Fiche à trous · Seconde · SNT

Données — Structuration et traitement

Complétez de mémoire, puis vérifiez avec la page de corrigé.

Le nombre 37 ne dit rien. Une température, un âge, un nombre d'élèves, un prix ? Sans indication sur ce qu'il mesure, quand et comment, il n'autorise aucune conclusion. Tout ce chapitre consiste à ajouter à des nombres ce qui les rend utilisables — et à voir ce qu'ils continuent de révéler quand on croit les avoir anonymisés.

Structurer pour exploiter

Définition — Données structurées :

Propriété

Définition — Métadonnées :

Piège

Croire qu'un fichier partagé sans nom ni identifiant ne concerne plus personne.

Se demander : avec quelle autre source ce fichier pourrait-il être croisé ?

Données personnelles et droit

Définition — Donnée personnelle :

Propriété

On parle de big data lorsque le volume, la vitesse d'arrivée et la variété des données dépassent ce qu'un traitement classique absorbe. Le changement n'est pas seulement d'échelle : avec beaucoup de données, on cherche des corrélations sans hypothèse préalable. D'où une vigilance nécessaire — une corrélation n'est pas une cause, et un très grand nombre de croisements en produit mécaniquement qui ne signifient rien.

Traiter

Propriété

Exploiter un fichier de données structurées

Ai-je vérifié ce que mesure chaque colonne, et dans quelle unité ?
Ai-je cherché les métadonnées avant d'interpréter un chiffre ?
Ai-je traité les valeurs manquantes autrement qu'en les comptant pour zéro ?
Ai-je choisi le format adapté : CSV pour une table plate, JSON pour une structure imbriquée ?
Mon fichier « anonyme » résiste-t-il à un croisement avec une autre source ?
Ai-je distingué une corrélation d'une cause ?

Corrigé · à détacher

Données — Structuration et traitement

1. Des données sont dites structurées lorsqu'elles sont organisées selon un schéma connu, qui permet à un programme de les lire sans interpréter. Le modèle le plus courant est la table : une ligne par enregistrement, une colonne par descripteur, et la même nature d'information dans toute une colonne. C'est cette régularité, et elle seule, qui rend un traitement automatique possible.
2. Deux formats de fichiers à connaître. Le CSV — comma-separated values — écrit une table en texte brut : une ligne par enregistrement, des valeurs séparées par un caractère, et une première ligne qui nomme les colonnes. Le JSON organise les données en couples nom-valeur, et accepte des structures imbriquées — une liste dans un champ, un objet dans un objet. Le CSV convient aux tables plates, le JSON aux données arborescentes.
3. $C S V : u n e t ab l e pl a t e \cdot J S O N : u n es t r u c t u r e imb r i q u \overset{e}{ˊ} e$
4. Les métadonnées sont les données sur les données : ce que mesure une colonne, dans quelle unité, à quelle date, par quel instrument, avec quelle précision. Elles ne figurent pas dans les valeurs, et pourtant sans elles aucune valeur n'est interprétable. Un tableau sans métadonnées n'est pas un jeu de données : c'est une suite de nombres.
5. Une donnée personnelle est une information se rapportant à une personne identifiée ou identifiable, directement ou par recoupement. Le nom en est une, mais aussi une adresse IP, un identifiant de téléphone, une photographie, un historique d'achats. Cette définition large est délibérée : elle vise l'identifiabilité, pas le seul état civil. Protéger la vie privée suppose donc de raisonner sur tout ce qui permet de remonter à une personne, et non sur le seul nom.
6. Le RGPD — règlement général sur la protection des données — s'applique en Europe depuis 2018. Il pose quelques principes qu'un élève doit savoir nommer : la finalité — on ne collecte que pour un usage annoncé —, la minimisation — on ne collecte que le nécessaire —, la durée limitée de conservation, le consentement libre et éclairé, et des droits pour la personne concernée : accès, rectification, effacement, opposition. Le RGPD ne protège pas les données : il encadre ce que l'on a le droit d'en faire.
7. Quatre opérations élémentaires suffisent à exploiter une table : rechercher — retrouver les enregistrements vérifiant une condition ; filtrer — n'en garder qu'une partie ; trier — les ordonner selon une colonne ; calculer — produire une somme, une moyenne, un effectif. Elles se combinent, et l'ordre dans lequel on les applique change le coût du traitement, jamais le résultat.
8. Lire d'abord la ligne d'en-tête : que contient chaque colonne, et dans quelle unité ?
9. Chercher les métadonnées : origine, date, méthode de collecte, précision annoncée.
10. Repérer les valeurs manquantes ou aberrantes avant tout calcul.
11. Appliquer les opérations : filtrer, trier, puis calculer sur ce qui reste.
12. Formuler la conclusion en rappelant ce que les données mesurent, et ce qu'elles ne mesurent pas.