Traiter des données structurées

Une donnée est une valeur qui décrit quelque chose dans un contexte donné. Une collection de données structurées rassemble des objets décrits selon les mêmes rubriques. Dans une table de mesures, chaque ligne peut représenter une station d’observation et chaque colonne un descripteur : nom de station, date, valeur mesurée, unité. Le descripteur « valeur » n’est pas la valeur 28 elle-même : il nomme la propriété que la cellule renseigne. Cette distinction est essentielle pour lire un fichier et pour écrire un programme qui traite plusieurs lignes.

Avant un calcul, vérifie le type et le sens de chaque colonne. Le nom d’une station est du texte ; une date ne se compare pas comme un nombre quelconque ; une mesure numérique n’a de sens qu’avec son unité. Si une cellule est vide, elle n’est pas automatiquement égale à zéro : une absence peut signifier une mesure non réalisée. Un même tableau peut contenir des doublons ou des valeurs saisies dans des unités différentes. Les résultats produits sans contrôle de ces points peuvent avoir l’air exacts tout en étant faux.

Le fichier CSV enregistre simplement une table sous forme de texte : une ligne par enregistrement et un séparateur entre champs. En France, un point-virgule sert souvent de séparateur, mais une virgule est aussi possible. Il faut connaître le séparateur effectivement utilisé et tenir compte des champs contenant ce caractère, qui peuvent être entourés de guillemets. Une première ligne peut fournir les noms des colonnes. Le CSV n’est pas un tableur : c’est un format de fichier que plusieurs logiciels peuvent lire, et il n’enregistre pas à lui seul toute la mise en page d’un classeur.

Rechercher consiste à retrouver une ligne ou une valeur à partir d’un critère, par exemple la station B. Filtrer consiste à conserver seulement les lignes satisfaisant une condition, par exemple valeur strictement supérieure à 20. Trier réordonne les lignes selon un descripteur, sans les supprimer. Calculer produit une nouvelle information, comme la somme ou la moyenne de valeurs numériques comparables. Ces opérations n’ont pas le même effet. Après un filtre, le nombre de lignes peut diminuer ; après un tri, il doit rester identique. Un calcul peut nécessiter d’exclure ou de traiter explicitement les valeurs manquantes.

Prenons quatre mesures fictives, dans une même unité : A vaut 12, B vaut 28, C vaut 19 et D vaut 31. Sur le premier graphique, la ligne pointillée marque le seuil 20. Les barres de B et D la dépassent ; un filtre « valeur strictement supérieure à 20 » conserve donc deux lignes. A et C restent sous le seuil. Le dessin ne représente pas des mesures réelles d’un lieu : il sert à contrôler visuellement une opération sur un petit jeu de données construit.

Le second graphique montre les mêmes quatre lignes triées par valeur décroissante. L’ordre devient D, B, C, A ; aucune station n’a disparu. Une visualisation peut aider à vérifier un tri, mais elle doit conserver les étiquettes et l’unité des données. Si l’on calcule la moyenne des quatre valeurs, on additionne 12 + 28 + 19 + 31 = 90, puis on divise par 4 : 22,5 dans l’unité utilisée. Cette moyenne ne décrit que ces quatre lignes. Elle ne représente pas une région entière ni une année sans information sur l’échantillon.

Une base peut contenir plusieurs tables plutôt qu’un seul tableau énorme. Une table Stations peut associer un identifiant à un nom et à une ville ; une table Mesures peut associer un identifiant de station, une date et une valeur. L’identifiant commun permet de relier une mesure à sa station. Cette organisation évite de recopier la ville sur chaque mesure et réduit les risques d’incohérence si une information de la station doit être corrigée. Le lien doit être défini sans ambiguïté : deux stations différentes ne doivent pas partager par erreur le même identifiant.

Des métadonnées décrivent un fichier ou un jeu de données : auteur, date de mise à jour, format, licence, unité, zone couverte ou méthode de collecte. Elles ne sont pas simplement une décoration. Sans elles, une valeur peut être difficile à interpréter : 28 de quoi, mesuré quand et comment ? Dans un fichier personnel, les métadonnées peuvent aussi révéler des informations sensibles, comme l’emplacement enregistré lors d’une prise de vue. Avant de partager un fichier, examine les métadonnées disponibles et supprime celles qui ne sont pas nécessaires.

Un site de données ouvertes permet de sélectionner un jeu, d’en lire la description et d’en récupérer un fichier autorisé à la réutilisation selon sa licence. Avant de télécharger, vérifie la date, le producteur, la couverture et le format. Une donnée ouverte n’est pas automatiquement correcte ni adaptée à ta question. Les données personnelles demandent une attention particulière : une table sans nom peut parfois permettre de reconnaître une personne lorsqu’on la croise avec d’autres informations. Publier un jeu exige donc une évaluation du risque d’identification et du droit applicable ; ne transforme pas une table de classe en données ouvertes.

Un fichier peut être gardé sur un support local ou dans un service distant, souvent appelé nuage. Le nuage ne signifie pas que les données sont immatérielles : elles sont conservées sur des machines situées dans des centres de données. Pour un travail partagé, règle les droits d’accès : lecture seule pour les personnes qui consultent, modification pour celles qui collaborent. Une synchronisation répercute des changements entre appareils ; elle ne remplace pas forcément une sauvegarde indépendante. Une suppression ou une erreur synchronisée peut toucher plusieurs copies. Vérifie les possibilités de restauration avant d’y confier un document important.

Les centres de données consomment de l’électricité pour faire fonctionner les serveurs et les refroidir ; leur fabrication mobilise aussi des matériaux. Le coût environnemental exact d’un service dépend de l’équipement, de son usage et de son alimentation, et ne se déduit pas d’une seule taille de fichier. Évite les chiffres globaux sans source et sans date. Pour un projet de classe, conserve uniquement les données utiles, choisis une durée de conservation adaptée et partage un lien avec les droits nécessaires plutôt qu’une copie accessible à tout le monde.