La donnée, nouveau carburant renouvelable – quelle taxe ? pourquoi ?

Deloitte vient de publier une synthèse sur l'open data en Angleterre qui permet de bien présenter les principaux flux de données et d'euros, de comprendre les mécanismes à la fois simples et complexes et de présenter les acteurs en présence ainsi que les nouveaux métiers. De tout cela, il faut se former pour prendre une place active et inventer les futurs modèles d'affaires rendus possibles (comme par exemple en lisant ceci). Quand le numérique bouleverse tant de situation, de modes de communication et d'échanges, il ne faut pas vouloir lui "brancher" des solutions du passé. Le schéma ci dessous est alors fort utile :

L'idée de taxer "simplement" les données comme on taxe un produit apparaît comme une idée à revoir/compléter en prenant en compte l'intégralité du système et notamment les bénéfices individuels et collectifs engendrés par les changements d'usage rendus possibles par les données et autres API. Donc la taxe aussi ne sera pas "simple"…

Le schéma de Deloitte indique bien dans les Outputs (en bas) que les consommateurs finaux (Gouvernement, Business et Citoyen) vont pouvoir utiliser des produits et/ou services nouveaux grâce à l'accès à de nouvelles données, elles-mêmes transformées grâce à des robots "intermédiaires". La donnée fait donc fonctionner des générateurs de produits/services innovants, sans être détruite puisqu'il s'agit d'une connaissance immatérielle; elle est ré-utilisable. En ce sens, c'est un carburant renouvelable. A ce stade, il est imaginable de taxer la donnée à la source, ou encore une partie des bénéfices sur les produits/services innovants rendus possibles par la donnée. Ces deux solutions auront pour conséquence de freiner la diffusion des API et des données, en ne sélectionnant que celles qui sont "rentables" au regard des modèles d'affaires "traditionnels". D'autres possibilités existent  …

Le numérique permet d'accéder à un niveau de connaissance inédit sur les usages et également les changements d'usage rendus possibles grâce à l'utilisation de nouvelles données, nouvelles APIs, nouveaux produits/services. Cette "écart" avant/après peut engendrer des bénéfices individuels (payer moins cher, gagner du temps) et des bénéfices collectifs (générer moins de pollution, réduire la congestion). Ces réductions d'externalités (non quantifiables sans outils numériques car diffuses) peuvent servir de base pour asseoir une taxe basée sur les usages réels : plus les bénéfices individuels ET collectifs sont importants plus la taxe est faible voire nulle, et inversement.

Une autre solution serait de réallouer des dépenses prévues pour réduire les externalités négatives vers les acteurs le faisant avec un rendement supérieur aux investissements classiques. En permettant à des acteurs économiques de gagner de l'argent, par un prélèvement des bénéfices (individuels et collectifs) générés par de nouveaux services / modèles d'affaires, eux-mêmes générés par de nouvelles données, nous allons accélérer l'industrialisation de ces produits/services innovants en les "sélectionnant" sur la base de leurs impacts réels. Ce mécanisme est détaillé dans un article précédent (La voie de l'équilibre). Ainsi, les transports en communs et autres services de mobilité, dont nous savons qu'ils participent, en général, à réduire les externalités, pourront, sur la base des bénéfices réellement engendrés par les nouveaux produits/services portés par les données, captés une partie des flux financiers.

Un exemple 100% privé est également intéressant, celui du système "Pay As You Drive" des assurances. Un rapport Hamilton esquisse, sur la base des premiers retours d'usage réel, les fameux "feedback", les bénéfices individuels et collectifs. Petit rappel sur le principe : le PAYD est basé sur un paiement de son assurance en fonction de l'usage réel de son véhicule : kilométrage, horaire de conduite, style de conduite, vitesse, … Les paramètres d'entrées sont potentiellement importants et analysés par un boitier placé dans le véhicule. Le conducteur en choisissant cette option, accepte une intrusion dans son comportement, pour lui permettre au final de payer moins cher. Ce mécanisme d'auto-contrôle accepté par l'assuré et mis en oeuvre par l'assureur conduit en effet à réduire son kilométrage, à réduire sa vitesse, donc à réduire les risques. Il engendre donc des bénéfices individuels (monétaire, risque d'accident), mais également collectif (pollution, accident) et pour l'assurance (monétaire).

Let's add up the positive externalities. The Hamilton Project estimates charging by the mile would reduce driving by 8 percent nationally, which is roughly the same reduction an extra $1-a-gallon gas tax would achieve. Less driving means less oil used and fewer carbon emissions — 4 and 2 percent less, respectively. It also means less traffic and fewer accidents, which saves us another $50-60 billion (in 2008 dollars) or so. Those savings mean we save too — an average of $270 a year, skewed towards lower-income households that tend to drive less — since insurers will have fewer accidents to cover.

Ainsi les nouvelles données générées par l'usager ayant accepté l'intrusion, sur la base d'une promesse de réduction des coûts, ont bien une valeur à la fois pour l'assuré, l'assurance et le collectif. La répartition des bénéfices est pour le moment arbitrée par celui qui détient l'autorité : l'assurance. Jusqu'au moment où l'assurance devra communiquer aux assurés les données qu'il possède sur ce dernier (mouvement mydata, mesdonnées), engendrant alors une nouvelle répartition des bénéfices. Le collectif pourrait également soutenir la mise en oeuvre de solutions PAYD puisqu'elles permettent de réduire les externalités avec un bon rendement. Là encore, ce soutien peut être réalisé par des réductions de taxes, en se basant sur les bénéfices réellement observés.