Cet article est une traduction de l’original publié en espagnol (Airbnb « not found »: queremos saber lo que pasa en nuestras ciudades) dans le blog Laaab du Gouvernement d’Aragon qui réuni des expériences et de la théorie autour des sujets de la transparence, l’open data ou le gouvernement ouvert.
Annonces Airbnb dans le quartier de Lavapiés à Madrid. Détail de la cartographie. Source DataHippo.
Y a-t-il eu une augmentation significative des maisons d’utilisation touristique à Donostia avec la prolifération de plates-formes touristiques numériques telles que Airbnb? Comment la prolifération des logements à usage touristique influe-t-elle sur le prix des loyers dans cette ville? Comment ce phénomène affecte-t-il les différents quartiers? En bref, y a-t-il un « effet Airbnb » à Donostia? Ibai Zabaleta vit dans le quartier de Egia, l’un des quartiers qui a le plus changé au cours des trois dernières années, et où se situe Tabakalera, ancienne usine de tabac reconvertie en un centre de la culture contemporaine. Ibai est programmeur de contenu chez Hirikilabs, le laboratoire de culture digitale et technologique de Tabakalera. Comme habitant de Egia, il s’est posé ces questions il y a quelques années voyant son quartier et sa ville changer aussi rapidement. En tant que programmeur de contenu de Hirikilabs, il a voulu lancer une nouvelle ligne d’expérimentation et de travail avec des données et a pensé à la mise en place d’un atelier pour apprendre à analyser et à visualiser les données, et pourquoi ne pas analyser un problème actuel comme le logement touristique à Donostia.
Lorsque Ibai nous a proposé de donner un atelier sur l’analyse et la visualisation des données sur l’effet Airbnb en avril 2017, depuis Montera34 nous ne connaissions pas la situation au-delà des informations que l’on pouvait lire dans la presse. L’effet Airbnb sur les données de Donostia-San Sebastián a été le premier atelier de la série d’ateliers sur l’effet Airbnb et la Touristification que nous avons coordonné depuis lors. Dans ce premier atelier, nous avons appris beaucoup de choses.
Nous avons apprîmes qu’il n’y avait pas de données pour effectuer l’analyse. Airbnb ne rend pas disponible ses données pour les analyser; Les administrations ont des données d’hôtels, de pensions, de campings, mais pas d’appartements touristiques; Il y a des compagnies qui vendent des paquets de données, des images figées du moment actuel, mais nous ne voulions pas compter sur une entreprise chaque fois que nous voulions mettre à jour les données. Pour obtenir les données, nous avons contacté Murray Cox de Inside Airbnb, un projet qui fait web scraping du site web Airbnb, récupère et structure les données et publie afin que n’importe qui puisse les télécharger et les analyser.
Esquisse de visualisations pour répondre aux questions avec les données, une des phases de la méthodologie utilisée dans la production des rapports Airbnb Effect. Photo par Xavi Padros
Au cours de l’atelier, nous avons utiliser une méthodologie qui permet de produire en collaboration, parmi les participants de l’atelier, un document rigoureux tout en apprenant les bases de l’analyse et la visualisation des données spatiales. Le rapport produit jette les bases pour pouvoir avoir un débat public éclairé sur le sujet.
Le rapport est devenu l’analyse la plus complète et la plus rigoureuse publiquement disponible sur l’effet Airbnb à San Sebastian. C’était pour la plupart des personnes, qui ont participé à la réalisation du rapport de San Sebastian, la première fois qu’ils étaient face à la visualisation de données. Dans ce dernier, on a recueilli comme conclusion entre autres que pour San Sebastian avait 1 219 annonces sur le site de Airbnb, ce qui supposait 4 553 places, publiées par 696 utilisateurs, que seulement 10 utilisateurs de Airbnb offrait 1 119 des places, soit 24,6% du total des places.
Les mois qui ont suivi la publication du rapport, nous sommes entrés en contact avec plusieurs personnes et groupes qui avaient analysé l’effet Airbnb dans d’autres villes. Avec Santiago Espinosa qui avait analysé Barcelone; Avec Margalida Mestre de Terra ferida et Miquel Angel Mayol de DinsAirbnb qui avait analysé Majorque; ou Álvaro Fierro de Cultumetria qui avait analysé Bilbao. Nous avons commencé à échanger des données et des méthodologies d’analyse, des doutes et des conclusions.
Pourcentage d’annonces Airbnb par quartier par rapport au total des maisons.
Avec cette idée de partage de la recherche et du travail réalisé avec les données, nous avons organisé une journée dédiée à l’effet Airbnb pendant le Summerlab’17 à San Sebastian où nous avons invité toutes les personnes que nous avions rencontrés à travers les réseaux et convoqué un nouvel atelier pour produire une version actualisée du rapport. Pour la deuxième version du rapport de San Sebastian, nous avons utilisé une base de données beaucoup plus complète que pour la première, grâce à l’ajout du web scraping fait par Santiago Espinosa. Avec les nouvelles données, le nombre d’annonces est passée à 1 829 places. La concentration d’annonces par utilisateur a augmenté également : maintenant 10 utilisateurs offraient 2 335 places, soit 31,8% du total des places disponibles sur Airbnb Donostia.
À cette époque, nous avons su, grâce à la rencontre avec d’autres chercheurs, que le rapport d’avril ne comptait que 60% des annonces de Airbnb, tout au plus. D’autre part, nous n’analysions que Airbnb: même si c’était la plate-forme la plus utilisée pour la location de vacances, nous ignorions un écosystème pour manque de données. Il était clair que nous avions besoin de meilleures données et qu’aucune source existante ne pouvait nous le fournir. Une des idées qui est ressorti du Summerlab’17 fut DataHippo, un site web pour obtenir d’une manière collaborative et offrir des données de différentes plates-formes de location touristique. De DataHippo vous pouvez télécharger pour analyser les données mises à jour sur toute l’Espagne.
Analyse d’annonces Airbnb par municipalité en Euskadi
Un aspect fondamental de ces ateliers est la documentation. Après chaque atelier, toutes les bases de données que nous avons réussi à libérer et les manuels des visualisations produites sont disponibles pour télécharger. Les rapports que nous avons présentés dans chaque atelier contiennent une explication méthodologique de la façon dont les analyses ont été menées, des décisions prises, des données utilisées, de la façon dont elles ont été obtenues, de la façon dont elles ont été traitées, de la raison pour laquelle une visualisation a été choisie plutôt qu’une autre , qui a fait l’analyse et dans quelles circonstances. Comme l’explique Catherine d’Ignazio en parlant de la notion de données localisées, loin d’être objectives et irréfutables, ce qui raconte les données sont modifiées par le contexte, par le processus, et par les personnes qui les ont compilé, analysé et visualisé.
Lorsque nous avons fait le premier atelier à l’extérieur de San Sebastian, à Pampelune, nous avons vu l’importance de que tout soit documenté : beaucoup des analyses à effectuer pour le nouveau territoire ont déjà été faites et les participants ont pu parcourir rapidement les étapes des visualisations documentées à San Sebastian. Avoir les mêmes visualisations pour différents territoires nous a permis de commencer l’analyse comparative. Une des impasses dans les débats sur la touristification est de savoir si la ville en question est saturée de tourisme ou accepte plus, si elle a trop ou peu. Une analyse peut éclairer ce type de quantification. En plus du rapport d’effet Airbnb à Pampelune, nous avons publié après l’atelier une comparaison de l’effet Airbnb par quartier, à laquelle d’autres villes ont continué d’être incorporées.
En avril 2018, nous avons coordonné à MediaLab le rencontre Les données de la touristification à Madrid. À Madrid, il y avait déjà un écosystème très prolifique analysant la touristification. C’est pourquoi nous avons ajouté à l’atelier un symposium pour partager les données, le code, les méthodologies et les besoins lors de l’utilisation des données. Ce dernier suivait la même idée que le rencontre que nous avions organisée au Summerlab’17 l’été précédent, mais l’idée était en plus de l’ouvrir à toutes types d’acteurs: universitaires, politiciens, activistes qui ont partagé l’utilisation qu’ils font des données dans leur activité liée à la Touristification: comment ils les obtiennent, quelles sont leurs sources, comment ils les analysent et les visualisent, quelles conclusions ils extraient, quels sont les besoins ou les problèmes trouvés.
Madrid a été, et est toujours, quand nous écrivons cette histoire, en plein débat sur la nouvelle réglementation des hébergements touristiques. Le symposium est devenu un lieu de rencontre nécessaire et auparavant inexistant entre les citoyens et les politiciens, et il serait intéressant de permettre de tels espaces plus souvent. L’espace de relations a également fonctionné parmi les activistes et les chercheurs. Les militants ont accès à des données qualitatives qui sont précieuses et difficiles à obtenir par les groupes de recherche des universités, et ils ont à leur tour accès à des bases de données qui sont à peine accessibles à un groupe de citoyens.
Pour clore l’histoire, nous voulons retourner à San Sebastian. À l’occasion de l’anniversaire du premier atelier Effet Airbnb nous avons réalisé un autre atelier pour mettre à jour le rapport publié alors. Au cours de l’année entre le premier et le deuxième atelier, la nouvelle ordonnance municipal sur les appartements touristiques a été approuvée et il est intéressant de vérifier si les données Airbnb le reflètent: combien des appartements annoncés ont régularisé leur situation et ont demandé une licence, si le nombre d’annonces a augmenté…
Au moment de la rédaction de cette histoire, nous travaillons sur une nouvelle version de ce premier rapport réalisé par les citoyens en avril 2017 pendant qu’ils apprenaient les principes fondamentaux de l’analyse et de la visualisation des données. Ce premier rapport, d’ailleurs, est cité dans le plan de diagnostic et la proposition de stratégie initiale du plan de logement municipal de San Sebastian du 2018 mars.
Un moment du atelier Effet Airbnb à San Sebastian 2018 à Hirikilabs, le centre de culture numérique et technologie de Tabakalera. Photo de Ibai Zabaleta
Certaines des questions qui ont été posées Ibai Zabaleta ont trouvé une réponse dans le rapport. D’autres n’ont cependant pas encore trouvé de réponse en raison du manque de données. En conclusion, l’apprentissage transversal, quelque chose qui a traversé tout le processus est l’idée que les données urbaines devraient être considérées comme un bien commun et gérées entre la citoyenneté, l’administration et les entités privées. Nous devons nous former comme citoyen, nous alphadatiser, et transférer ces apprentissages aux institutions dont nous faisons partie; Nous avons besoin d’espaces de rencontre qui estompent les frontières entre les citoyens qui sont dans les administrations et les institutions et ceux qui sont à l’extérieur; Mais surtout, nous avons besoin que les données que nous générons soient libres, accessibles et actualisées, documentées et analysées, pour être en mesure de répondre aux questions de Ibai et beaucoup d’autres qui pour le moment n’ont pas trouvé une réponse, et continuer à générer des récits citoyens complètent et questionnent les récits officiels. Si ce n’est pas possible avec des services comme Airbnb, nous devons peut-être imaginer et construire d’autres depuis la citoyenneté et depuis les institutions.