Évaluer la qualité d’un jeu de données
Contrôlez les valeurs manquantes, doublons, unités et changements de méthode avec une grille de qualité intégrée.
L’essentiel
La réponse en 30 secondes
Un tableau bien présenté peut contenir des doublons ou des champs vides ; un tableau imparfait peut rester utile si ses limites sont connues. Prenons une liste fictive d’équipements : deux lignes portant le même nom peuvent représenter deux établissements distincts. La bonne question n’est donc pas seulement de repérer une répétition, mais de comprendre l’objet décrit par chaque ligne.
- À retenir
- Évaluez un jeu de données par rapport à l’usage prévu : définitions claires, période adaptée, couverture suffisante et valeurs cohérentes. Conservez le fichier original, examinez un échantillon puis contrôlez l’ensemble des lignes avant une conclusion. Un score de métadonnées ne valide pas à lui seul les valeurs du fichier.
- Premier geste
- Conserver l’original et sa notice
- Contrôle essentiel
- La qualité dépend de l’usage et du périmètre de la question.
Exemples à adapter
Dans un inventaire fictif, le champ capacité est vide pour un établissement. Cela ne signifie pas une capacité de zéro. Conservez le manque et évitez une moyenne qui l’interpréterait comme une mesure.
Deux équipements ont le même nom mais des adresses différentes. Les fusionner sur le seul nom ferait disparaître une observation légitime.
Nous indiquons une méthode et, quand elle existe, l’adresse officielle. Nous ne classons pas les services selon une rémunération et nous ne remplaçons ni leurs conditions d’utilisation ni une source experte.
Mode d’emploi
Passer à la pratique
- 01Conserver l’original et sa notice
Enregistrez une copie datée du fichier, la référence de sa version et la documentation. Travaillez dans une seconde copie. Notez séparément chaque transformation pour pouvoir distinguer un défaut de la source d’une erreur introduite pendant votre analyse.
- 02Définir l’unité d’observation
Écrivez ce que représente une ligne : établissement, commune, mesure ou événement. Identifiez ensuite les champs qui permettent de la distinguer. Un identifiant d’établissement peut se répéter légitimement si chaque ligne correspond à une année différente.
- 03Examiner les absences
Comptez les cellules vides dans les colonnes indispensables et recherchez la signification des codes spéciaux. Ne remplacez pas un blanc par zéro sans documentation. Une mesure inconnue, une catégorie non applicable et une quantité nulle n’expriment pas la même chose.
- 04Tester la cohérence
Vérifiez les unités, les dates, les catégories et les identifiants sur plusieurs lignes. Repérez les valeurs inhabituelles pour les examiner, sans les effacer automatiquement. Contrôlez ensuite les doublons sur la combinaison de champs qui définit réellement une observation.
- 05Décider de l’usage possible
Rédigez une conclusion limitée : utilisable pour dresser une liste, insuffisant pour comparer des territoires, ou à éclaircir avec le producteur. Si vous écartez des lignes, indiquez leur nombre et le motif. Gardez un journal des corrections et la possibilité de revenir au fichier initial.
Comprendre par un cas concret
Une absence n’est pas un zéro
Exemple fictif : un relevé porte sur quatre équipements. Trois déclarent 12, 18 et 0 visites ; le quatrième n’a pas répondu. La documentation indique que zéro correspond bien à aucune visite.
| Traitement | Résultat | Ce que l’on peut dire |
|---|---|---|
| Garder les réponses connues | (12 + 18 + 0) ÷ 3 = 10 | Moyenne de 10 visites parmi les trois répondants |
| Remplacer l’absence par zéro | 30 ÷ 4 = 7,5 | On ajoute une observation qui n’a pas été recueillie |
| Documenter la couverture | 3 réponses sur 4 = 75 % | La collecte est incomplète ; cela ne mesure pas son biais |
Présentez séparément la valeur calculée, le nombre de répondants et le nombre attendu. Un fichier techniquement complet peut rester mal adapté à votre question.
Peut-on extrapoler 10 visites aux quatre équipements ?
Les trois réponses ne suffisent pas à le justifier. Il faudrait connaître le mécanisme de non-réponse et choisir une méthode adaptée. Conservez l’absence et expliquez la limite avant de proposer une estimation.
Documentation d’appui : data.gouv.fr — Évaluer la qualité des données · Consultée le 2026-10-15. Les exemples et calculs sont pédagogiques.
Repères à garder
Grille de contrôle de qualité
Chaque ligne est une question de contrôle. Ce modèle ne produit aucun score automatique et ne certifie pas un fichier.
Sur petit écran, faites défiler le tableau horizontalement pour lire toutes les colonnes.
| Contrôle | Vérification | Décision à noter |
|---|---|---|
| Unité | Une ligne représente un objet défini | Définition retenue |
| Complétude | Champs essentiels et valeurs manquantes | Limite pour l’usage prévu |
| Unicité | Doublons sur la bonne combinaison de champs | Conserver, expliquer ou corriger |
| Cohérence | Formats, périodes et unités comparables | Anomalies à examiner |
| Traçabilité | Copie originale et journal des modifications | Version analysée |
Consultez les repères directement dans ce tableau.
Passer de la lecture à l’action
Rédiger une réserve utile
Sur un petit fichier non confidentiel, choisissez une colonne essentielle et examinez les valeurs manquantes ou atypiques.
Résultat recherché : Vous pouvez expliquer un usage possible et un usage que les données ne permettent pas.
Les cases sont des repères personnels, pas une validation automatique. Aucun envoi ni enregistrement par le portail ; elles sont remises à zéro au rechargement.
Points de vigilance
Ce qu’il ne faut pas confondre
La qualité dépend de l’usage et du périmètre de la question.
Une valeur inhabituelle mérite un examen, pas une suppression automatique.
Les corrections doivent rester traçables et réversibles.
Questions fréquentes
Les réponses courtes
Combien de lignes faut-il regarder ?
Un échantillon aide à comprendre le fichier, mais ne prouve pas que tout le tableau est correct. Pour une analyse, complétez par des contrôles sur l’ensemble des lignes : manquants, types, identifiants et catégories.
Un taux de remplissage élevé suffit-il ?
Non. Une colonne entièrement remplie peut contenir une valeur par défaut ou une unité incohérente. Vérifiez le sens des champs et leur adéquation à la question.
Peut-on publier un fichier corrigé ?
Vérifiez les conditions de réutilisation de la source et documentez vos transformations. Présentez votre version comme une réutilisation, avec ses limites, sans laisser penser que le producteur a validé vos corrections.
Pour vérifier et approfondir
Sources et documentation
Documentation consultée le . Les exemples sont illustratifs ; les résultats et les interfaces peuvent évoluer.
Continuer