Aller au contenu
DataLittéracie

Annexe

Glossaire

85 termes techniques, chacun avec une définition simple et, souvent, une image du quotidien pour s’en souvenir.

G

« Garbage in, garbage out »

Des données de mauvaise qualité à l’entrée donnent des résultats de mauvaise qualité à la sortie, quelle que soit la sophistication du traitement.

Des ingrédients avariés font un plat raté, même avec un grand chef.

Module 1 · Collecter

A

AI Act (règlement européen sur l’IA)

Règlement (UE) 2024/1689, entré en vigueur le 1er août 2024 et applicable par étapes. Il classe les systèmes d’IA selon leur niveau de risque et fixe des obligations proportionnées.

Comme les jouets ou les médicaments : plus un produit peut faire de mal, plus les règles sont strictes avant qu’il arrive sur le marché. L’AI Act fait pareil avec les systèmes d’IA.

Module 9 · Confidentialité, souveraineté, gouvernance

AIPD

Analyse d’impact relative à la protection des données : une étude obligatoire avant un traitement susceptible d’engendrer un risque élevé pour les personnes.

L’étude d’impact qu’on réalise avant de construire un pont, mais pour un traitement de données : anticiper les risques avant de se lancer, pas après.

Module 9 · Confidentialité, souveraineté, gouvernance

Anonymisation

Rendre impossible, de façon irréversible, l’identification des personnes. Des données réellement anonymes sortent du champ du RGPD… mais c’est beaucoup plus difficile qu’il n’y paraît.

Brûler la liste qui reliait les numéros de dossard aux noms des coureurs : une fois détruite, plus personne, pas même l’organisateur, ne peut remonter à la personne.

Module 10 · Risques & IA

API

Interface de programmation : une porte d’entrée normalisée par laquelle un logiciel demande des données ou des services à un autre.

Le guichet d’une administration : on remplit le bon formulaire, on reçoit une réponse standard.

Module 1 · Collecter

Apprentissage automatique (machine learning)

Des méthodes où un programme ajuste lui-même un modèle à partir d’exemples, au lieu de suivre des règles écrites à la main.

Apprendre à reconnaître les chiens en regardant des milliers de photos étiquetées, plutôt qu’en récitant une liste de règles sur les oreilles et la queue.

Module 5 · Analyser & prédire

Arrêt Schrems II

Décision de la Cour de justice de l’Union européenne du 16 juillet 2020 qui a invalidé le « Privacy Shield », cadre de transfert de données vers les États-Unis.

Le jour où un juge a décidé que le cadenas utilisé jusque-là pour envoyer des colis vers un pays donné n’était plus assez fiable, et qu’il fallait en trouver un autre.

Module 9 · Confidentialité, souveraineté, gouvernance

Axe tronqué

Un axe vertical qui ne commence pas à zéro : il exagère visuellement les différences entre des barres.

Une photo prise en très gros plan qui fait paraître une petite différence de taille énorme : le cadrage trompe, sans qu’un seul chiffre soit faux.

Module 4 · Représenter

B

Base de données relationnelle

Des données rangées en tables reliées entre elles, interrogées en langage SQL (PostgreSQL, MariaDB, SQLite…). Idéale pour des données structurées et cohérentes.

Un classeur avec plusieurs intercalaires reliés entre eux par un numéro de dossier : chaque information a sa place précise, et tout se recoupe proprement.

Module 6 · Stocker & sauvegarder

Base légale

Le fondement juridique qui autorise un traitement de données personnelles. Le RGPD en prévoit six : consentement, contrat, obligation légale, sauvegarde des intérêts vitaux, mission d’intérêt public, intérêt légitime.

Le titre qui justifie d’être dans le train : sans lui (quel qu’il soit parmi les six valables), on n’a pas le droit d’y être.

Module 9 · Confidentialité, souveraineté, gouvernance

Biais algorithmique

Un résultat systématiquement défavorable à certains groupes, souvent hérité de données d’entraînement déséquilibrées ou de choix de conception.

Un recruteur qui n’a lu que des CV d’anciens champions d’un seul club : il continuera à préférer ce profil, même sans le vouloir.

Module 10 · Risques & IA

C

Causalité

Un lien où la variation de l’une produit la variation de l’autre. Il se démontre par des expériences ou des raisonnements rigoureux, pas par un simple graphique.

Actionner l’interrupteur et voir la lumière s’allumer : là, un geste précis produit vraiment l’effet, ce qu’un simple graphique ne suffit jamais à prouver.

Module 5 · Analyser & prédire

Chiffrement

Transformer des données en un message illisible sans la clé de déchiffrement.

Un cadenas sur le colis : le transporteur le porte sans pouvoir l’ouvrir.

Module 7 · Transférer

Chiffrement de bout en bout

Seuls l’expéditeur et le destinataire final peuvent lire le message ; même le service qui le transporte et le stocke ne le peut pas.

Un coffre dont seuls l’expéditeur et le destinataire ont la clé : même le transporteur qui le porte de bout en bout ne peut pas l’ouvrir.

Module 7 · Transférer

Cloud (informatique en nuage)

Utiliser des serveurs, du stockage ou des logiciels fournis à distance par un prestataire, via Internet, au lieu de ses propres machines.

Louer un box de garde-meuble en périphérie plutôt que garder ses affaires chez soi : plus pratique, mais on ne sait pas toujours qui d’autre a un double des clés.

Module 8 · Confier à des tiers

CLOUD Act

Loi américaine de 2018 qui permet aux autorités des États-Unis d’exiger d’un fournisseur soumis au droit américain des données qu’il contrôle, y compris quand elles sont stockées hors des États-Unis.

Une loi qui permet à la police d’un pays d’ouvrir un coffre-fort situé à l’étranger, du moment que la société qui le gère dépend de ce pays.

Module 9 · Confidentialité, souveraineté, gouvernance

Connaissance

Ce qu’on comprend en reliant des informations entre elles, et qui permet de décider ou d’agir.

Savoir quelle maquette construire avec les murs.

Module 0 · Qu’est-ce qu’une donnée ?

Consentement

Accord libre, spécifique, éclairé et univoque d’une personne au traitement de ses données. C’est une des six bases légales du RGPD, pas la seule.

Prêter sa voiture pour un trajet précis, en le disant clairement : un oui donné pour un usage donné, pas un accord vague valable pour tout.

Module 1 · Collecter

Corrélation

Deux grandeurs qui varient ensemble. Cela ne dit pas laquelle cause l’autre, ni même s’il y a un lien de cause.

Les ventes de parapluies et les ventes de bottes montent ensemble certains jours : les deux suivent la pluie, sans que l’une cause l’autre.

Module 5 · Analyser & prédire

CSV

Format texte de tableau : une ligne par enregistrement, des valeurs séparées par des virgules ou des points-virgules. Simple et universel, mais sans types ni structure imbriquée.

Un tableau écrit à la main sur une feuille quadrillée : une ligne par personne, une virgule entre chaque case. Simple à lire, mais rien n’empêche d’écrire n’importe quoi dans une case.

Module 7 · Transférer

Cycle de vie de la donnée

Les étapes qu’une donnée traverse : collecte, nettoyage, transformation, analyse, stockage, transfert, partage, archivage, suppression.

Comme un vêtement : on l’achète, on le porte, on le lave, on le répare, puis on le donne ou on le jette. Pour une donnée, c’est pareil : elle naît, elle sert, puis elle doit un jour disparaître.

Module 0 · Qu’est-ce qu’une donnée ?

D

Dédoublonnage

Repérer les doublons selon des critères choisis (même e-mail, mêmes nom et date de naissance…) puis les fusionner en une seule ligne.

Retrouver les deux chaussettes identiques rangées à deux endroits du tiroir, et n’en garder qu’une seule paire.

Module 2 · Trier, nettoyer, normaliser

Dispersion

À quel point les valeurs s’écartent les unes des autres (étendue, écart-type…). Deux groupes peuvent avoir la même moyenne et une dispersion très différente.

Deux classes avec la même moyenne à un contrôle : dans l’une, tout le monde tourne autour de 12 ; dans l’autre, des 20 et des 4 se côtoient.

Module 5 · Analyser & prédire

Donnée

Un fait brut enregistré (un nombre, un mot, une date, une image) qui ne dit encore rien tout seul.

Une brique LEGO isolée.

Module 0 · Qu’est-ce qu’une donnée ?

Donnée non structurée

Texte libre, image, son, vidéo : riche, mais difficile à trier et à compter automatiquement.

Un grenier en vrac.

Module 0 · Qu’est-ce qu’une donnée ?

Donnée personnelle

Toute information se rapportant à une personne physique identifiée ou identifiable, directement (nom) ou indirectement (croisement de plusieurs informations).

Une empreinte digitale : sous des formes très diverses, elle ramène toujours à une personne précise.

Module 1 · Collecter

Donnée semi-structurée

Donnée organisée par des étiquettes plutôt que par un tableau rigide (JSON, XML, e-mail avec ses en-têtes).

Des cartons étiquetés : on sait ce qu’il y a dedans, mais pas tous rangés pareil.

Module 0 · Qu’est-ce qu’une donnée ?

Donnée structurée

Donnée rangée selon un format fixe, en lignes et colonnes (tableur, base de données).

Un casier à bouteilles : chaque case a sa place.

Module 0 · Qu’est-ce qu’une donnée ?

Doublon

Une même entité (personne, commande…) enregistrée plusieurs fois, souvent avec de petites variations d’écriture.

La même chaussette rangée deux fois dans l’inventaire.

Module 2 · Trier, nettoyer, normaliser

DPO (délégué à la protection des données)

La personne chargée de conseiller et de contrôler le respect du RGPD dans un organisme. Obligatoire dans certains cas, recommandé ailleurs.

Le contrôleur technique interne qui vérifie en continu que les règles sont respectées, sans être celui qui répare la voiture lui-même.

Module 9 · Confidentialité, souveraineté, gouvernance

E

Effacement sécurisé

Une méthode qui écrase réellement, une ou plusieurs fois, les données présentes sur un support de stockage, pour qu’elles ne puissent plus être récupérées, à la différence d’un simple formatage ou d’une suppression classique.

Réécrire plusieurs fois par-dessus une ardoise plutôt que de l’essuyer d’un revers de manche : la craie ne laisse plus aucune trace lisible.

Module 6 · Stocker & sauvegarder

ELT

Extract, Load, Transform : on charge d’abord les données brutes dans l’entrepôt, puis on les transforme sur place, à la demande.

On range toutes les courses au frigo, et chacun cuisine ensuite ce dont il a besoin.

Module 3 · Transformer (ETL/ELT)

Enfermement propriétaire (lock-in)

La dépendance à un prestataire dont on ne peut plus sortir facilement : formats fermés, coûts de sortie, outils non standard.

Un appareil photo dont les fichiers ne s’ouvrent que dans le logiciel du fabricant : une fois qu’on en a des milliers dedans, changer de marque devient très coûteux.

Module 8 · Confier à des tiers

Entrepôt de données

Une base conçue pour l’analyse, où l’on rassemble des données de plusieurs sources, historisées et harmonisées.

Le grand entrepôt d’un supermarché, qui reçoit les livraisons de tous les fournisseurs et les range pour que chaque magasin vienne y puiser.

Module 3 · Transformer (ETL/ELT)

ETL

Extract, Transform, Load : on extrait les données des sources, on les transforme (nettoyage, calculs), puis on les charge dans la destination.

La cuisine industrielle : réception des produits, préparation, dressage des assiettes.

Module 3 · Transformer (ETL/ELT)

Extrapolation

Prolonger une tendance au-delà des données observées. Plus on s’éloigne, plus l’incertitude grandit.

Deviner la suite de la route dans le brouillard.

Module 5 · Analyser & prédire

F

Faux positif

Un cas signalé à tort : deux homonymes fusionnés par erreur, un mail légitime classé en spam, une alerte déclenchée pour rien.

Le détecteur de fumée qui se déclenche à cause d’un toast grillé : une alerte bien réelle, mais pour rien.

Module 2 · Trier, nettoyer, normaliser

Finalité

Le but précis pour lequel on collecte des données. Principe du RGPD : on ne collecte que pour un objectif déterminé, explicite et légitime.

On choisit son filet selon le poisson qu’on veut pêcher.

Module 1 · Collecter

H

Hallucination (IA)

Une réponse d’IA générative formulée avec assurance mais fausse ou inventée (source inexistante, chiffre erroné).

Un élève qui invente une date ou une source avec beaucoup d’assurance à l’oral, plutôt que d’avouer qu’il ne sait pas.

Module 10 · Risques & IA

HTTPS

Version chiffrée du protocole du web (HTTP + TLS) : protège le contenu échangé entre ton navigateur et le site contre la lecture et la modification en route.

La même carte postale, mais glissée dans une enveloppe scellée : le facteur la transporte sans pouvoir lire ce qui est écrit dedans.

Module 7 · Transférer

Hypertrucage (deepfake)

Image, vidéo ou voix synthétique réaliste qui fait dire ou faire à une personne ce qu’elle n’a jamais dit ou fait.

Un ventriloque numérique qui fait dire à quelqu’un des mots qu’il n’a jamais prononcés, avec sa vraie voix et son vrai visage.

Module 10 · Risques & IA

I

IA générative

Des modèles qui produisent du texte, des images, du son ou du code à partir d’une consigne (un « prompt »), en s’appuyant sur ce qu’ils ont appris de très grands volumes de données.

Un élève qui a lu des milliers de dissertations et en écrit une nouvelle dans le même style, sans recopier aucune d’elles mot pour mot.

Module 10 · Risques & IA

Idempotence

Un traitement est idempotent si le relancer plusieurs fois donne le même résultat qu’une seule fois (pas de doublons en cas de relance).

Appuyer deux fois sur le bouton de l’ascenseur ne le fait pas venir deux fois.

Module 3 · Transformer (ETL/ELT)

Imputation

Remplacer une valeur manquante par une valeur déduite (d’un référentiel, d’une autre colonne) ou estimée (moyenne, valeur la plus fréquente). Pratique, mais jamais neutre.

Deviner la quantité de sel d’une recette d’après les habitudes du cuisinier : ça dépanne, mais ce n’est jamais certain.

Module 2 · Trier, nettoyer, normaliser

Incertitude

La marge d’erreur autour d’une estimation ou d’une prévision. Une prévision honnête l’affiche.

La météo qui annonce « 70 % de pluie » plutôt que « il pleuvra » : elle dit sa marge d’erreur au lieu de jouer les certitudes.

Module 5 · Analyser & prédire

Information

Des données mises en contexte et organisées, qui répondent à une question (qui ? quoi ? combien ? quand ?).

Des briques assemblées en un mur.

Module 0 · Qu’est-ce qu’une donnée ?

Interopérabilité

La capacité de systèmes différents à échanger des données et à les comprendre, grâce à des formats et des protocoles communs.

Une prise électrique standard qui accepte les appareils de plusieurs marques : chacun branche son outil sans adaptateur bricolé.

Module 7 · Transférer

ISO 8601

Norme internationale d’écriture des dates : AAAA-MM-JJ (ex. 2026-09-22). Sans ambiguïté et triable dans l’ordre chronologique.

L’heure affichée en 24 heures sur un billet de train plutôt que « trois heures » : un seul format, compris partout, sans confusion possible.

Module 2 · Trier, nettoyer, normaliser

J

JSON

Format texte structuré par des paires « clé : valeur » et des listes, très utilisé par les API du web.

Une fiche annuaire avec des champs étiquetés (nom : …, téléphone : …) plutôt qu’un tableau à colonnes fixes : plus souple, et lisible même sans grille.

Module 7 · Transférer

K

k-anonymat

Propriété d’un jeu de données où chaque combinaison de quasi-identifiants est partagée par au moins k personnes : on se cache dans une foule d’au moins k individus.

Se fondre dans une foule d’au moins k personnes habillées pareil : impossible de dire laquelle est vraiment toi.

Module 10 · Risques & IA

L

Limitation de la conservation

Principe du RGPD : on ne garde les données personnelles que le temps nécessaire à la finalité, puis on les archive ou on les supprime.

Le frigo qu’on vide régulièrement plutôt que d’empiler les yaourts périmés « au cas où » : on garde ce qui sert encore, pas plus.

Module 6 · Stocker & sauvegarder

M

Médiane

La valeur du milieu quand on range les valeurs dans l’ordre : la moitié est en dessous, la moitié au-dessus. Peu sensible aux extrêmes.

La personne au milieu de la file quand tout le monde se range par taille.

Module 5 · Analyser & prédire

Métadonnée

Une donnée qui décrit une autre donnée : date de création d’un fichier, auteur, lieu d’une photo.

L’étiquette sur le pot de confiture.

Module 0 · Qu’est-ce qu’une donnée ?

Minimisation

Principe du RGPD : ne collecter que les données adéquates, pertinentes et strictement nécessaires à la finalité.

Une maille de filet adaptée : on ne ramasse pas tout l’océan.

Module 1 · Collecter

Modèle

Une représentation simplifiée du réel, construite à partir de données, qui sert à décrire ou à prévoir. Jamais le réel lui-même.

Une carte : utile précisément parce qu’elle simplifie le territoire.

Module 5 · Analyser & prédire

Moyenne

La somme des valeurs divisée par leur nombre. Très sensible aux valeurs extrêmes.

Le partage équitable du gâteau entre tous les invités.

Module 5 · Analyser & prédire

N

Normalisation

Ramener des données écrites de façons différentes à un format commun (un seul format de date, une seule orthographe, une seule unité).

Trier le linge par couleur avant de le laver.

Module 2 · Trier, nettoyer, normaliser

NoSQL

Famille de bases qui ne reposent pas sur des tables (documents, clé-valeur, graphes…). Souples pour des données hétérogènes ou très volumineuses.

Une étagère de boîtes en vrac, chacune remplie différemment selon ce qu’elle contient : plus souple qu’un classeur à cases fixes, moins ordonné.

Module 6 · Stocker & sauvegarder

O

Objet connecté (IoT)

Un appareil équipé de capteurs et relié à Internet (montre de sport, compteur, thermostat) qui mesure et transmet des données automatiquement, souvent en continu.

Un carnet de notes qui se remplit tout seul, jour et nuit.

Module 1 · Collecter

Orchestration

Le pilotage des pipelines : dans quel ordre, à quel moment, que faire en cas d’échec.

Le chef d’orchestre qui donne le départ à chaque pupitre.

Module 3 · Transformer (ETL/ELT)

P

Pipeline de données

Une suite d’étapes automatisées qui fait passer les données d’une source à une destination.

Le tapis roulant d’une cuisine industrielle, qui porte les plats d’un poste à l’autre, dans l’ordre, sans qu’on les repose à la main.

Module 3 · Transformer (ETL/ELT)

Pseudonymisation

Remplacer les identifiants directs (nom, e-mail) par un code. Les données restent personnelles, car on peut revenir à la personne avec la table de correspondance ou par recoupement.

Remplacer les noms des coureurs par leur numéro de dossard, mais garder la liste de correspondance dans un tiroir : qui a la liste peut toujours retrouver qui est qui.

Module 10 · Risques & IA

Q

Qualité des données

Aptitude des données à servir leur usage : exactitude, complétude, cohérence, fraîcheur, unicité. Elle s’entretient en continu.

L’entretien d’un jardin : on ne le nettoie pas une fois pour toutes, il faut désherber régulièrement pour qu’il reste utilisable.

Module 2 · Trier, nettoyer, normaliser

Quasi-identifiant

Une information qui n’identifie personne seule, mais qui, combinée à d’autres, peut désigner une personne unique (code postal, date de naissance, profession…).

Le code postal, l’âge et le métier, pris un par un, correspondent à des centaines de personnes ; combinés, ils désignent presque une seule adresse.

Module 10 · Risques & IA

R

Rançongiciel

Logiciel malveillant qui chiffre les fichiers d’une victime et réclame une rançon. Une sauvegarde déconnectée est la meilleure parade.

Un cambrioleur qui change toutes les serrures de la maison et réclame de l’argent pour rendre les nouvelles clés.

Module 6 · Stocker & sauvegarder

Ré-identification

Retrouver l’identité d’une personne dans un jeu de données censé être anonyme, en croisant quelques informations (code postal, date de naissance, sexe…).

Reconnaître un ami masqué à sa démarche et à sa voix : même sans voir son visage, quelques détails suffisent à savoir qui il est.

Module 10 · Risques & IA

Référentiel

Une liste de référence partagée (communes et codes postaux, liste des sections, codes pays) qui sert à valider et harmoniser les données.

Le nuancier du peintre : tout le monde parle du même « bleu ».

Module 2 · Trier, nettoyer, normaliser

Règle 3-2-1

Garder 3 copies de ses données, sur 2 supports différents, dont 1 hors du lieu principal.

Ne pas garder tous ses œufs dans le même panier… ni dans la même maison.

Module 6 · Stocker & sauvegarder

Responsable de traitement

L’organisme qui décide pourquoi et comment des données personnelles sont traitées. Il reste responsable même s’il confie le travail à un prestataire.

Le propriétaire d’un immeuble reste responsable de l’entretien même s’il confie le ménage à une entreprise : il choisit le prestataire et répond de ce qui est fait.

Module 8 · Confier à des tiers

Réversibilité

La capacité à récupérer toutes ses données dans un format exploitable et à changer de prestataire sans tout perdre.

Pouvoir récupérer ses clés et ses meubles le jour où l’on déménage.

Module 8 · Confier à des tiers

RGPD

Règlement général sur la protection des données (règlement européen 2016/679), applicable depuis le 25 mai 2018. Il encadre le traitement des données personnelles dans l’Union européenne.

Le code de la route des données personnelles : des règles communes, valables partout en Europe, pour que chacun sache ce qu’il a le droit de faire.

Module 9 · Confidentialité, souveraineté, gouvernance

RPO

Recovery Point Objective : la quantité maximale de données qu’on accepte de perdre, exprimée en durée (« au pire, on perd une journée de saisie »).

Le dernier point de sauvegarde d’un jeu vidéo : combien de progression es-tu prêt à rejouer si la partie plante maintenant ?

Module 6 · Stocker & sauvegarder

RTO

Recovery Time Objective : la durée maximale acceptable pour remettre le service en marche après un incident.

Le temps qu’il faut à un magasin pour rouvrir après un dégât des eaux : combien d’heures ou de jours sans service es-tu prêt à accepter ?

Module 6 · Stocker & sauvegarder

S

Scraping (moissonnage)

Extraction automatique de contenus de pages web par un programme. Techniquement simple, juridiquement encadré (conditions d’utilisation, droit des bases de données, RGPD).

Photographier automatiquement les prix affichés dans toutes les vitrines d’une rue : regarder est permis, tout recopier en masse a ses propres règles.

Module 1 · Collecter

SecNumCloud

Qualification délivrée par l’ANSSI aux offres cloud qui respectent un référentiel exigeant de sécurité, incluant des critères de protection contre les lois extra-européennes.

Un label « coffre-fort certifié » délivré après inspection : il garantit que la serrure, pas seulement la porte d’entrée, résiste à des exigences précises.

Module 9 · Confidentialité, souveraineté, gouvernance

SLA (niveau de service)

Engagement contractuel du prestataire sur la qualité du service : disponibilité, délais d’intervention, pénalités en cas de manquement.

Le contrat d’un livreur qui promet « livré en 48 heures, ou remboursé » : un engagement écrit, avec des conséquences s’il n’est pas tenu.

Module 8 · Confier à des tiers

Sous-traitance en cascade

Quand ton prestataire confie lui-même une partie du travail à d’autres prestataires (hébergeur, envoi d’e-mails, support…). Chacun voit potentiellement tes données.

Le gardien à qui tu confies tes clés fait lui-même appel à une entreprise de nettoyage, qui embauche un intérimaire pour un jour : chaque maillon voit passer tes clés.

Module 8 · Confier à des tiers

Sous-traitant (au sens du RGPD)

Le prestataire qui traite des données personnelles pour le compte du responsable de traitement, selon ses instructions et dans le cadre d’un contrat (article 28 du RGPD).

Le gardien d’immeuble à qui l’on confie ses clés : il agit pour toi, selon tes consignes.

Module 8 · Confier à des tiers

Souveraineté numérique

La capacité d’un pays, d’une organisation ou d’une personne à garder la maîtrise de ses données et de ses outils, sans dépendre de règles ou de décisions étrangères imposées.

Savoir qui a la clé, et sous quelle loi vit celui qui la détient.

Module 9 · Confidentialité, souveraineté, gouvernance

Surapprentissage (overfitting)

Un modèle qui colle parfaitement aux données passées, bruit compris, et prévoit mal les nouvelles situations.

L’élève qui apprend le corrigé par cœur et échoue dès que la question change.

Module 5 · Analyser & prédire

T

Tendance

La direction générale d’une série dans le temps, une fois qu’on met de côté les variations de court terme.

La courbe de la marée, une fois qu’on ignore chaque vague : elle monte ou elle descend, malgré les creux et les bosses du moment.

Module 5 · Analyser & prédire

Traçabilité (lignage)

Pouvoir retrouver d’où vient une donnée et quelles transformations elle a subies.

L’étiquette « origine » sur un produit alimentaire : savoir d’où il vient et par quelles étapes il est passé avant d’arriver dans l’assiette.

Module 3 · Transformer (ETL/ELT)

V

Valeur aberrante

Une valeur très éloignée des autres ou impossible (un âge de 150 ans). Elle peut être une erreur… ou un vrai cas exceptionnel : on vérifie avant de supprimer.

Un article à 1 € au milieu d’un rayon où tout coûte 50 € : erreur d’étiquette, vraie promotion ou erreur de caisse. On vérifie avant d’écarter.

Module 2 · Trier, nettoyer, normaliser

Valeur manquante

Une case vide là où une information était attendue. On peut supprimer la ligne, compléter (imputer) la valeur ou la signaler.

Une case vide dans une grille de mots croisés : on ne sait pas encore si c’est un oubli, une question qui ne s’applique pas, ou une réponse à aller chercher.

Module 2 · Trier, nettoyer, normaliser

Variable cachée (facteur de confusion)

Un troisième facteur qui influence deux grandeurs à la fois et crée une corrélation trompeuse entre elles.

La chaleur de l’été fait vendre des glaces et augmente les baignades : les glaces ne causent pas les noyades.

Module 5 · Analyser & prédire