OpenStreetMap in the wild
L’apparition du crédit OpenStreetMap sur une carte imprimée constitue une reconnaissance tangible de l’utilité du projet et de la qualité du travail accompli par ses contributeurs. Et en vérité, les cartes qui créditent OpenStreetMap ne sont pas rares, surtout dans la domaine de la mobilité. Il s’agit d’une base de donnée de référence pour de nombreuses thématiques, et son caractère ouvert favorise son adoption et augmente les possibilités d’adapter la carte à l’identité visuelle et à la charte graphique du gestionnaire du réseau.
Dans cet article, nous souhaitons mettre en valeur un cas d’usage spécifique : les plans de proximité affichés dans les stations de la ligne C1 du téléphérique en Île-de-France. Ce nouveau mode de transport, reliant Créteil à Villeneuve-Saint-George, déploie de grands plans de situation. Ceux-ci intègrent systématiquement le crédit OpenStreetMap.
_-_2025-12-17_-_8.jpg){kind=link}
Ces plans ont été réalisés par T-Kartor pour le compte d’Île-de-France Mobilités et de Transdev Coteaux de la Marne. T-Kartor est une agence de cartographie, qui réalise des plans et des supports permettant de se repérer dans la ville, et ce partout dans le monde. Ils produisent notamment les plans dans les villes de Londres et New-York. Et c’est aussi un de nos partenaires de longue date !
La mention d’OpenStreetMap sur ce plan n’est donc pas une surprise pour nous, puisque nous avons participé à de nombreuses étapes de la conception de ces plans. Nous avons notamment assuré la formation du personnel en charge de l’information voyageur à la plateforme de génération semi-automatique que T-Kartor fournit aux transporteurs franciliens. Cette solution permet de préparer, commander et produire les plans pour n’importe quel arrêt de la région, en s’appuyant sur l’espace disponible physiquement à l’arrêt, et en optimisant et la chaîne de production jusqu’à l’imprimeur.
OpenStreetMap pour les points d’intérêts
De manière générale, les plans sont constitués de nombreuses couches cartographiques. On y retrouve des arrêts de transport bien sûr, mais aussi des routes ou encore des points d’intérêt tels que la mairie, le stade ou l’école. Et comme il s’agit de pouvoir guider le voyageur dans l’étape finale de son voyage, la qualité et notamment la précision du positionnement de ces éléments sont vitales : imaginez un utilisateur qui descend de son bus pour aller à un rendez-vous à l’Hôpital, mais celui n’est pas positionné dans la bonne rue sur notre plan ? Ou encore tout simplement manquant ?
Pour ne rien simplifier, tous ces objets évoluent dans le temps : un nouveau lotissement apparaît et avec lui de nouvelles rues, le stade est renommé, un nouveau théâtre municipal ouvre, le commissariat de police s’agrandit et déménage, etc
À l’échelle locale, ça semble peu, mais quand on doit gérer des dizaines de milliers de points d’intérêts, répartis en une centaine de catégories, c’est un défi de taille.
Et la plupart des bases de données cartographiques ne s’en sortent pas si bien : les doublons, les informations périmées, les points d’intérêts mal catégorisés y sont monnaie courante. À cela s’ajoute le travail éditorial indispensable pour transformer ces données en carte lisible et intelligible.
Jungle Bus a travaillé sur ce sujet pour les plans de proximité d’Île-de-France et a audité plusieurs sources de données afin de proposer une meilleure stratégie de gestion de ces couches cartographiques critiques.
Les données en open data publiées par les ministères, les bases plus généralistes tels que la BD Topo de l’IGN ou OpenStreetMap bien sûr, et même quelques bases de données propriétaires payantes ont ainsi été passé au crible, à la lumière des critères de qualité pertinents pour réaliser des plans de proximité.
C’est dans ce cadre que les premières données issues d’OpenStreetMap ont fait leur apparition sur les plans imprimés aux arrêts de transport en Île-de-France.
OpenStreetMap pour les données de transport
Mais la pertinence d’OpenStreetMap ne s’arrête pas aux points d’intérêt, c’est pour les données transport qu’elle est le plus visible.
En effet, la qualité est quelque chose de très subjectif. Pour les plupart des utilisations, un arrêt de bus légèrement mal positionné ou un peu décalé n’a pas vraiment d’impact sur le service rendu. Mais dans notre cas, un arrêt placé du mauvais côté de la route rendra le plan totalement inopérant : un voyageur qui sort de son bus et cherche à rejoindre un point d’intérêt risque de ne pas réussir à se repérer et ne parviendra pas à planifier son trajet si le point de départ n’est pas bon. Ou imaginez encore une correspondance entre deux bus lorsque le plan de proximité indique l’arrêt où je dois à présent me rendre du mauvais côté de la rue. Le temps de réaliser mon erreur et de traverser la rue dans l’autre sens, j’ai peut-être déjà raté mon bus !
Ce type d’erreur est en outre très difficile à identifier lorsqu’on ne connaît pas le quartier…
Jungle Bus a ainsi développé des algorithmes pour identifier les arrêts mal positionnés, en s’appuyant à la fois sur les données de transport fournies par les opérateurs et sur OpenStreetMap.
Plusieurs approches utilisant OpenStreetMap ont été testées et utilisées au cours du temps.
Les plus simples utilisent les arrêts de bus présents dans OpenStreetMap et les identifiants open data de référence qui ont été ajoutés à ces arrêts par la communauté pour faciliter l’interopérabilité.
C’est une méthode très efficace et éprouvée au delà du contrôle qualité pour les plans de proximité : Jungle Bus a par le passé réalisé une prestation auprès un transporteur souhaitant repositionner plus finement ses arrêts, en s’appuyant largement sur ce procédé comparatif avec OpenStreetMap.
Mais ce procédé n’est adapté à toutes les situations : il fonctionne mieux en zone dense avec une communauté active, et présentera des lacunes dans les zones moins fournies en données OpenStreetMap.
Jungle Bus connaît bien ces limites puisque nous avons participé par le passé à l’effort communautaire de cartographie des arrêts de bus franciliens et surtout avons réalisé en 2019 une étude comparant les données officielles d’Île-de-France Mobilités et OpenStreetMap.
Aussi, Jungle Bus a développé de nouveaux algorithmes d’identification des arrêts erronés s’appuyant sur les tracés de la ligne et la topologie du réseau dans OpenStreetMap.
Le résultat est visible pour tous dans les données publiées en open data par Île-de-France Mobilités (en particulier le fichier GTFS qui liste notamment tous les points d’arrêts).
Grâce au soutien de T-Kartor, un de ces algorithmes a d’ailleurs été implémenté dans Osmose, un outil de contrôle qualité d’OpenStreetMap open source, que Jungle Bus utilise sur la plupart de ses projets. L’identification de ces erreurs dans les données collaboratives contribuent à renforcer le cercle vertueux de l’utilisation des données par des tiers.
OpenStreetMap est donc au cœur des processus de production et s’est imposé avec le temps comme un élément incontournable pour assurer la qualité cartographique.
Dans les années à venir en Île-de-France, attendez-vous donc à voir encore plus fréquemment des crédits OpenStreetMap en bas des cartes de mobilité 😉
Vous aussi, vous souhaitez améliorer la qualité de vos plans grâce à OpenStreetMap ?
Jungle Bus peut vous accompagner, contactez-nous !