Le skill data.gouv.fr
dans ton agent IA
Le guide clair, pratico-pratique et visuel pour comprendre comment connecter un assistant IA aux données publiques françaises, exploiter le catalogue data.gouv.fr, éviter les pièges et transformer l’open data en vrais cas d’usage métier.
Version HTML/CSS premium — responsive, imprimable et exportable en PDF depuis le navigateur.
Sommaire visuel
Lis dans l’ordre… ou attaque directement le terrain.
L’objectif n’est pas d’admirer une technologie. L’objectif est de comprendre ce qu’elle rend possible, comment l’installer proprement, et comment l’utiliser sans transformer son agent IA en machine à halluciner avec aplomb.
Le vrai changement
Avant, il fallait chercher les données. Maintenant, on peut questionner le catalogue.
Le skill data.gouv.fr et le serveur MCP ne remplacent pas l’expertise. Ils changent le point d’entrée : au lieu de fouiller un portail, télécharger des fichiers et décoder les formats, on demande à un agent IA d’explorer, qualifier et préparer les données.
Découvrir
Identifier les jeux de données disponibles, leurs producteurs, leurs ressources, leurs formats et leurs limites.
Explorer
Interroger les métadonnées, tester des ressources tabulaires et obtenir une première lecture exploitable.
Transformer
Passer d’un fichier public à une décision : étude de marché, veille, prospection, diagnostic territorial ou enrichissement CRM.
Un agent IA branché sur data.gouv.fr n’est pas magique. C’est un assistant de recherche augmenté. La valeur vient du cadrage métier, des bonnes questions et de la vérification humaine.
Socle public
data.gouv.fr : le grand catalogue des données publiques françaises.
data.gouv.fr centralise des données produites par l’administration et par la société civile. Le portail met en avant trois missions : faciliter la découvrabilité, améliorer la qualité et encourager la réutilisation des données.
La donnée, c’est le carburant. L’agent IA, c’est le moteur.
Ce que l’on trouve sur data.gouv.fr
- des jeux de données et API publiés par des organismes publics, collectivités, ministères, opérateurs et acteurs de l’écosystème ;
- des ressources téléchargeables : CSV, JSON, GeoJSON, XLSX, PDF, flux, API ou fichiers structurés ;
- des métadonnées : producteur, licence, fréquence de mise à jour, couverture géographique, tags, formats, discussions et réutilisations ;
- des plateformes thématiques : écologie, transport, météo, culture, logistique, simplification administrative.
74K
Jeux de données & API
Un catalogue large, vivant, mais à qualifier avant usage.
390K
Fichiers
Des ressources à télécharger, filtrer, lire ou analyser.
5K
Réutilisations
Des projets, articles et services construits à partir des données.
17K
Discussions
Un écosystème de producteurs et réutilisateurs.
Ne pas confondre
Skill, MCP, API : trois portes d’entrée, trois usages.
Le vocabulaire peut donner l’impression d’une usine à gaz. En clair : le MCP est la prise conversationnelle, le skill est la fiche méthode du modèle, l’API est le moteur robuste pour l’automatisation.
| Entrée | Rôle | Usage idéal | Point d’attention |
|---|---|---|---|
| Serveur MCP data.gouv.fr | Connecter un assistant IA compatible à data.gouv.fr avec un protocole standard. | Explorer le catalogue en langage naturel, guider un utilisateur non spécialiste, prototyper un usage. | Expérimental : toujours vérifier les résultats avant réutilisation. |
| Skill data.gouv.fr | Donner au modèle une documentation structurée pour utiliser les API data.gouv.fr. | Coder, documenter, analyser ou orchestrer des workflows data dans Claude Code, Cursor, Codex CLI, etc. | Le skill aide le modèle à mieux raisonner ; il ne garantit pas la vérité des données. |
| API Main / Metrics / Tabular | Exécuter des requêtes HTTP reproductibles sur le catalogue, les statistiques ou les lignes tabulaires. | Automatisations robustes, scripts, pipelines de données, intégrations métier. | Respecter les identifiants, la pagination, les limites, les licences et la fraîcheur des données. |
Main API
Recherche de jeux de données, organisations, ressources, réutilisations, discussions, dataservices et métadonnées.
Tabular API
Lecture de lignes CSV/tabulaires par ressource : filtres, tri, pagination, aperçu de colonnes et données.
Metrics API
Statistiques d’usage : vues, téléchargements, métriques par modèle, exports CSV pour suivi et analyse.
Schéma mental
Comment circule une question dans un agent data.gouv ?
Un bon agent ne se contente pas de répondre. Il cherche, vérifie, cite les ressources, signale les limites et propose une prochaine action. La donnée publique, c’est une matière première : elle doit être triée, contextualisée et interprétée.
“L’IA propose. Elle ne décide pas à votre place. Le vrai levier, c’est l’humain qui sait poser la bonne question et contrôler la réponse.”
Principe d’usage responsableMise en place
Installer le skill ou connecter le MCP : la version utile.
Pour un usage conversationnel rapide, commence par le MCP. Pour un usage code, agent ou workflow plus contrôlé, ajoute le skill. Pour une production stable, appelle directement les API avec des scripts reproductibles.
Option A — MCP hébergé
Connecte ton outil compatible MCP à l’endpoint public :
https://mcp.data.gouv.fr/mcp- ChatGPT : paramètres → applications/connecteurs → mode développeur → nouveau connecteur.
- Claude Code : commande MCP dédiée.
- Cursor / VS Code / Windsurf : ajout du serveur dans le fichier de configuration MCP.
- Le Chat Mistral : connecteur MCP personnalisé.
Option B — Skill SKILL.md
Le dépôt datagouv-skill fournit une référence consolidée pour les trois API : Main, Metrics et Tabular.
git clone https://github.com/datagouv/datagouv-skill.git
cd datagouv-skill
# Copier SKILL.md dans le dossier skills de ton client IAEnsuite, redémarre ton client IA pour que le skill soit pris en compte.
Claude Code
mkdir -p ~/.claude/skills/datagouv-apis
cp SKILL.md ~/.claude/skills/datagouv-apis/Cursor
mkdir -p ~/.cursor/skills/datagouv-apis
cp SKILL.md ~/.cursor/skills/datagouv-apis/Codex CLI
mkdir -p ~/.codex/skills/datagouv-apis
cp SKILL.md ~/.codex/skills/datagouv-apis/
codex --enable skills -m <model>Après installation, demande à ton agent de te décrire les outils disponibles, puis fais un test simple : “Recherche les jeux de données disponibles sur les valeurs foncières dans une commune.” Si l’agent part dans le flou artistique, recadre-le : source, producteur, date, ressource, limite.
Prompts de départ
Les bonnes questions évitent les mauvaises réponses.
Un agent data doit répondre avec méthode. Demande-lui toujours les sources, les identifiants, les dates, la licence, les limites, puis une synthèse métier. En clair : pas de donnée sans contexte.
Prompt découverte
Recherche sur data.gouv.fr les jeux de données liés à [sujet].
Pour chaque résultat utile, donne : titre, producteur, date de mise à jour,
licence, formats disponibles, ressources principales et limites connues.
Ne conclus pas sans citer les identifiants ou URLs de ressources.Prompt analyse tabulaire
À partir du jeu de données [id/slug], liste les ressources tabulaires.
Choisis la plus pertinente, affiche le profil des colonnes,
puis donne un aperçu de 20 lignes avec les colonnes utiles pour [objectif].
Signale les colonnes manquantes, les valeurs nulles et les limites.Prompt décision métier
Transforme ces données en recommandations opérationnelles pour [métier].
Sépare : faits observables, hypothèses, risques, actions rapides,
actions à valider humainement. Ne mélange pas donnée publique et opinion.Prompt audit qualité
Audite la fiabilité de cette analyse.
Vérifie : fraîcheur, producteur, licence, couverture géographique,
méthodologie, doublons, champs manquants, biais possibles,
et indique ce qui doit être vérifié avant publication.Cas d’usage
Ce que ça ouvre concrètement pour une entreprise, une collectivité ou une agence.
La puissance n’est pas dans “avoir accès à beaucoup de données”. Elle est dans l’usage : une question précise, une donnée pertinente, une décision plus rapide.
Enrichissement CRM
Repérer les entreprises d’un secteur, vérifier des informations légales publiques, segmenter des cibles par territoire, activité ou statut. Usage parfait pour préparer une prospection propre.
Immobilier & DVF
Explorer les valeurs foncières, analyser une commune, comparer des ventes, préparer une note d’opportunité. Attention : les données doivent être replacées dans leur contexte local.
Étude de marché locale
Comprendre un territoire : densité d’entreprises, services, équipements, flux, population, mobilité, environnement concurrentiel et zones d’opportunité.
Transport & logistique
Identifier des jeux de données transport, mobilité, infrastructures, zones, flux ou points d’intérêt pour optimiser une décision terrain.
Veille et reporting
Suivre des métriques, compiler des sources publiques, produire une synthèse récurrente avec hypothèses et points de vigilance.
Collectivités & politiques publiques
Faciliter l’accès à des données parfois complexes pour des élus, agents, associations ou citoyens. L’IA devient une interface de pédagogie.
Le bon produit n’est pas “un agent qui sait tout”. Le bon produit, c’est un agent qui aide une personne précise à prendre une meilleure décision, plus vite, avec des sources contrôlées.
Méthode agentique
Construire un agent métier fiable avec data.gouv.fr.
Un agent data.gouv.fr efficace doit être cadré comme un collaborateur : rôle, périmètre, outils, formats de réponse, garde-fous et validation humaine. Sinon, il bricole. Et un agent qui bricole vite, c’est juste une machine à produire des erreurs premium.
Définir le métier
Qui utilise l’agent ? Commercial, consultant, chargé de mission, élu, analyste, entrepreneur ? Le même jeu de données ne donne pas la même valeur selon le rôle.
Choisir les sources
Catalogue data.gouv.fr, API tabulaire, dataservices, ressources brutes. L’agent doit toujours indiquer ce qu’il a consulté, et ce qu’il n’a pas pu consulter.
Normaliser la réponse
Faits, sources, analyse, limites, recommandations, prochaines actions. Ce format évite la soupe narrative qui semble intelligente mais n’aide personne.
Contrôler avant décision
Vérifier producteur, fraîcheur, licence, couverture, taux de valeurs manquantes, biais, méthode de collecte et cohérence globale.
Industrialiser seulement après
Quand le prototype conversationnel fonctionne, on passe aux API directes, aux scripts reproductibles et aux workflows N8N/Airtable/CRM si besoin.
La partie qui sauve la crédibilité
Contrôle qualité : le garde-fou qui sépare l’expert du magicien LinkedIn.
Les guides data.gouv.fr insistent sur une idée simple : les réponses de modèles de langage peuvent être incomplètes, approximatives ou erronées. Il faut relire, contrôler et valider. En entreprise, ce n’est pas une option : c’est la ceinture de sécurité.
Le producteur et l’organisation sont clairement indiqués.
La date de mise à jour, la fréquence et la fraîcheur sont compatibles avec l’usage.
La réutilisation est autorisée et les obligations d’attribution sont respectées.
Couverture géographique, période, format, granularité et champs disponibles sont explicités.
L’agent cite les slugs, UUID, URLs de ressources ou endpoints utilisés.
L’agent sépare faits, hypothèses, risques, recommandations et éléments à vérifier humainement.
Erreurs fréquentes
- confondre un dataset avec une preuve complète ;
- oublier la date de mise à jour ;
- utiliser un slug fragile au lieu d’un UUID stable ;
- mélanger données publiques, interprétation et sources web externes ;
- télécharger tout le catalogue au lieu de filtrer intelligemment ;
- présenter une analyse IA comme une source officielle.
Bon réflexe
Demande toujours à l’agent : “Qu’est-ce que tu sais ? Qu’est-ce que tu supposes ? Qu’est-ce qui manque ? Qu’est-ce que je dois vérifier avant de publier ou décider ?”
Réponds uniquement avec :
1. Sources consultées
2. Données extraites
3. Limites et incertitudes
4. Analyse prudente
5. Actions recommandées
6. Points à valider humainementPlaybook opérationnel
Le workflow simple pour lancer un agent data.gouv en production légère.
Commence petit. Teste vite. Corrige. Puis seulement ensuite, automatise. C’est moins sexy qu’une promesse “agent IA autonome”, mais beaucoup plus rentable.
Cadrer
Objectif métier, utilisateurs, décisions attendues, données nécessaires.
Explorer
MCP en conversation pour identifier datasets, ressources, limites.
Structurer
Prompts, format de réponse, checklist qualité et glossaire métier.
Industrialiser
API directes, scripts, N8N, Airtable, CRM ou tableau de bord.
Glossaire
Les mots à connaître sans se faire mal au cerveau.
Le glossaire pour expliquer le sujet à un client, un élu, un dirigeant ou un stagiaire sans perdre tout le monde au bout de trois acronymes.
Dataset
Un jeu de données : une fiche qui regroupe des ressources, une description, une licence, un producteur et des métadonnées.
Ressource
Un fichier ou lien attaché à un dataset : CSV, JSON, PDF, GeoJSON, XLSX ou API.
Métadonnées
Les informations qui décrivent la donnée : qui l’a produite, quand, comment, sous quelle licence et dans quel périmètre.
MCP
Model Context Protocol : une manière standard de connecter un assistant IA à une source d’information ou un outil.
Skill
Un fichier de consignes structurées qui apprend au modèle comment utiliser un outil ou une API.
Tabular API
Une API pour lire, filtrer et paginer des lignes de fichiers tabulaires compatibles.
Dataservice
Une API externe documentée dans le catalogue data.gouv.fr, avec son URL de base et sa documentation machine.
UUID
Un identifiant technique stable. Plus fiable qu’un slug pour automatiser des appels API.
Licence
Le cadre de réutilisation de la donnée. Toujours la vérifier avant exploitation commerciale ou publication.
Sources publiques
Base documentaire utilisée pour cet e-book.
Le lien Notion initial n’étant pas accessible publiquement au moment de la génération, cette version s’appuie sur les sources publiques vérifiables ci-dessous.
- data.gouv.fr — Plateforme ouverte des données publiques françaises
- Guide data.gouv.fr — Notre approche de l’intelligence artificielle
- Guide data.gouv.fr — Le serveur MCP de data.gouv.fr
- GitHub — datagouv/datagouv-skill
- GitHub — datagouv/datagouv-mcp
- Banque des Territoires / Localtis — Data.gouv facilite l’accès des IA génératives aux données publiques
