Après les vacances de la Toussaint, j'attaque toujours le thème des données structurées avec une impression désagréable : c'est le chapitre dont le titre fait fuir. « Données structurées », pour un élève de seconde, cela ne veut rien dire. J'ai donc arrêté de commencer par la définition.
Pourquoi je commence les données structurées en SNT par un sondage sur papier
La séance démarre sans ordinateur. Je distribue une demi-feuille à chacun et je demande trois informations : le temps de trajet jusqu'au lycée, le moyen de transport, et le nombre d'applications installées sur le téléphone. Trente demi-feuilles me reviennent, et je les projette au fur et à mesure sous la caméra.
Le désordre est immédiat. Pour le trajet, je lis « 20 min », « un quart d'heure », « ça dépend », « 8 » ; pour le transport, « bus », « le 12 », « à pattes », « voiture de ma mère ». Je pose alors ma seule question de la demi-heure : si je veux savoir qui met le plus de temps à venir au lycée, est-ce que je peux répondre avec ces trente feuilles ?
Le moment où le désordre devient un problème
Ils essaient. Un élève propose de tout recopier au tableau, et c'est précisément ce que j'attendais : au bout de six lignes, il bute sur « ça dépend » et demande ce qu'il doit écrire. La classe tranche, invente une règle — « on met le temps habituel » — et vient de faire sans le savoir le travail le plus coûteux du traitement de données : décider d'une convention.
Je fais alors passer une seconde feuille, avec cette fois trois colonnes dessinées et des consignes : le trajet en minutes, en nombre entier, le transport choisi dans une liste de cinq possibilités. La différence est criante, et c'est eux qui la formulent : la deuxième feuille, on peut la trier.
Descripteur, enregistrement, table : le vocabulaire arrive après
C'est seulement ici que j'écris les mots au tableau. Les trois colonnes sont les descripteurs, chaque demi-feuille est un enregistrement, et l'ensemble forme une table. Posé sur quelque chose qu'ils ont manipulé dix minutes plus tôt, ce vocabulaire ne résiste pas. Les années où je le donnais d'abord, je le réexpliquais encore en fin de chapitre.
J'insiste sur un point qui revient dans l'évaluation : un descripteur a un type. « Durée en minutes » est un nombre, donc on peut en faire une moyenne ; « moyen de transport » est un texte pris dans une liste, donc on peut compter des effectifs, pas calculer une moyenne.
Ouvrir un fichier CSV dans un éditeur de texte avant le tableur
Deuxième heure, salle informatique. J'ai saisi leurs réponses pendant la pause dans un fichier que j'ouvre d'abord, volontairement, dans le Bloc-notes. Ils voient des lignes de texte séparées par des points-virgules, avec la première ligne qui donne les noms des colonnes. Quelques soupirs.
Puis j'ouvre le même fichier dans un tableur, et le tableau apparaît. Cette double ouverture est le geste le plus utile de la séance : un CSV n'est pas un document de tableur, c'est du texte brut que beaucoup de logiciels savent lire. Les élèves qui me demanderont plus tard pourquoi leur fichier « s'ouvre en bouillie » ont déjà la réponse quelque part.
On fait ensuite les trois opérations du programme sur leurs propres données : trier par durée de trajet, filtrer sur un moyen de transport, calculer une moyenne par groupe. Travailler sur les réponses de la classe change tout : quand le tri fait remonter en tête un élève du village voisin, la salle réagit.
Passer à un vrai fichier d'open data
Les quinze dernières minutes servent au changement d'échelle. Je télécharge devant eux un fichier sur data.gouv.fr, en général le fichier des prénoms de l'INSEE, et je le laisse s'ouvrir. Des centaines de milliers de lignes, exactement la même structure que leur sondage : des descripteurs, des enregistrements, une table.
Chacun cherche son prénom et regarde comment il évolue selon les années. L'activité ne demande rien de plus que le tri et le filtre appris une heure plus tôt, et c'est tout l'intérêt : la méthode ne change pas avec le volume.
Ce que je garderai de cette séance
Je garde l'ordre : le désordre d'abord, la définition ensuite. Je garde aussi les données produites par la classe avant l'open data, parce que c'est ce qui donne envie de trier. La prochaine fois, je glisserai une erreur volontaire dans ma saisie — un trajet à 400 minutes — pour aborder les valeurs aberrantes.
Le détail du thème est sur la page Les données structurées du programme, et les supports que j'utilise en classe sont dans mes cours de SNT.