Les résultats

Après avoir construit notre base de données sur Access, nous avons traité les jeux de données exportés depuis cette dernière avec le logiciel R et le logiciel IRaMuteQ.

Ainsi, les types de trains les plus ponctuels sont les Transilien et les TER alors que les moins ponctuels sont les TGV au départ. Nous avons également observé que le nombre de trains programmés influencent peu ou pas le taux de régularité des trains.

Puis, nous avons observé que les régions et les axes les plus ponctuels sont ceux du Nord, de l’Est et de la Normandie alors que les mauvais élèves sont ceux de la région PACA, de l’Occitanie et de l’Europe. Les mois de juin, juillet-août (été) et octobre-novembre (automne) sont ceux où la ponctualité est la plus basse. L’étude des années ne nous a pas permis de dégager de règles générales.

L’étude des causes de retard des TGV nous a montré que les principales explications sont externes à la SNCF (climats, mouvements sociaux…), liées à des travaux, à la gestion du trafic et aux avaries matérielles. L’analyse textuelle des commentaires de retard TER et TGV indique que les causes de retard fournies sont liées aux mois, aux matériels, aux dérangements, aux installations, aux incidents et aux accidents, corroborant l’hypothèque que les retards sont le fruit de phénomènes externes à la SNCF ou accidentels qui ont surtout lieu en été ou en automne.

Les limites de notre étude

D’une part, nous avons rencontré des problèmes récurrent d’uniformisation des données. Il nous a fallu faire un travail important de recodage car les erreurs étaient fréquentes et empêchaient le bon fonctionnement de notre base de données ainsi que des traitements statistiques. En effet, les jeux de données n’étaient pas uniformisés, posant la question de la réalisation des enquêtes.

D’autre part, nous avons été confrontées aux limites de l’open data. Nous sommes par ailleurs déjà confrontées aux limites du consentement à l’open data avec des élus et des cadres réfractaires à la publication de données qu’ils jugent sensibles ou peu flatteuses, à l’image de ceux de la Lorraine, biaisant ainsi certaines études de régions et d’axes. Les commentaires sont très loin d’être uniformisés, par mots-clés notamment, et ne sont pas toujours complétés, ce qui limite également nos exploitations.

Les dernières perspectives de notre étude s’intéressent aux aspects extérieurs aux voies ferrées elles-mêmes. Les retards amènent des questions administratives vis-à-vis du rapport à la loi, aux réformes internes et gouvernementales. Les grèves et les retards liés à l’entretien des voies posent le problème de l’image renvoyée au public puisque le coût des travaux ainsi que la mauvaise publicité occasionnée entraînent des conséquences sur le plan économique.

Redorer le blason de la SNCF

La publication des données en open data n’est pas le seul moyen pour la SNCF de communiquer sur ses retards et de changer son image. Il faut souligner les efforts d’ouverture de lignes « low cost », comme les Ouigo depuis 2013 qui doivent faire revenir des clients et maintenir des lignes dont la fréquentation était en berne. Ouigo renvoie par ailleurs à l’anglais « we go » (nous allons) et joue sur des couleurs vives ainsi que sur des partenariats, comme lors la sortie du film Dragon Ball Super : Broly en 2019.

En parallèle, la SNCF aménage ses gares. Depuis 2013, la société a installé des pianos dans ses gares, comme celle de Lyon Perrache, ou encore des bornes de rechargement. Il aurait été intéressant de pouvoir observer l’influence de ces aménagements sur le ressenti des usagers des trains. De même, notre étude pourrait être complétée par un travail de recherche sur les coûts engendrés par les retards des trains.