Dataset des autorités françaises publiant des données exploitables en veille réglementaire

La veille réglementaire française souffre rarement d'un manque de sources. Elle souffre d'un excès de sources hétérogènes, dont une partie seulement est réellement exploitable, c'est-à-dire utilisable dans un dispositif qui doit détecter, dater, qualifier et conserver. Entre une page d'actualités mise à jour sans historique et un flux structuré porteur d'identifiants stables, l'écart de valeur pour une équipe de veille est considérable, alors que les deux se présentent comme des publications officielles.

Ce dataset inventorie les autorités et services publics français selon un critère unique: la capacité de leur publication à alimenter un processus de veille sans travail de reconstitution. Il ne classe pas les autorités par importance juridique, ce qui n'aurait aucun sens, mais par exploitabilité documentaire. Une autorité centrale peut publier de façon peu exploitable, une autorité de niche peut publier de façon exemplaire.

L'article expose la définition d'exploitabilité retenue, les champs du dataset et leur mode de renseignement, les cinq familles de publications identifiées, les critères qui font basculer une source d'une catégorie à l'autre, puis les limites de l'inventaire et les conditions pour le reproduire ou l'étendre.

Ce que exploitable veut dire, et pourquoi ce n'est pas la même chose qu'accessible

Quatre propriétés définissent une publication exploitable. La datation explicite du document, distincte de la date de mise en ligne de la page. La structuration, c'est-à-dire l'existence de champs identifiables: émetteur, nature du texte, référence, périmètre. L'historisation, qui garantit que le document reste consultable après remplacement ou abrogation. L'adressabilité stable, qui donne à chaque document un identifiant ou une adresse pérenne, condition sine qua non de toute chaîne de garde documentaire.

Une source accessible mais non exploitable est fréquente et coûteuse. Elle se reconnaît à trois symptômes: la page unique mise à jour sans trace des versions antérieures, le document diffusé sans date interne, et le regroupement de plusieurs actes hétérogènes dans un même bulletin non découpé. Dans ces trois cas, la veille fonctionne encore, mais au prix d'un travail manuel de découpage et de datation qui ne se délègue ni ne s'automatise.

Cette définition est volontairement indifférente au support. Un flux, une interface de programmation, un bulletin en format bureautique ou même un recueil imprimé numérisé entrent dans le dataset dès lors qu'ils satisfont les quatre propriétés. À l'inverse, une interface moderne sans historisation reste classée comme faiblement exploitable, quel que soit son confort de consultation.

Champs du dataset, protocole de renseignement et échantillon couvert

Chaque entrée du dataset porte huit champs: nom de l'autorité ou du service, famille de publication, nature des actes publiés, présence d'une datation interne, présence d'un identifiant pérenne, profondeur d'historique constatée, rythme de publication observé, et niveau d'exploitabilité de 1 à 4. Le niveau est déduit des champs précédents selon une règle fixe, non par appréciation globale, ce qui rend le codage discutable point par point plutôt qu'en bloc.

Le renseignement s'effectue par consultation directe des espaces de publication, sur un échantillon d'actes récents et d'actes anciens de chaque émetteur, afin de tester l'historisation réelle et non annoncée. La couverture porte sur les autorités administratives indépendantes, les autorités de régulation sectorielle, les juridictions dont les décisions sont diffusées, les services de diffusion du droit et les producteurs de données économiques publiques. Les administrations déconcentrées et les collectivités sont hors périmètre à ce stade: leur hétérogénéité justifie un inventaire distinct.

Les cinq familles d'autorités françaises utiles en veille réglementaire

La première famille est la production normative et sa diffusion: le Journal officiel et les services de diffusion du droit, dont Légifrance, ainsi que les bulletins officiels ministériels et les recueils de doctrine administrative. C'est la famille la plus exploitable du paysage français, parce que la diffusion du droit y est un métier en soi: identifiants stables, versions successives des textes, historique profond et découpage par acte.

La deuxième famille est jurisprudentielle: décisions du Conseil constitutionnel, du Conseil d'État, de la Cour de cassation et des juridictions dont les décisions sont mises à disposition. L'exploitabilité y a fortement progressé avec l'ouverture des bases de décisions, mais elle reste inégale selon les degrés de juridiction et selon l'ancienneté. Pour une veille, ce sont les sources qui donnent l'interprétation effective d'un texte, souvent plus déterminante que le texte lui-même.

La troisième famille regroupe les autorités sectorielles: régulation de l'énergie, des communications électroniques, des marchés financiers, de la banque et de l'assurance, de l'audiovisuel et du numérique, sécurité sanitaire des produits de santé et des aliments, sûreté nucléaire. Elles publient délibérations, décisions, avis, recommandations et consultations. La quatrième famille rassemble les autorités de contrôle transverses, dont la protection des données personnelles, la concurrence, la consommation et la sécurité des systèmes d'information, avec ses avis et alertes techniques. La cinquième famille couvre les données économiques de référence: statistiques publiques, registres d'entreprises, annonces légales, avis de marchés publics, portail national d'ouverture des données.

Les critères qui font basculer une source d'un niveau d'exploitabilité à l'autre

Le premier basculement se joue sur l'identifiant. Une source qui attribue à chaque acte une référence stable permet de dédoublonner, de citer, d'archiver et de suivre les modifications ultérieures. Sans identifiant, deux publications du même acte deviennent deux entrées, et la note de veille perd la possibilité de dire précisément ce qu'elle cite. C'est le critère le plus discriminant du dataset, davantage que la présence d'un flux automatisé.

Le deuxième basculement se joue sur la consultation publique. Les autorités qui publient leurs projets soumis à consultation, avec date d'ouverture et de clôture, offrent à la veille une capacité d'anticipation de plusieurs mois sur celles qui ne publient que la décision finale. Pour une direction juridique ou une direction des achats, la différence n'est pas documentaire, elle est stratégique: dans un cas la règle se prépare, dans l'autre elle s'encaisse.

Le troisième basculement tient au délai réel de mise en ligne. Certaines autorités publient le jour de la décision, d'autres par lots différés. Le dataset enregistre le rythme observé plutôt que le rythme annoncé, car c'est lui qui détermine si une alerte a une valeur opérationnelle. Sur ce point, un dispositif de détection continue compense l'irrégularité des émetteurs: NewsCore (www.newscore.fr) couvre des millions de sources en plusieurs langues, conserve le lien vers le document d'origine et fait remonter en temps réel les publications d'autorités qui touchent un périmètre défini. Le cadrage de ce périmètre et la qualification juridique restent le travail de l'organisation.

En veille réglementaire, la qualité d'une source se mesure à ce qu'elle permet de citer un an plus tard, pas à la commodité de sa page d'accueil.

Limites de l'inventaire et conditions de reproductibilité

La première limite est temporelle: un inventaire d'exploitabilité est un instantané. Les espaces de publication évoluent, les portails fusionnent, les autorités changent de nom ou de périmètre, et une source classée faiblement exploitable rattrape parfois son retard en une refonte. Toute automatisation construite sur ce dataset doit donc revérifier les champs critiques, identifiant et historisation, avant mise en production.

La seconde limite est le périmètre. L'exclusion des administrations déconcentrées et des collectivités laisse de côté une matière abondante et localement décisive, notamment en environnement, urbanisme et autorisations d'exploitation. La troisième limite est la part de jugement dans le codage de la profondeur d'historique, qui dépend de l'échantillon d'actes anciens testés. Pour reproduire l'inventaire, il faut publier la règle de déduction du niveau, la liste des actes testés par émetteur et la date de consultation, faute de quoi les écarts entre deux inventaires resteront inexplicables.

Questions fréquentes

Quelles sources officielles suffisent pour une veille réglementaire de base en France ?

Un socle minimal combine la diffusion du droit, pour les textes et leurs versions, les décisions des juridictions supérieures, pour l'interprétation, et les autorités sectorielles dont l'activité conditionne le métier concerné. Ce socle couvre l'essentiel des besoins d'une direction juridique généraliste. Il devient insuffisant dès qu'un enjeu d'anticipation apparaît: il faut alors ajouter les consultations publiques et les documents de programmation, qui donnent la règle avant qu'elle existe.

Faut-il privilégier les interfaces de programmation ou la lecture des publications ?

Les deux répondent à des besoins différents. Une interface de programmation sert à constituer et maintenir un corpus, à dédoublonner et à surveiller des périmètres larges de façon régulière. La lecture directe reste nécessaire pour comprendre la portée d'un acte, sa motivation et son articulation avec les précédents. Un dispositif qui automatise la collecte sans jamais lire produit des inventaires exacts et des analyses vides.

Comment traiter une autorité qui publie sans historiser ses décisions ?

En archivant soi-même, systématiquement et à la date de consultation. Une copie horodatée du document, accompagnée de son émetteur et de sa date interne, reconstitue localement la propriété manquante et rend la citation défendable plus tard. Cette pratique demande une discipline modeste et évite la situation la plus embarrassante en veille réglementaire: soutenir une position devant un tiers en s'appuyant sur un document qui n'est plus en ligne.