cours1 min de lecture

Données structurées

Une donnée n'a de valeur que si elle est organisée. Descripteurs, valeurs, tables et données ouvertes.

programme

Introduction

Une liste de chiffres entassée sans ordre n'est exploitable par personne. Pour qu'une machine — et un humain — puissent interroger, trier ou croiser des informations, encore faut-il que ces informations soient organisées. C'est exactement le rôle des données structurées : on décide à l'avance comment on va décrire chaque entité, et on respecte cette convention pour tous les enregistrements.

Descripteurs et valeurs

Imaginez la fiche d'un livre dans la bibliothèque du lycée :

Titre	Auteur	Année	Pages
Les Misérables	Victor Hugo	1862	1900
Vendredi ou la vie sauvage	Michel Tournier	1971	192
Le Petit Prince	Antoine de Saint-Exupéry	1943	96

On distingue clairement deux niveaux d'information :

Les descripteurs (ou attributs) : Titre, Auteur, Année, Pages. Ils définissent quelles informations on conserve sur chaque livre. Ils sont communs à tous les enregistrements.
Les valeurs : Victor Hugo, 1862, 96… Elles sont propres à chaque enregistrement et viennent remplir les descripteurs.

Un même descripteur peut prendre des valeurs différentes d'une ligne à l'autre. Mais la liste des descripteurs reste fixe pour toute la table.

Dans la table ci-dessus, qu'est-ce que 'Année' ?

Un enregistrement = une ligne

Dans une table de données, chaque ligne rassemble toutes les valeurs correspondant à une entité. On parle d'un enregistrement (ou d'un p-uplet). La ligne Les Misérables, Victor Hugo, 1862, 1900 est un enregistrement qui décrit un livre précis.

Les données structurées prennent souvent la forme :

descripteur1, descripteur2, descripteur3, …
valeur1,      valeur2,      valeur3,      …
valeur1,      valeur2,      valeur3,      …
…

C'est exactement la convention du format CSV que vous avez rencontré au cours précédent.

Stocker les mêmes données autrement

Une table peut s'écrire de plusieurs façons selon l'usage. Voici la même information en CSV et en JSON :

titre,auteur,annee,pages
Les Misérables,Victor Hugo,1862,1900
Vendredi ou la vie sauvage,Michel Tournier,1971,192
Le Petit Prince,Antoine de Saint-Exupéry,1943,96

[
  { "titre": "Les Misérables", "auteur": "Victor Hugo", "annee": 1862, "pages": 1900 },
  { "titre": "Vendredi ou la vie sauvage", "auteur": "Michel Tournier", "annee": 1971, "pages": 192 },
  { "titre": "Le Petit Prince", "auteur": "Antoine de Saint-Exupéry", "annee": 1943, "pages": 96 }
]

Les deux fichiers portent strictement la même information. Le CSV est plus compact, le JSON est plus explicite — chaque valeur est nommée par son descripteur. À vous de choisir le format selon le contexte.

Les données ouvertes (open data)

Depuis quelques années, l'État, les collectivités, certaines entreprises publient des données ouvertes : des jeux de données structurées, téléchargeables librement, sous une licence qui autorise leur réutilisation.

Quelques portails français de référence :

Quelques portails à connaître

data.gouv.fr — le portail national (recensement, élections, transports…).
opendata.paris.fr — données de la ville de Paris (vélos, terrasses, arbres remarquables).
insee.fr — l'INSEE publie des séries statistiques exploitables.
data.education.gouv.fr — données du système éducatif (résultats au bac, effectifs, équipements).

Ouvrir un fichier de data.gouv.fr, c'est presque toujours ouvrir un CSV ou un JSON. Le format est conçu pour faciliter la réutilisation.

Cycle d'une donnée ouverte

Quel format est le plus courant pour une donnée ouverte simple ?

Pièges courants

Une cellule vide n'est pas une cellule nulle. Dans un fichier CSV, une valeur absente peut perturber un programme de traitement — on l'indique parfois explicitement par un caractère convenu (NA, null).
Toutes les valeurs d'une même colonne doivent être du même type. Mélanger une chaîne ("trois") et un nombre (3) dans une colonne « Pages » empêche tout tri numérique cohérent.
Données ouvertes ≠ données personnelles publiées. Les données ouvertes sont anonymisées ou agrégées avant publication — vous ne trouverez pas la liste nominative des contribuables sur data.gouv.fr.

Pour aller plus loin

Quand une table devient très grande, on lui ajoute souvent un descripteur particulier — un identifiant unique — qui permet de désigner sans ambiguïté chaque enregistrement. C'est le germe de la notion de clé, centrale dans les bases de données que vous croiserez en NSI Première.