Aider à réduire les émissions de CO2 grâce aux données

Connaître les besoins de l'OZEV

L'objectif principal de l'OZEV est d'encourager davantage de personnes à utiliser des « véhicules à faible émission ». Mais comment y parvenir ? Après consultation auprès de divers groupes d'intervenants, il est apparu que la disponibilité des données est cruciale pour améliorer l'expérience utilisateur des bornes de recharge et inciter davantage de personnes à adopter les VE.

Les conducteurs de VE ont notamment peur de ne pas pouvoir recharger leur véhicule rapidement et facilement. Pour être confiants lors du passage à l'électrique, ils ont besoin d'informations fiables et cohérentes sur l'emplacement des bornes de recharge disponibles.

L'anxiété des utilisateurs est encore plus forte lorsque ceux-ci ont des problèmes de mobilité. Il peut s'agir de difficultés liées au poids des câbles de recharge ou d'aménagements de stationnement inadaptés aux utilisateurs de fauteuils roulants. Selon des recherches récentes, il y aura environ 2,7 millions de conducteurs ou passagers handicapés d'ici 2035, dont 1,35 million devraient dépendre, partiellement ou totalement, de l'infrastructure de recharge publique.

Par ailleurs, les autorités locales et les fournisseurs d'énergie qui installent les bornes de recharge ont besoin de données pour aider à garantir que les nouvelles bornes sont installées où cela est faisable et nécessaire. Les données disponibles actuellement ne permettent pas une planification rationnelle des bornes de recharge pour les utilisateurs ou les opérateurs, ce qui crée des opportunités commerciales pour combler ces lacunes.

Pour en savoir plus, l'OZEV a décidé de mener une enquête sur les données ouvertes et leur contribution à leurs objectifs. L'OZEV souhaitait notamment :

• Comprendre pleinement les besoins des consommateurs et de l'industrie ;
• Identifier si les approches existantes dans les secteurs des transports, de l'énergie et d'autres services publics pouvaient répondre à ces besoins ;
• Confirmer la faisabilité et l'application des normes de données pour soutenir les résultats ;
• Proposer des solutions viables, durables et pratiques pour rendre les données accessibles et les utiliser pour répondre à tous les besoins des consommateurs.

 

How we Approach the Discovery

When Valtech bid for this work, we put together a unique package. As well as building on our proven track record of conducting successful Discoveries and our established reputation for creating good government services, we also partnered with TRL to ensure we had appropriate, detailed domain knowledge.

TRL was originally the UK Government’s road research body and is now an independent team of expert scientists and engineers working with clients on the future of transport. They’d recently conducted European-wide consumer research on EVs. Our proposition to OZEV was that our team had the skills to complete an effective data discovery project, and the domain knowledge to hit the ground running and make the best use of the time available.

Discoveries are highly focused and time limited. To organise our time effectively, we divided our plan into four stages. The first was identifying all the existing knowledge in the current landscape, filling in the gaps with our own research. The second was processing all the raw information we’d gathered to extract insights and create propositions.

In the third stage, we recombined the propositions and generated ideas about how each could be tackled or solved. We also grouped, consolidated and refined the propositions to identify the most achievable and the ones that would have the biggest impact on the customer experience or on mitigating risk. The final phase involved making recommendations on what the next steps could be and proposals on how to take them forward.

 

Résultats de la phase de découverte

Suite à la phase de découverte, nous avons cartographié les besoins des utilisateurs dans une carte retraçant l'expérience complète et analysé les modèles de données pour évaluer leur pertinence. De plus, nous avons compris comment d'autres pays/organismes atteignent le même objectif de données ouvertes et avons produit un ensemble clair de recommandations pour la phase alpha, y compris au moins une solution tangible.

Nous avons conclu que l'absence de normalisation dans le domaine de la recharge publique signifie que les gens ne peuvent pas accéder facilement aux informations indispensables sur les points de recharge. Cela dégrade considérablement l'expérience de la recharge et, par extension, réduit le potentiel de possession d'un véhicule électrique. Nous avons également conclu que la meilleure expérience client pour les points de charge est une expérience "oubliable". Les consommateurs veulent aller d'un point A à un point B, en pensant à la destination et non au trajet. Peu d'automobilistes se préoccupent de l'emplacement des stations-service lorsqu'ils planifient leur voyage. Si l'expérience du point de charge peut se rapprocher de cette idée, le projet sera couronné de succès.

 

Nous avons réalisé que bon nombre des recherches existantes sur l'utilisation des VE sont biaisées. Elles se basent sur les propriétaires actuels de VE, qui représentent environ 2,5 % des conducteurs. Ce sont des "innovateurs" qui ont tendance à être très indulgents envers les défis actuels de la propriété de VE. Ils ne sont pas représentatifs et ne prédisent pas de manière fiable l'attitude et les comportements de la population "mainstream" que nous devons convaincre d'adopter les VE.

Nous avons également conclu qu'une petite quantité de données "statiques" relativement simples ferait une grande différence dans l'expérience du client. Il apparaît que même si la plupart des VE ont une capacité nettement supérieure à ce qui est nécessaire pour la plupart des trajets, l'angoisse de l'autonomie persiste. Ce phénomène est lié à la perception d'une pénurie de chargeurs, qui serait améliorée par a) un plus grand nombre de chargeurs et b) une plus grande visibilité du réseau de charge (grâce à l'ouverture des données).

L'ouverture des données améliorerait aussi indirectement l'expérience des clients, par exemple en contribuant à l'amélioration de la planification urbaine. Et cela aiderait les clients ayant des besoins d'accès, qui doivent parfois se rendre à plusieurs chargeurs pour en trouver un indispensable.

Nous avons également appris que la recharge et le stationnement sont inextricablement liés, ce qui brouille les schémas comportementaux entre les deux. Enfin, nous avons constaté qu'en Europe, il existe une corrélation significative entre la nécessité de partager les données et la signalisation des données de borne de recharge et l'adoption généralisée de VE.

 

 

Utiliser le Design Thinking pour avoir une vision d'ensemble

Tout au long du projet Discovery (phase de découverte des données), nous avons appliqué des techniques établies de Design Thinking. Cela paraît inhabituel dans un projet de découverte de données - même s'il a des liens étroits avec la politique - mais cela s'est avéré très efficace. Par exemple, nous avons mené des entretiens d'experts en utilisant une variété de perspectives (consommateur, expérience utilisateur, expert en données, etc.). Nous avons ensuite présenté les résultats en utilisant des techniques d'illustration pour générer une carte complète de l'expérience du consommateur (voir ci-dessus) qui racontait toute l'histoire d'un voyage à bord d'un VE.

Nous avons également organisé des séances d'idéation en groupe et procédé à une cartographie des affinités. Ces techniques permettent essentiellement de dégager des thèmes récurrents de la recherche, puis de les regrouper. En combinant, recombinant et déconstruisant ces résultats, nous avons pu envisager toutes les options et trouver des solutions en temps voulu.

Nous avons ensuite réalisé des études basées sur des journaux intimes pour avoir une idée de ce qui se passe lorsque les gens utilisent les points de charge et nous avons interrogé à la fois des conducteurs et des experts du secteur. Ce travail nous a également permis d'élaborer des typologies d'utilisateurs. Ceux-ci ne sont pas basés sur des données démographiques mais sur des caractéristiques plus représentatives telles que les intentions et les sentiments.

Nous avons maintenu le projet sur la bonne voie en adoptant la méthodologie Lean/Agile qui est généralement utilisée dans la gestion de projets numériques. Cette approche se caractérise par l'ouverture, la collaboration et une réactivité rapide aux informations qui se présentent. Nous avons utilisé des méthodes éprouvées telles que les "stand-ups" (brèves réunions quotidiennes sur l'état d'avancement du projet), les "sprints" (efforts étroitement planifiés et limités dans le temps) et les "swarms" (lorsque les membres de l'équipe se focalisent sur un problème épineux pour le résoudre rapidement).

 

Contexte, enjeux et opportunités 

En cours de route, le projet a rencontré quelques difficultés. En particulier, certains fournisseurs de points de charge n'ont pas voulu partager leurs données, estimant qu'elles étaient commercialement sensibles. Cette difficulté sera désormais surmontée grâce à un mandat du gouvernement.

Pour les raisons expliquées ci-dessus, il était essentiel d'impliquer les propriétaires de véhicules non électriques ainsi que les propriétaires de véhicules électriques. Ne pas le faire produirait des conclusions biaisées et compromettrait le succès des prochaines étapes.

Lorsque nous avons analysé les protocoles de données disponibles pour évaluer leur adéquation à leur objectif, nous avons identifié que la norme Open Chargepoint Interface (OCPI) est la plus appropriée pour le partage de données. Cependant, pour l'instant, OCPI doit être étendu pour inclure des données sur les exigences d'accessibilité.

Nous avons également pu identifier les principales opportunités de réussite, à savoir assurer que l'expérience du consommateur répond aux besoins actuels et futurs, valider les tendances internationales sur les effets de la mise en œuvre de la politique, procéder à un déploiement progressif des recommandations de données ouvertes, permettre une planification plus efficace de l'infrastructure de bornes de recharge et adopter OCPI comme mécanisme pour répondre aux exigences en matière de données.

Résultats et conclusions

Le principal résultat de ce projet est un rapport qui explique nos conclusions, identifie les opportunités et recommande les prochaines étapes. Ces étapes sont les suivantes :

• Prototyper et tester un service d'accès aux données de bornes de recharge pour collecter des données
• Prototyper et tester un service de récupération de données de bornes de recharge pour publier des données
• Créer et tester une feuille de route de mise en œuvre avec les principaux opérateurs de bornes de recharge
• Créer et tester une base de connaissances publique et utiliser cette recherche pour créer un nouveau module d'accessibilité pour OCPI

Nous avons structuré le rapport de manière à en faire un document simple, compréhensible et accessible, afin qu'il s'adresse à un public aussi large que possible. Les personnes qui souhaitent simplement comprendre l'essentiel du rapport peuvent se concentrer sur les six ou sept premières pages. Les équipes chargées de la livraison et du produit peuvent également se plonger dans l'architecture technique et les détails de mise en œuvre figurant dans les annexes.

Dans le cadre des contraintes de la pandémie COVID-19 et en collaboration avec l'OZEV, nous avons choisi de présenter les principales conclusions d'une manière innovante. Elle a pris la forme d'une séance de questions-réponses en ligne. Cela nous a permis d'atteindre un éventail très diversifié de parties prenantes et de présenter nos conclusions à un large éventail de personnes de différents secteurs ayant des niveaux de connaissances techniques et d'investissement émotionnel variables. Plus de 200 personnes ont assisté à l'événement et les retours ont été très positifs.

 

Conclusions

Ce projet a combiné les connaissances sectorielles de TRL et les compétences en recherche sociale de Valtech pour créer une équipe exceptionnellement solide, révéler des informations cruciales et formuler des recommandations sur lesquelles le Royaume-Uni basera l'une de ses plus grandes initiatives de lutte contre le changement climatique.

L'étude a jeté les bases des prochaines étapes de l'OZEV pour soutenir la transition du Royaume-Uni vers les véhicules électriques . Ces étapes peuvent être assurées grâce à des preuves solides. Elles sont le résultat de la formation d'une équipe de projet unique et de l'application d'approches bien éprouvées et soigneusement sélectionnées pour mener une exploration de données.

“Les données sont un élément crucial pour augmenter avec succès l'utilisation des véhicules électriques. Valtech était le partenaire idéal pour nous aider à explorer pleinement les possibilités. Ils ont apporté un niveau de perspicacité, d'expérience et de connaissance du domaine qui a permis à cette découverte de données d'être ouverte, productive et, en fin de compte, axée sur le soutien d'une action positive. Ils nous ont mis au défi lorsque c'était nécessaire et ont produit un rapport clair, accessible et exploitable qui a jeté les bases d'une politique fondée sur les données pour la transition du Royaume-Uni vers les véhicules électriques et à faible taux d'émission.”

Sophie Adams, Head of Consumer Experience, OZEV