Safe City project in Marseille (Observatoire Big Data de la Tranquillité Publique)

Safe City project in Marseille (Observatoire Big Data de la Tranquillité Publique)
Excluded from graph
Deployment Status	Unknown
Deployment Start Date
Deployment End Date
Events	* uses Record type Property:Has event Start (?, Documented, ?, No description) uses Record type Property:Has event End (?, Documented, ?, No description)
City	Marseille
Country	France
Involved Entities
Keywords
Technology Deployed	Safe City Solution by Engie Inéo
Information Certainty
Primary sources
Datasets Used	Database of Délégation Générale de la Sécurité (DGSEC), Unknown Law Enforcement Database
Deployment Type
runs search software
managed by
used by
Potentially used by
Information Certainty	0
Summary	0

Graph View ↗︎

Summary
0

• Details

Products and Institutions:

Product Deployed	Safe City Solution by Engie Inéo
Institutions ⠉	Engie Ineo
Datasets	Unknown Law Enforcement Database Database of Délégation Générale de la Sécurité (DGSEC)
Search software

Status and Events:

Status	Unknown
Events	Start (?, Documented, ?, No description) End (?, Documented, ?, No description)
Start Date
End Date

Users:

Involved Entities
Managed by
Used by

Location:

City	Marseille
Country ⠉	France

Loading map...

{"format":"leaflet","minzoom":false,"maxzoom":false,"limit":50,"offset":0,"link":"all","sort":[""],"order":[],"headers":"show","mainlabel":"","intro":"","outro":"","searchlabel":"... further results","default":"","import-annotation":false,"width":"auto","height":"350px","centre":false,"title":"","label":"","icon":"","lines":[],"polygons":[],"circles":[],"rectangles":[],"copycoords":false,"static":false,"zoom":5,"defzoom":14,"layers":["OpenStreetMap"],"image layers":[],"overlays":[],"resizable":false,"fullscreen":false,"scrollwheelzoom":false,"cluster":false,"clustermaxzoom":20,"clusterzoomonclick":true,"clustermaxradius":80,"clusterspiderfy":true,"geojson":"","clicktarget":"","showtitle":true,"hidenamespace":false,"template":"","userparam":"","activeicon":"","pagelabel":false,"ajaxcoordproperty":"","ajaxquery":"","locations":[{"text":"\u003Cb\u003E\u003Ca href=\"/wiki/index.php/Safe_City_project_in_Marseille_(Observatoire_Big_Data_de_la_Tranquillit%C3%A9_Publique)\" title=\"Safe City project in Marseille (Observatoire Big Data de la Tranquillit\u00e9 Publique)\"\u003ESafe City project in Marseille (Observatoire Big Data de la Tranquillit\u00e9 Publique)\u003C/a\u003E\u003C/b\u003E","title":"Safe City project in Marseille (Observatoire Big Data de la Tranquillit\u00e9 Publique)","link":"","lat":43.29617,"lon":5.36995,"icon":""}],"imageLayers":[]}

Description

En décembre 2017, la mairie de Marseille annonçait le début du déploiement de son « observatoire Big Data de la tranquillité publique » à l’issue d’un appel d’offre remporté par l’entreprise Engie Inéo, leader du marché de la vidéosurveillance. Le projet marseillais promet une vaste plateforme d’intégration basée « sur les méthodes de Big Data » et de « machine learning », capable d’« analyser ce qui s’est passé (hier) », d’« apprécier la situation actuelle » (aujourd’hui) », et d’« anticiper la situation future ou probable (demain) »/ L’outil agrégera en effet de multiples bases de données structurées et non-structurées, notamment celle de la Délégation Générale de la Sécurité (DGSEC) de la ville de Marseille, qui répertorie toutes les mains courantes, les verbalisations, et bien d’autres données géolocalisées récoltées par les acteurs municipaux de la sécurité. À cela s’ajouteront les flux du vaste réseau de vidéo-surveillance rendu « intelligent » grâce au traitement de l’image (2000 caméras à terme, et demain des drones1), les données des hôpitaux publics, les données publiées par les foules sur les réseaux sociaux (Twitter et Facebook sont mentionnés page 22 du CCTP). Sans compter les jeux de données fournis par les partenaires externes de la ville, qu’il s’agisse d’autres collectivités, de l’État (coucou la Place Beauvau, ses statistiques sur la criminalité, ses fichiers biométriques TES et autres !) ou des partenaires privés (opérateurs télécoms, etc.), qu’Engie Inéo aura pour mission de démarcher. Il y a de quoi faire. Enfin, le « crowdsourcing » est également de mise. Si l’on en croit le CCTP, « chaque citoyen » pourra « fournir en temps réel des informations (texto, vidéo, photo, vitesse de déplacement, niveau de stress, …) via une application sur smartphone ou des objets connectés ». Grâce à toutes ces données, la ville souhaite donc analyser automatiquement les « incidents » grâce à des algorithmes portant sur « leur contexte et leur cause », sur la « détection et l’investigation des comportements anormaux », sur la « géolocalisation des points dits « chauds » de la ville ». 1

Additional properties

• Budget 18000000000001,800,000,000,000 euro <br />2,124,000,000,000 dollar <br />
• Geolocation 43° 17' 49.11" N, 5° 21' 52.94" E
• CiteRef 1

This page uses the following references:

• References#_SCITEe472d97ffb92f6cd3330130404b9e8ed