Partie 1 · Mesurer

Bilan : diagnostiquer et noter

La partie 1 du TP, « Explorer 52 colonnes et noter la qualité », fixe la mission : charger le CSV consolidé depuis data.gouv.fr, générer un rapport ydata-profiling automatique, remplir la grille d'audit (dimension touchée, % de problèmes, gravité par colonne) et calculer un score de qualité global initial. Le livrable est la grille complétée avec le score de départ.

Défaut mesuré	Chiffre	Dimension
Lignes dupliquées sur l'identifiant	67 094	Unicité (mais grain !)
Codes postaux manquants	40,9 %	Complétude
Dates de mise en service absentes	40,6 %	Complétude
Géolocalisations douteuses	81 724	Exactitude
Puissances aberrantes	6 257	Validité
Libellés corrompus	~2 050	Cohérence

Vérifie que tu as compris

Quel est le livrable de la partie 1 du TP ?

À toi de coder

Score de qualité global de départ

Le TP demande de « calculer un score de qualité global INITIAL » en remplissant une grille d'audit. Le cours ne fixe pas la formule : nous prenons ici (exemple ajouté) la moyenne des scores des 6 dimensions, chaque score étant un pourcentage de lignes sans problème. Écris score_global(scores) qui renvoie cette moyenne arrondie à une décimale.

SCORES = {"completude": 59.1, "validite": 97.2, "coherence": 99.1, "unicite": 70.5, "exactitude": 64.0, "fraicheur": 90.0}

def score_global(scores):
    return round(sum(scores.values()) / ___(scores), 1)

Ctrl/⌘+Entrée

Les 5 pièges qui demandent votre jugement (là où un LLM se trompe) : (1) les « doublons » ne sont pas des doublons (grain) ; (2) l'encodage a 4 variantes, il faut traiter la cause ; (3) le code postal s'impute par géocodage inverse, pas par la médiane ; (4) lon_lat_correct = False : décision métier ; (5) les puissances aberrantes mélangent W et kW.

Le TP est noté sur 100 points, dont le raisonnement (journal de décisions et défense orale) pèse 40 % : « l'IA code, mais c'est vous qui arbitrez ».

Vérifie que tu as compris

Parmi ces affirmations sur les « 5 pièges », laquelle est exacte ?

À toi de coder

Remplir une grille d'audit

La grille d'audit associe à chaque colonne sa dimension touchée, son % de problèmes et sa gravité. Écris gravite(pct) : "élevée" si pct >= 30, "moyenne" si pct >= 5, sinon "faible". Les seuils 30 et 5 sont un exemple ajouté (la gravité est un jugement à justifier).

def gravite(pct):
    if pct >= 30:
        return "élevée"
    if pct >= ___:
        return "moyenne"
    return "faible"

Ctrl/⌘+Entrée