Module 1 : Qu'est-ce que les métadonnées et pourquoi sont-elles importantes ?¶

Ce que vous apprendrez

Définir les métadonnées dans vos propres mots.
Expliquer pourquoi des données sans documentation sont difficiles à utiliser.
Décrire ce qu'est DDI et qui l'utilise.
Expliquer comment DDI aide à rendre les données FAIR (Trouvables, Accessibles, Interopérables, Réutilisables).
Décrire ce que fait ddi-l.

Prérequis : Aucun.

Durée : 30 min en autonomie / 45 min avec instructeur.

1. Qu'est-ce que les métadonnées ?¶

Les métadonnées sont des informations sur vos données. Pensez au catalogue d'une bibliothèque. Le catalogue ne contient pas le texte complet de chaque livre. Il vous donne le titre, l'auteur, le sujet et l'emplacement de chaque livre. Les métadonnées font la même chose pour les fichiers de données. Elles vous disent de quoi parlent les données sans vous montrer toutes les données.

Voici quelques exemples de métadonnées :

Le titre d'une enquête.
La date de collecte des données.
La signification de chaque colonne dans un tableau.

Sans métadonnées, un fichier de données n'est qu'un ensemble de lignes et de colonnes de chiffres. Personne ne sait ce que ces chiffres veulent dire.

2. Exemple concret : un tableau d'enquête auprès des ménages¶

Regardez le tableau ci-dessous. Il provient d'une enquête auprès des ménages.

Colonne A	Colonne B	Colonne C
34	Female	52 000
28	Male	41 000
45	Female	67 000
22	Male	29 000
51	Other	73 000

Sans documentation, vous pourriez vous demander :

Que signifient les chiffres de la colonne A ? Des âges ? Des numéros d'identification ?
La colonne C est-elle en dollars, en euros ou dans une autre devise ?
Qui a été interrogé ? Seulement les adultes ? Tout le monde ?
Quand l'enquête a-t-elle été réalisée ?

Avec de la documentation, on ajoute des métadonnées :

Âge	Genre	Revenu annuel (CAD)
34	Female	52 000
28	Male	41 000
45	Female	67 000
22	Male	29 000
51	Other	73 000

Titre de l'étude : Enquête canadienne sur le revenu des ménages 2024
Population : Adultes canadiens de 18 ans et plus.
Période de collecte : Janvier-mars 2024.

Maintenant, les données ont du sens. Les métadonnées font la différence entre la confusion et la clarté.

3. Qu'est-ce que DDI ?¶

DDI signifie Data Documentation Initiative (Initiative de documentation des données). C'est une norme internationale (un ensemble de règles convenues) pour décrire les enquêtes, les recensements et les jeux de données. Les gouvernements, les universités et les organismes de recherche du monde entier utilisent DDI pour documenter leurs données afin que d'autres puissent les trouver, les comprendre et les réutiliser.

Points clés sur DDI :

Il est maintenu par la DDI Alliance.
Il utilise le XML (un format de texte structuré) pour stocker la documentation.
Il couvre toute la vie d'un jeu de données, de la planification et la collecte jusqu'à l'archivage et le partage.

4. Comment DDI rend les données FAIR¶

FAIR est un ensemble de quatre principes qui aident les gens à partager et réutiliser les données. Les lettres signifient Findable (Trouvable), Accessible, Interoperable (Interopérable) et Re-usable (Réutilisable). De bonnes données devraient respecter les quatre principes. DDI-Lifecycle vous aide à atteindre chacun d'entre eux.

Principe	Ce que cela signifie	Comment DDI aide
Trouvable	Les gens peuvent chercher et découvrir les données.	DDI donne à chaque élément un identifiant unique et stocke des champs structurés comme le titre, l'agence et les concepts. Les catalogues de données peuvent indexer ces champs pour que les utilisateurs trouvent votre jeu de données dans une recherche.
Accessible	Les gens peuvent obtenir les données et leur documentation.	Les fichiers DDI sont du XML standard. Tout outil capable de lire le XML peut les ouvrir. Aucun logiciel spécial n'est nécessaire.
Interopérable	Les données fonctionnent avec d'autres données et outils.	DDI utilise des listes de codes partagées et des vocabulaires contrôlés. Quand deux enquêtes utilisent la même liste de codes pour le genre ou le statut d'emploi, leurs données peuvent être combinées et comparées.
Réutilisable	Les gens comprennent assez bien les données pour les utiliser correctement.	DDI enregistre qui a collecté les données, quand, comment et ce que chaque variable signifie. Un chercheur dans un autre pays peut lire le fichier DDI et savoir exactement ce que les données contiennent.

Exemple : FAIR en action¶

Imaginez que le Dr. Chen publie une enquête sur la santé dans un dépôt de données ouvert. Sans métadonnées DDI, un visiteur voit un fichier appelé health-2024.csv et n'a aucune idée de ce qu'il contient.

Avec des métadonnées DDI :

Trouvable : Le dépôt indexe le titre DDI, les concepts (« Santé physique », « Santé mentale ») et l'agence (« health-research.example.org »). Un étudiant qui cherche « données d'enquête sur la santé mentale » le trouve.
Accessible : Le fichier DDI XML est publié à côté du CSV. N'importe qui peut télécharger les deux fichiers sans connexion ni outil spécial.
Interopérable : Le fichier DDI utilise une liste de codes standard pour le genre (Male / Female / Other). Une autre équipe en France utilise la même liste de codes, ce qui permet de fusionner les deux jeux de données pour une analyse entre pays.
Réutilisable : Le fichier DDI indique que les données ont été collectées auprès d'adultes de 18 ans et plus en 2024, que « bmi » est l'indice de masse corporelle en kg/m², et que le revenu est en dollars canadiens. Un nouveau chercheur peut utiliser les données correctement sans contacter l'équipe d'origine.

Sans DDI, les données restent dans un fichier que personne ne trouve, personne ne comprend et personne ne réutilise. Avec DDI, les données deviennent une ressource partagée.

5. Qu'est-ce que ddi-l ?¶

ddi-l est un paquet Python (un outil que vous installez et utilisez dans le langage de programmation Python) qui vous permet de créer, lire, modifier et valider des documents DDI. Vous n'avez pas besoin de connaître le XML pour l'utiliser. Vous écrivez quelques lignes de Python, et ddi-l s'occupe du XML pour vous.

Ce que ddi-l peut faire :

Créer une nouvelle étude DDI avec des questions et des variables.
Lire un fichier DDI existant et examiner son contenu.
Modifier un document DDI en ajoutant ou en supprimant des éléments.
Valider un document pour vérifier qu'il respecte les règles DDI.

6. La vue d'ensemble¶

Voici le flux de travail habituel quand vous utilisez ddi-l :

flowchart LR
    A["Vos données\n(CSV / Excel)"] --> B["Votre script\n(Python + ddi-l)"]
    B --> C["Fichier DDI XML"]
    C --> D["Validation"]
    D --> E["Archivage / Publication"]

Vous partez d'un fichier de données (par exemple, un fichier CSV ou un tableur Excel).
Vous écrivez un court script Python qui utilise ddi-l pour décrire les données.
ddi-l crée un fichier DDI XML.
Vous validez le fichier pour vous assurer que tout est correct.
Vous archivez ou publiez le fichier pour que d'autres puissent trouver et comprendre vos données.

7. Qui utilise DDI ? Quatre histoires¶

Maya, étudiante universitaire. Maya vient de terminer sa thèse sur le stress des étudiants. Elle doit déposer ses données d'enquête dans le dépôt de recherche de son université. Les métadonnées DDI aident les futurs étudiants à trouver et comprendre son jeu de données.

Dr. Chen, chercheur. Le Dr. Chen dirige une étude sur la santé dans plusieurs pays. Il publie ses données dans un dépôt ouvert. DDI rend ses jeux de données faciles à trouver et comparables d'un pays à l'autre.

Fatima, archiviste. Fatima gère une collection de données dans une bibliothèque nationale. Elle utilise DDI pour cataloguer des milliers de jeux de données afin que les chercheurs puissent chercher et parcourir la collection.

Jean-Pierre, personnel de l'institut national de statistique (INS). Jean-Pierre travaille dans un bureau de statistiques gouvernemental. Son équipe documente chaque recensement et chaque enquête avec DDI pour que le public puisse accéder à des données fiables et bien documentées.

Exercices¶

Scénario

Vous recevez un fichier de données sans documentation. Le fichier contient cinq lignes et les colonnes sont nommées A, B et C. Les valeurs ressemblent à des chiffres et des mots courts.

Exercice 1. Regardez le tableau ci-dessous.

A	B	C
34	Female	52000
28	Male	41000
45	Female	67000
22	Male	29000
51	Other	73000

Notez 3 choses qu'une nouvelle personne aurait besoin de savoir avant de pouvoir utiliser ces données. Par exemple : que mesure la colonne A ?

Exercice 2. Visitez https://ddialliance.org et trouvez une phrase sur le site qui décrit ce que fait DDI. Notez cette phrase.

Quiz¶

Question 1 : Qu'est-ce que les métadonnées ?

A. Les données brutes dans un tableur.

B. Des informations sur les données, comme une étiquette ou une description qui vous dit ce que les données signifient.

C. Un type de langage de programmation.

D. Un format de fichier utilisé uniquement par les gouvernements.

Réponse

B. Les métadonnées sont des informations sur les données. Elles décrivent ce que les données signifient, d'où elles viennent et comment elles ont été collectées.

Question 2 : Pourquoi la documentation est-elle importante ?

A. Elle réduit la taille du fichier de données.

B. Elle est exigée par Python.

C. Sans elle, les gens ne peuvent pas comprendre ce que les données signifient ni comment les utiliser correctement.

D. Elle modifie les valeurs dans le jeu de données.

Réponse

C. Sans documentation, les données ne sont que des chiffres et des étiquettes sans contexte. Les gens risquent de mal interpréter ou de mal utiliser les données.

Question 3 : Que signifie FAIR ?

A. Fast, Automated, Indexed, Reliable.

B. Findable, Accessible, Interoperable, Re-usable.

C. File, Archive, Import, Report.

D. Format, Align, Inspect, Review.

Réponse

B. FAIR signifie Findable (Trouvable), Accessible, Interoperable (Interopérable) et Re-usable (Réutilisable). Ces quatre principes guident la façon dont les données devraient être partagées pour que d'autres puissent les découvrir, les comprendre et les réutiliser. Les métadonnées DDI vous aident à respecter les quatre.

Question 4 : Que fait ddi-l ?

A. Il collecte les réponses d'enquête auprès des gens.

B. C'est un outil Python qui crée, lit, modifie et valide des documents DDI.

C. Il convertit du code Python en fichiers Excel.

D. Il remplace Microsoft Word pour rédiger des rapports.

Réponse

B. ddi-l est un paquet Python pour travailler avec les documents de métadonnées DDI. Il gère le XML pour que vous puissiez vous concentrer sur vos données.

Notes pour l'instructeur

Activité d'ouverture : Commencez par l'exercice du « tableau désordonné » (exercice 1). Donnez aux apprenants le tableau sans étiquettes et demandez-leur de deviner ce que les données signifient. Cela crée la motivation pour le reste du module.
Adaptation au public : Utilisez l'exemple du recensement pour les publics des INS. Utilisez l'exemple de la thèse pour les étudiants universitaires.
Question de discussion : Demandez aux apprenants de raconter une fois où ils ont reçu un fichier sans documentation. Quelles questions avaient-ils ?
Conclusion : Insistez sur le fait que ddi-l rend la documentation facile : vous écrivez du Python, et l'outil crée le XML standard pour vous.