut déjà mener un projet de journalisme de données avec un simple tableur, quelques outils numériques gratuits et une bonne méthode d’enquête. Ce basculement discret change la manière dont le journalisme traite l’information publique et interroge nos techniques d’investigation traditionnelles.
Les données ouvertes issues de l’open data des collectivités, de data.gouv.fr, de l’INSEE ou des institutions européennes offrent aux journalistes un accès inédit à des jeux de données publiques autrefois réservés aux administrations. Ce gisement de données publiques permet un data journalisme d’enquête qui ne dépend plus uniquement des confidences en off ou des fuites de documents papier, mais d’une analyse systématique et vérifiable des chiffres mis en ligne par les pouvoirs publics. Pour un ou une data journaliste en rédaction, l’enjeu n’est plus de trouver des données, mais de les comprendre, de les croiser et de les confronter à des sources humaines.
Ce déplacement du pouvoir d’information vers les données data ne supprime pas le reportage de terrain, il le reconfigure et le renforce. Un projet de datajournalisme bien mené commence souvent par un soupçon né d’une observation locale, puis s’appuie sur la collecte de données publiques pour objectiver ce ressenti et construire une enquête solide. À l’arrivée, les journalistes qui maîtrisent ces outils numériques produisent des enquêtes à fort impact éditorial, réutilisables dans le temps, et qui donnent aux lecteurs un accès direct aux sources publiques brutes.
Cartographier les sources : où trouver des données publiques vraiment exploitables
Pour un journaliste d’investigation, la première compétence en datajournalisme consiste à savoir où chercher des données publiques pertinentes. En France, le portail data.gouv.fr centralise une grande partie des jeux de données produits par l’État, mais les plateformes d’open data des grandes villes, des régions et des départements regorgent aussi d’informations politiques, budgétaires ou environnementales. Les bases de l’INSEE, le Géoportail ou les registres publics sectoriels (transports, santé, éducation) complètent ce paysage de l’information ouverte, encore sous exploité par de nombreux journalistes.
Dans les rédactions qui pratiquent déjà le journalisme de données, la cartographie des sources fait l’objet de fiches internes, parfois partagées en open source pour faciliter la réutilisation par d’autres équipes. On y trouve des liens vers les plateformes européennes d’open data, des bases de marchés publics, des registres de subventions ou des données environnementales, chaque ligne étant documentée avec le type de données, la fréquence de mise à jour et les limites de fiabilité. Ce travail de repérage systématique transforme la collecte de données en réflexe professionnel, au même titre que la consultation du casier judiciaire ou des archives papier pour une enquête classique. Pour un panorama incarné de ces pratiques d’investigation, la lecture de cette plongée dans l’univers du Nouveau Détective rappelle combien la culture de la source reste centrale, qu’elle soit numérique ou non.
Les projets data les plus solides combinent toujours plusieurs types de sources, en croisant par exemple des données publiques budgétaires avec des informations issues de demandes CADA ou de fuites documentaires. Le data journalism ne remplace pas le droit d’accès aux documents administratifs, il l’étend en permettant une analyse de masse des données déjà en ligne. Pour chaque projet, la question clé reste la même pour les journalistes : quelles données publiques existent réellement, sous quel format, avec quel niveau de granularité, et que disent elles de ce que le pouvoir politique préfère garder dans l’ombre ?
Cinq étapes pour transformer des données brutes en enquête publiable
Dans le quotidien d’une rédaction, le datajournalisme de données publiques gagne en efficacité lorsqu’il suit une méthode claire en cinq étapes. Tout commence par l’angle éditorial, qui doit rester une question de journalisme avant d’être un problème de data science ou de traitement de données ; sans hypothèse forte, même le big data le mieux structuré ne produit qu’un tableau de bord sans récit. Vient ensuite la collecte des données, qu’il s’agisse de télécharger un jeu de données sur une plateforme d’open data, d’extraire des tableaux PDF avec Tabula ou de constituer soi même une base à partir de documents épars.
La troisième étape, le nettoyage, est la plus longue et la moins glamour, mais elle fonde la crédibilité du projet de data journalisme. OpenRefine, les fonctions avancées d’Excel ou de Google Sheets et quelques scripts open source permettent de normaliser les noms de communes, de corriger les erreurs de saisie, de fusionner des fichiers hétérogènes et de préparer une analyse de données robuste. La quatrième étape consiste à mener cette analyse, en utilisant des outils numériques adaptés au niveau de compétence de l’équipe : filtres, tableaux croisés dynamiques, scripts Python simples ou recours ponctuel à des spécialistes de data science dans la rédaction. Pour approfondir la dimension humaine de ces enquêtes, le travail en binôme reste décisif, comme le montre cette réflexion sur l’enquête de terrain en binôme.
La cinquième étape, souvent négligée, est la visualisation de données et la mise en récit éditoriale. Des outils comme Datawrapper ou Flourish permettent de produire en quelques heures des cartes interactives, des chronologies enrichies ou des bases consultables en ligne par le public, sans écrire une seule ligne de code. Mais chaque visualisation de données doit rester au service du journalisme de données et de l’enquête, en respectant l’Article 2 de la charte de Munich : vérifier l’information, la contextualiser, la confronter à des sources humaines sur le terrain. Sans ce retour au réel, le datajournalisme se réduit à une infographie brillante ; avec lui, il devient une technique d’investigation à part entière.
Outils essentiels : du tableur à l’intelligence artificielle, sans perdre la main
Pour un ou une journaliste en poste, la bonne nouvelle est que les outils essentiels du datajournalisme de données publiques sont déjà sur son poste de travail. Un tableur avancé comme Excel ou Google Sheets suffit pour la plupart des enquêtes locales, à condition de maîtriser les fonctions de recherche, de jointure et de filtrage, ainsi que quelques astuces de traitement de données. OpenRefine s’impose ensuite comme un compagnon indispensable pour nettoyer des jeux de données volumineux, repérer les doublons et harmoniser les formats avant toute analyse de données sérieuse.
La visualisation de données se joue aujourd’hui largement dans le navigateur, avec des outils numériques comme Datawrapper, Flourish ou RAWGraphs, qui permettent aux journalistes de produire des cartes, des diagrammes ou des timelines interactives sans passer par une équipe de développement. Pour les projets data plus ambitieux, certaines rédactions mobilisent des bibliothèques open source comme D3.js ou Leaflet, souvent en collaboration avec des développeurs ou des spécialistes de data science. Dans ce paysage, l’intelligence artificielle générative commence à être utilisée pour accélérer certaines tâches de traitement de données, comme la catégorisation de milliers de lignes ou la détection d’anomalies, mais elle ne doit jamais se substituer au jugement éditorial du journaliste.
Les débats actuels sur l’IA dans les rédactions montrent d’ailleurs que l’enjeu n’est pas la machine, mais la gouvernance éditoriale et les règles communes, comme le rappelle cette analyse sur l’usage de l’IA dans les rédactions. Dans le champ du data journalism, l’IA peut aider à repérer des motifs dans de grands jeux de données, mais elle ne sait pas encore lire une délibération municipale, comprendre un rapport de la Cour des comptes ou sentir la mauvaise foi dans une conférence de presse. Le cœur du journalisme de données reste donc entre les mains des journalistes, qui utilisent ces outils comme des prolongements de leur curiosité, pas comme des boîtes noires remplaçant leur esprit critique.
Convaincre sa rédaction : montrer que le datajournalisme rapporte plus qu’il ne coûte
Dans beaucoup de rédactions françaises, la résistance au datajournalisme ne tient pas à une hostilité de principe, mais à la peur d’un gouffre de temps et de compétences. Pour convaincre une direction ou un chef de service, il faut parler en langage de rédaction : impact éditorial, différenciation face aux autres médias, durée de vie des contenus et potentiel de republication. Une enquête fondée sur des données publiques bien exploitées peut être déclinée en plusieurs formats, du papier long au podcast, en passant par des bases consultables en ligne et des visualisations de données interactives.
Les projets data réussis montrent que le datajournalisme de données publiques produit des contenus à forte valeur ajoutée, qui continuent à générer du trafic et des citations longtemps après la publication. Une base de données sur les subventions aux associations, une carte des déserts médicaux ou un suivi des marchés publics locaux peuvent être mis à jour régulièrement, devenant des références pour le public, les élus et les autres journalistes. Ce type de projet de journalisme de données renforce l’autorité de la rédaction sur son territoire éditorial, tout en offrant aux journalistes une matière riche pour de nouvelles enquêtes politiques ou sociales.
Pour ancrer ces pratiques, certaines rédactions s’appuient sur des figures reconnues du datajournalisme comme Nicolas Kayser Bril, pionnier du journalisme de données en Europe, ou sur des structures spécialisées qui accompagnent les équipes dans la montée en compétences. Le travail de Kayser Bril et de son équipe a montré très tôt comment des données publiques, combinées à des outils numériques simples, pouvaient révéler des angles d’enquête invisibles dans les communiqués officiels. À terme, la meilleure manière de défendre le datajournalisme reste de publier des enquêtes qui bousculent l’agenda politique local ou national, en montrant que la ligne éditoriale gagne en précision quand elle s’appuie sur des données vérifiables.
Techniques d’investigation : quand les données publiques rencontrent le terrain
Les enquêtes les plus fortes naissent rarement d’un fichier CSV tombé du ciel, mais de la rencontre entre des données publiques et un terrain bien connu des journalistes. Une base de données sur les contrôles de police, les fermetures administratives de commerces ou les implantations d’éoliennes ne dit rien sans les récits des personnes concernées, des élus locaux et des acteurs économiques. Le datajournalisme ne remplace pas les techniques d’investigation classiques, il les prolonge en donnant une profondeur statistique à ce que les reporters voient déjà sur le terrain.
Dans ce travail, la question de la source reste centrale, qu’il s’agisse d’une base d’open data, d’un document interne ou d’un témoignage humain. Les journalistes doivent interroger la manière dont les données ont été produites, les biais de collecte, les trous dans les séries temporelles et les choix politiques qui ont présidé à l’ouverture des données. Un jeu de données publiques sur les subventions culturelles, par exemple, reflète autant une politique publique qu’une manière de classer, de nommer et parfois d’invisibiliser certains acteurs, ce qui impose une analyse de données attentive aux angles morts.
Les projets data les plus aboutis articulent ainsi plusieurs couches d’information : données quantitatives, entretiens, observation de terrain, consultation de documents juridiques et travail de fact checking rigoureux. Dans ce cadre, l’usage d’outils open source pour le traitement de données ou la visualisation de données n’est pas un gadget technique, mais un moyen de documenter la méthode et de la rendre vérifiable par d’autres journalistes. Au bout du compte, l’enquête de datajournalisme la plus solide n’est pas celle qui aligne le plus de chiffres, mais celle qui permet au lecteur de remonter de la visualisation à la source, puis de la source au réel ; pas le communiqué, mais la source qui le contredit.
Chiffres clés sur le datajournalisme et les données publiques
- Plus de 40 000 jeux de données sont disponibles sur le portail data.gouv.fr, ce qui en fait l’une des principales plateformes nationales d’open data en Europe selon Etalab.
- En France, plus de 350 collectivités territoriales disposent d’un portail d’ouverture des données, ce qui élargit considérablement le champ d’enquête des journalistes locaux d’après les recensements d’OpenDataFrance.
- Une étude du Reuters Institute a montré qu’environ un tiers des grandes rédactions européennes disposent d’équipes dédiées au data journalism, mais que la majorité des enquêtes de données sont produites par des journalistes non spécialistes formés sur le tas.
- Les enquêtes fondées sur des visualisations de données interactives génèrent en moyenne un temps de lecture supérieur de 20 à 30 % par rapport aux formats texte seuls, selon plusieurs analyses internes de rédactions européennes publiées par le European Journalism Centre.
FAQ sur le datajournalisme et les données publiques
Quels outils minimum pour démarrer une enquête de datajournalisme en rédaction ?
Un tableur avancé (Excel ou Google Sheets), OpenRefine pour nettoyer les données, Tabula pour extraire des tableaux de PDF et un outil de visualisation comme Datawrapper suffisent pour lancer un premier projet. Ces outils numériques couvrent déjà la collecte, le traitement de données et la visualisation de données de base. L’essentiel reste la méthode journalistique et le temps consacré à l’analyse de données et à la vérification sur le terrain.
Comment choisir un bon angle à partir de données publiques ?
Le point de départ doit être une question éditoriale claire, liée à un enjeu public concret pour vos lecteurs. Les données publiques servent ensuite à tester des hypothèses, à mesurer des écarts ou à objectiver des intuitions issues du terrain. Un bon angle de datajournalisme permet toujours de raconter une histoire incarnée, pas seulement de montrer une carte ou un graphique.
Faut il savoir coder pour pratiquer le journalisme de données ?
La majorité des enquêtes de datajournalisme en rédaction locale ou nationale peuvent être menées sans écrire une seule ligne de code, en s’appuyant sur des outils numériques accessibles. Le code devient utile pour automatiser des tâches répétitives, croiser de très gros jeux de données ou développer des visualisations sur mesure. Mais la compétence centrale reste la capacité à lire, comprendre et critiquer des données, ce qui relève d’abord du métier de journaliste.
Comment vérifier la fiabilité des données publiques utilisées dans une enquête ?
Il faut commencer par identifier qui produit les données, selon quelle méthode et avec quels objectifs politiques ou administratifs. La comparaison de plusieurs sources, la recherche de séries temporelles longues et le croisement avec des témoignages de terrain permettent de repérer incohérences et biais. Comme pour tout document, les données publiques ne sont jamais neutres et doivent être traitées comme des sources à interroger, pas comme des vérités absolues.
Comment articuler datajournalisme et protection des sources humaines ?
Les données publiques peuvent servir de paravent pour protéger des sources en montrant que certaines informations étaient déjà accessibles en ligne, même si elles ont été signalées par un lanceur d’alerte. Dans les projets data sensibles, il est crucial de compartimenter les informations, de chiffrer les échanges et de respecter les règles déontologiques de protection des sources. Le datajournalisme ne diminue pas ces exigences, il les renforce en multipliant les traces numériques à sécuriser.