Data-Gouv-FR/inventaire-des-algorithmes-publics-de-lodap

该数据集是法国公共算法观察站（ODAP）编制的公共算法清单，涵盖了中央行政部门开发和实施的算法。对于每个列出的算法，清单提供以下信息（如果可用）：算法设计的背景（如负责机构、合作伙伴、预算等），这些因素影响其使用范围和限制；算法的技术方面（如模型、训练数据），这些直接影响结果；现行监管框架，指导或限制其可能用途；可用文档（如源代码、文章、机构网站等）；由行政部门自身或第三方进行的评估。在第一个版本（2024年11月）中，清单包括：所有类型的算法系统，无论其基于机器学习（如机器学习、深度学习）、规则系统（如计算文件）还是其他技术，且无论是否参与决策；由中央行政部门和国有机构开发或使用的算法，目前不包括地方政府和医院公共服务；公开记录的算法，无论是行政部门自身文件还是第三方记录。该清单不追求全面性，并将定期更新。This dataset is a public inventory of algorithms compiled by the Observatoire Public des Algorithmes (ODAP), covering algorithms developed and implemented by central administrative authorities. For each listed algorithm, the inventory provides the following information (where available): the contextual background of its design (e.g., responsible body, partnering organizations, budget, etc., which influence its scope of use and limitations); technical aspects of the algorithm (e.g., models, training data, which directly impact its outputs); the current regulatory framework that guides or restricts its potential applications; available documentation (e.g., source code, academic articles, institutional websites, etc.); and evaluations conducted either by the administrative authority itself or third parties. In its first edition (November 2024), the inventory includes all types of algorithmic systems, regardless of whether they are based on machine learning (e.g., machine learning, deep learning), rule-based systems (e.g., document processing systems), or other technologies, and regardless of whether they are involved in decision-making; algorithms developed or used by central administrative authorities and state-owned institutions, while currently excluding public services from local governments and hospitals; and publicly documented algorithms, whether sourced from the administrative authority’s own documents or third-party records. This inventory does not aim to be comprehensive and will be updated regularly.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共数据门户data.gouv.fr，由公共算法观察站（ODAP）构建，旨在系统性地收录中央行政机关开发与部署的算法系统。Hugging Face仓库严格遵循原始数据集的映射规则：一个data.gouv.fr数据集对应一个Hugging Face仓库，其下的每份表格资源则转化为一个独立的子集配置。数据集包含三个子集：`inventaire-odap-v2`、`inventaire-odap-v1`和`inventaire-odap-glossaire`，分别对应不同版本的算法清单及术语表，每个子集仅含`train`分片，并以Parquet格式存储。

使用方法

用户可通过Hugging Face的`datasets`库便捷调用该资源，采用`load_dataset`函数并指定仓库名称与目标子集配置名，例如`load_dataset("Data-Gouv-ML/inventaire-des-algorithmes-publics-de-lodap", "inventaire-odap-v2")`，随后通过`ds["train"]`即可获取包含算法条目的训练数据集。每个子集均以Parquet格式提供，支持高效的数据加载与分析操作；若需访问其他版本或术语表，仅需将配置名替换为`inventaire-odap-v1`或`inventaire-odap-glossaire`即可。

背景与挑战

背景概述

在数字政府与公共管理透明化的浪潮中，法国算法公共治理的探索尤为引人注目。由法国公共算法观察站（Observatoire Des Algorithmes Publics, ODAP）于2024年11月创建的Inventaire des algorithmes publics de l'ODAP数据集，旨在系统性地盘点法国中央行政机关所开发与部署的公共算法。该数据集通过收录算法的设计背景、技术细节、监管框架及评估信息，为研究算法透明度、行政决策公正性及数字伦理提供了核心基础资源。其开源性质（CC-Zero许可）和结构化发布方式，不仅推动了法国公共算法治理的实证研究，也促进了跨机构间的数据共享与规范化管理，成为欧洲公共算法透明度运动中的标杆性数据集。

当前挑战

该数据集所面临的挑战首先源于领域问题的复杂性：公共算法涵盖机器学习、规则系统等多种技术形态，且参与或不参与决策过程的算法均需纳入，这要求对‘算法’的边界进行严谨定义，以避免遗漏或过度泛化。在构建过程中，核心困难在于数据的不完整性——数据集明确声明非穷尽性，这是由于许多行政机构尚未公开其算法文档，且部分文档分散于非标准化来源，需通过人工筛选与多方交叉验证。此外，维持数据的时效性需频繁更新，而不同版本（v1与v2）间的结构差异也增加了数据整合与长期对比分析的难度。

常用场景

经典使用场景

在公共治理与算法透明度的交叉研究领域，Inventaire des algorithmes publics de l'ODAP 数据集扮演着基础性角色。该数据集由法国公共算法观察站（ODAP）编制，系统性地收录了法国中央政府部门及国家机构所开发与部署的各类算法系统。其经典使用场景聚焦于对公共部门算法生态的全景式描摹，研究者可借助该数据集分析不同行政机构在算法采纳上的分布特征、技术架构的偏好选择，以及算法所依托的监管框架差异。通过整合算法背景、技术细节、法规依据及评估记录等多元维度，该数据集为纵向追踪公共算法的演化趋势与横向比较部门间的治理实践提供了坚实的数据基石。

解决学术问题

该数据集精准回应了数字治理领域中一个长期悬而未决的核心学术命题——如何在缺乏系统性公开信息的情况下，对嵌入公共行政的算法进行科学、可复现的实证研究。在过去，学者们往往受困于信息碎片化与数据黑箱，难以量化分析公共算法的使用范围、技术成熟度与合规性。Inventaire 数据集的问世，使得研究者得以突破这些瓶颈，首次基于统一框架对机器学习、深度学习、规则系统等多样化算法形态进行结构化比较。它推动了公共算法可问责性、行政决策自动化边界以及算法公平性等议题从理论思辨迈向经验验证，显著提升了该领域研究的科学严谨性与政策指导价值。

实际应用

在实际应用层面，该数据集为法国乃至欧洲的公共部门算法治理提供了可操作的工具支撑。数据集的发布有助于监管机构与公民社会组织快速识别哪些行政流程已嵌入算法决策，从而针对性地开展影响评估与合规审查。例如，通过分析数据集中算法所适用的法规框架，政策制定者能准确判断现有法律（如《数字共和国法》或《通用数据保护条例》）对具体算法的覆盖盲区。此外，该清单也可作为公众知情权的实现载体，帮助公民了解自身数据在什么场景下、通过何种算法被处理，从而促进公共服务的透明化与民主化监督。

数据集最近研究

最新研究方向

该数据集汇聚了法国公共算法清单，由公共算法观察站（ODAP）编制，收录了中央行政机关开发与部署的算法系统，涵盖机器学习、规则引擎等多种技术形态。当前前沿研究方向聚焦于算法透明度与治理，特别是在欧盟《人工智能法案》推动下，研究如何通过标准化清单系统化追溯算法的设计语境、技术参数、监管框架及评估记录。这一方向与全球对公共决策算法问责性的热点事件紧密相连，例如教育、社会福利等领域的算法偏见争议。该数据集的出现为跨机构算法审计、合规性检验及社会影响研究提供了结构化基础，有助于推动公共算法从‘黑箱’走向可解释、可监督的治理范式。