← Retour aux chapitres
Chapitre 5 — SNT — Les données structurées et leur traitement

SNT Seconde — Chapitre 5 : Les données structurées et leur traitement

📄 Télécharger le PDF

📋 Sommaire

  1. Programme officiel (BO)
  2. Les données et leurs formats
  3. Données structurées : descripteurs et valeurs
  4. Traiter des données structurées
  5. Les métadonnées
  6. Les données dans le nuage
  7. Ateliers Python
  8. Exercices corrigés
  9. QCM
  10. Fiche de synthèse
Programme officiel — SNT, Seconde générale et technologique 🔗 Source officielle (education.gouv.fr — BO spécial n°1 du 22 janvier 2019)

Thème « Les données structurées et leur traitement » — Contenus et capacités attendues

  • Données : Définir une donnée personnelle. Identifier les principaux formats et représentations de données.
  • Données structurées : Identifier les différents descripteurs d'un objet. Distinguer la valeur d'une donnée de son descripteur. Utiliser un site de données ouvertes, pour sélectionner et récupérer des données.
  • Traitement de données structurées : Réaliser des opérations de recherche, filtre, tri ou calcul sur une ou plusieurs tables.
  • Métadonnées : Retrouver les métadonnées d'un fichier personnel.
  • Données dans le nuage (cloud) : Utiliser un support de stockage dans le nuage. Partager des fichiers, paramétrer des modes de synchronisation. Identifier les principales causes de la consommation énergétique des centres de données ainsi que leur ordre de grandeur.

1. Les données et leurs formats

Une donnée est une valeur qui décrit un objet, une personne ou un événement : un nom, une date, une température, une position. Chaque jour, l'humanité produit des quantités gigantesques de données : messages, photos, achats, capteurs…

Définition — Donnée personnelle

Une donnée personnelle est une information qui permet d'identifier une personne physique, directement (nom, photo, empreinte) ou indirectement (numéro de téléphone, adresse IP, plaque d'immatriculation, ou un croisement de données : date de naissance + commune + lycée).

En Europe, le RGPD (Règlement général sur la protection des données, 2018) encadre leur collecte : il faut informer la personne, ne collecter que le nécessaire, et elle a le droit d'accéder à ses données, de les rectifier et de les faire effacer. En France, la CNIL veille au respect de ces règles.

Définition — Formats de données

  • CSV (Comma-Separated Values) : un fichier texte où chaque ligne est un enregistrement et où les valeurs sont séparées par une virgule ou un point-virgule. Lisible par un tableur, un éditeur de texte ou un programme.
  • JSON : format texte structuré très utilisé sur le Web, proche des dictionnaires Python : {"pays": "France", "or": 16}.
  • Formats de tableur (ODS, XLSX), bases de données, mais aussi formats non structurés : texte libre, image, son, vidéo.

2. Données structurées : descripteurs et valeurs

Définition — Table, descripteurs et valeurs

Des données sont structurées lorsqu'elles sont organisées en table : chaque ligne décrit un objet (un enregistrement), chaque colonne correspond à un descripteur (une caractéristique). À l'intersection, on lit la valeur du descripteur pour cet objet.

Voici le début d'un fichier CSV (Jeux olympiques de Paris 2024, dix premières nations au nombre de médailles d'or) :

pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8

Exemple — Lire la table

  • Les descripteurs sont donnés par la première ligne : pays, continent, or, argent, bronze.
  • Chaque autre ligne décrit un objet : un pays. Pour l'objet « France », la valeur du descripteur argent est 26.
  • Une même valeur (par exemple 12) peut avoir des significations différentes selon son descripteur : c'est le descripteur qui donne son sens à la valeur.

Définition — Données ouvertes (open data)

Les données ouvertes sont des données publiques mises à disposition de tous, librement réutilisables. En France, le site data.gouv.fr en propose des dizaines de milliers : horaires de transports, qualité de l'air, résultats d'élections, prénoms donnés aux nouveau-nés… On les télécharge le plus souvent au format CSV, accompagnées de métadonnées (producteur, date de mise à jour, licence, description des colonnes).

3. Traiter des données structurées

Les quatre opérations de base sur une table sont :

OpérationExemple sur la table des médailles
Recherchercombien la France a-t-elle de médailles d'argent ?
Filtrer (sélectionner des lignes)ne garder que les pays d'Europe
Trierclasser les pays par nombre total de médailles, du plus grand au plus petit
Calculernombre total de médailles de chaque pays, moyenne de médailles d'or en Europe
AnimationRechercher, filtrer et trier une table

Tape un mot dans la recherche, filtre selon le type de planète, et clique sur un en-tête de colonne pour trier (un second clic inverse l'ordre). La moyenne des diamètres des lignes affichées est recalculée.

Chargement de l'animation…

Méthode — Traiter une table en Python

On représente la table par une liste de dictionnaires : un dictionnaire par ligne, dont les clés sont les descripteurs.

table = [
    {"pays": "France", "continent": "Europe", "or": 16, "argent": 26, "bronze": 22},
    {"pays": "Japon", "continent": "Asie", "or": 20, "argent": 12, "bronze": 13},
    {"pays": "Italie", "continent": "Europe", "or": 12, "argent": 13, "bronze": 15},
]

# Filtrer : les pays d'Europe
for p in table:
    if p["continent"] == "Europe":
        print(p["pays"])

# Trier : par nombre de medailles d'or, du plus grand au plus petit
classement = sorted(table, key=lambda p: p["or"], reverse=True)
for p in classement:
    print(p["pays"], p["or"])

sorted(table, key=…) renvoie une nouvelle liste triée selon la valeur calculée par la fonction key ; reverse=True trie dans l'ordre décroissant.

⚠️ Point de vigilance : Dans un fichier CSV, toutes les valeurs sont du texte. Il faut convertir les nombres avec int() ou float() avant de calculer ou de trier : sinon "9" est classé après "40", car on compare caractère par caractère.

4. Les métadonnées

Définition — Métadonnées

Les métadonnées sont des données sur les données : elles décrivent un fichier sans en faire partie.

  • pour tout fichier : nom, taille, type, date de création et de modification, auteur ;
  • pour une photo (métadonnées EXIF) : date et heure, modèle d'appareil, réglages, et parfois les coordonnées GPS du lieu de la prise de vue ;
  • pour un document : titre, auteur, logiciel utilisé, nombre de pages.

Certaines sont ajoutées automatiquement par l'appareil (date, GPS), d'autres renseignées par l'utilisateur (titre, mots-clés).

Méthode — Retrouver les métadonnées d'un fichier

Sous Windows : clic droit sur le fichier, Propriétés, onglet Détails. Sous macOS : Lire les informations (ou Aperçu, Outils, Afficher l'inspecteur pour une photo). Sur un téléphone : bouton « i » ou « Détails » dans la galerie.

⚠️ Point de vigilance : Une photo publiée peut révéler, par ses métadonnées GPS, l'adresse de son domicile. Beaucoup de réseaux sociaux suppriment ces données, mais pas tous les sites ni les messageries : on peut désactiver la géolocalisation de l'appareil photo.

5. Les données dans le nuage

Définition — Stockage dans le nuage (cloud)

Stocker des fichiers dans le nuage, c'est les enregistrer sur les serveurs d'une entreprise, dans des centres de données, et y accéder par Internet depuis n'importe quel appareil.

  • Synchronisation : une modification faite sur un appareil est recopiée sur les autres. On peut choisir les dossiers synchronisés, et garder ou non une copie locale.
  • Partage : on donne accès à un fichier par un lien, en lecture seule ou en modification, éventuellement avec une date d'expiration.
  • Avantages : sauvegarde, travail collaboratif. Inconvénients : dépendance à Internet et au fournisseur, confidentialité, consommation d'énergie.

Propriété — Consommation énergétique des centres de données

Un centre de données contient des milliers de serveurs qui fonctionnent jour et nuit. Les principales causes de consommation sont :

  • l'alimentation des serveurs et du stockage (calcul, disques) ;
  • le refroidissement : les serveurs chauffent et il faut climatiser les salles, ce qui peut représenter jusqu'à 40 % de la consommation ;
  • la redondance : les données sont copiées dans plusieurs centres pour ne jamais être perdues, et les équipements de secours restent alimentés.

Ordre de grandeur : les centres de données consomment environ 400 TWh d'électricité par an dans le monde (2024), soit environ 1,5 % de l'électricité mondiale — à peu près la consommation électrique annuelle de la France. Cette part augmente rapidement avec l'intelligence artificielle et la vidéo en ligne.

6. Ateliers Python

Les ateliers se font directement dans la page : modifie le code dans l'éditeur, clique sur ▶ Exécuter et observe la sortie. Suis les étapes dans l'ordre ; le coup de pouce et la solution ne sont à ouvrir qu'après avoir cherché.

Atelier 1 — Lire un fichier CSVsplit(), listes, dictionnaires

Objectif : Transformer le texte d'un fichier CSV en une liste de dictionnaires : un dictionnaire par pays, dont les clés sont les descripteurs.

  1. Exécuter le programme : donnees.split("\n") découpe le texte en lignes ; la première ligne contient les descripteurs.
  2. Compléter la boucle pour que chaque ligne devienne un dictionnaire {descripteur: valeur}, ajouté à table.
  3. Convertir les valeurs or, argent et bronze en entiers avec int().
  4. Afficher table[4] : quel pays est-ce ? Afficher son nombre de médailles d'argent.
csv.py
Sortie
💡 Coup de pouce
Créer pays = {}, puis for i in range(len(descripteurs)): pays[descripteurs[i]] = valeurs[i]. Ensuite pays["or"] = int(pays["or"]), etc., et enfin table.append(pays).
✅ Une solution
donnees = """pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8"""

lignes = donnees.split("\n")
descripteurs = lignes[0].split(";")
table = []
for ligne in lignes[1:]:
    valeurs = ligne.split(";")
    pays = {}
    for i in range(len(descripteurs)):
        pays[descripteurs[i]] = valeurs[i]
    for d in ["or", "argent", "bronze"]:
        pays[d] = int(pays[d])
    table.append(pays)

print(len(table), "pays")
print(table[4])
print(table[4]["pays"], ":", table[4]["argent"], "medailles d'argent")
Atelier 2 — Rechercher et filtrerboucle for, conditions, fonctions
Objectif : Répondre à des questions en parcourant la table : rechercher une valeur, sélectionner les lignes qui vérifient une condition.
  1. La table est déjà construite (programme de l'atelier 1). Exécuter : le programme affiche les pays d'Asie.
  2. Écrire une fonction recherche(nom) qui renvoie le dictionnaire du pays nom, ou None s'il n'est pas dans la table. Tester avec "Italie" et "Bresil".
  3. Afficher les pays qui ont au moins 15 médailles d'or (condition p["or"] >= 15).
  4. Afficher les pays européens qui ont plus de médailles d'argent que de médailles d'or.
filtre.py 
Sortie
💡 Coup de pouce
Dans recherche, parcourir la table et faire return p dès que p["pays"] == nom ; après la boucle, return None. Deux conditions se combinent avec and.
✅ Une solution
donnees = """pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8"""

lignes = donnees.split("\n")
descripteurs = lignes[0].split(";")
table = []
for ligne in lignes[1:]:
    valeurs = ligne.split(";")
    pays = {}
    for i in range(len(descripteurs)):
        pays[descripteurs[i]] = valeurs[i]
    for d in ["or", "argent", "bronze"]:
        pays[d] = int(pays[d])
    table.append(pays)

def recherche(nom):
    for p in table:
        if p["pays"] == nom:
            return p
    return None

print(recherche("Italie"))
print(recherche("Bresil"))

print("Au moins 15 medailles d'or :")
for p in table:
    if p["or"] >= 15:
        print("  ", p["pays"], p["or"])

print("Europe, plus d'argent que d'or :")
for p in table:
    if p["continent"] == "Europe" and p["argent"] > p["or"]:
        print("  ", p["pays"])
Atelier 3 — Calculer et triersorted(), key, lambda
Objectif : Ajouter un descripteur calculé (le total de médailles) puis classer les pays selon ce total.
  1. Ajouter à chaque pays une clé total égale à or + argent + bronze.
  2. Exécuter : le programme trie la table par ordre alphabétique des pays.
  3. Modifier le tri pour classer les pays par total décroissant et afficher le classement numéroté : 1. Etats-Unis : 126.
  4. Le classement change-t-il par rapport au classement aux médailles d'or ? Quel pays gagne le plus de places ?
tri.py 
Sortie
💡 Coup de pouce
for p in table: p["total"] = p["or"] + p["argent"] + p["bronze"]. Puis sorted(table, key=lambda p: p["total"], reverse=True) et un compteur rang pour numéroter.
✅ Une solution
donnees = """pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8"""

lignes = donnees.split("\n")
descripteurs = lignes[0].split(";")
table = []
for ligne in lignes[1:]:
    valeurs = ligne.split(";")
    pays = {}
    for i in range(len(descripteurs)):
        pays[descripteurs[i]] = valeurs[i]
    for d in ["or", "argent", "bronze"]:
        pays[d] = int(pays[d])
    table.append(pays)

for p in table:
    p["total"] = p["or"] + p["argent"] + p["bronze"]

classement = sorted(table, key=lambda p: p["total"], reverse=True)
rang = 1
for p in classement:
    print(f"{rang}. {p['pays']} : {p['total']}")
    rang = rang + 1
Atelier 4 — Statistiques par continentdictionnaires, accumulation
Objectif : Regrouper les lignes par continent pour calculer le nombre de médailles et la moyenne de médailles d'or par pays.
  1. Le dictionnaire somme doit associer à chaque continent le total de ses médailles d'or. Exécuter le programme et compléter la boucle.
  2. Construire de même le dictionnaire nombre : nombre de pays de chaque continent présents dans la table.
  3. Afficher, pour chaque continent, la moyenne de médailles d'or par pays, arrondie à 0,1.
stats.py 
Sortie
💡 Coup de pouce
Si c n'est pas encore une clé : somme[c] = 0. Puis somme[c] = somme[c] + p["or"]. Moyenne : round(somme[c] / nombre[c], 1).
✅ Une solution
donnees = """pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8"""

lignes = donnees.split("\n")
descripteurs = lignes[0].split(";")
table = []
for ligne in lignes[1:]:
    valeurs = ligne.split(";")
    pays = {}
    for i in range(len(descripteurs)):
        pays[descripteurs[i]] = valeurs[i]
    for d in ["or", "argent", "bronze"]:
        pays[d] = int(pays[d])
    table.append(pays)

somme = {}
nombre = {}
for p in table:
    c = p["continent"]
    if c not in somme:
        somme[c] = 0
        nombre[c] = 0
    somme[c] = somme[c] + p["or"]
    nombre[c] = nombre[c] + 1

for c in somme:
    print(f"{c} : {somme[c]} medailles d'or, {nombre[c]} pays, moyenne {round(somme[c] / nombre[c], 1)}")



7. Exercices corrigés
Chaque exercice est corrigé. Utilise le bac à sable pour écrire et tester tes programmes.
bac_a_sable.py 
Sortie
Exercice 1 — Donnée personnelle ou non ?
Dire si chaque donnée est personnelle : 1. le numéro de téléphone d'un élève ; 2. la température à Lyon le 3 mars ; 3. l'adresse IP d'un ordinateur personnel ; 4. le nombre d'élèves d'un lycée ; 5. une photo de classe ; 6. la plaque d'immatriculation d'une voiture.
✅ Corrigé
Personnelles : 1, 3, 5 et 6 (elles permettent d'identifier une personne directement ou indirectement). Non personnelles : 2 et 4.
Exercice 2 — Descripteurs et valeurs
Une bibliothèque décrit ses livres ainsi : titre;auteur;annee;pages;disponible puis Les Miserables;Victor Hugo;1862;1900;oui.
1. Quels sont les descripteurs ? Combien y a-t-il d'objets décrits ?
2. Quelle est la valeur du descripteur annee pour ce livre ?
3. Proposer deux autres descripteurs utiles.
✅ Corrigé
1. Descripteurs : titre, auteur, annee, pages, disponible. Un seul objet (un livre).
2. 1862.
3. Par exemple : genre, éditeur, langue, numéro ISBN, emplacement en rayon.
Exercice 3 — Trier du texte
Un élève trie la liste ["9", "40", "12", "100"] avec sorted() et obtient ['100', '12', '40', '9'].
1. Expliquer ce résultat.
2. Corriger le programme pour trier les nombres dans l'ordre croissant.
✅ Corrigé
1. Ce sont des chaînes : elles sont comparées caractère par caractère, comme dans un dictionnaire. « 1 » vient avant « 4 », qui vient avant « 9 ».
2. Il faut convertir en entiers avant de trier :
valeurs = ["9", "40", "12", "100"]
print(sorted(valeurs))
nombres = []
for v in valeurs:
    nombres.append(int(v))
print(sorted(nombres))
Exercice 4 — Filtrer et calculer
À partir de la table des médailles du cours, écrire un programme qui affiche le nombre total de médailles remportées par les pays d'Europe présents dans la table, et le pourcentage de médailles d'or parmi elles.
✅ Corrigé
Les cinq pays d'Europe totalisent 69 médailles d'or, 81 d'argent et 86 de bronze, soit 236 médailles, dont environ 29,2 % d'or.
donnees = """pays;continent;or;argent;bronze
Etats-Unis;Amerique;40;44;42
Chine;Asie;40;27;24
Japon;Asie;20;12;13
Australie;Oceanie;18;19;16
France;Europe;16;26;22
Pays-Bas;Europe;15;7;12
Royaume-Uni;Europe;14;22;29
Coree du Sud;Asie;13;9;10
Italie;Europe;12;13;15
Allemagne;Europe;12;13;8"""

lignes = donnees.split("\n")
descripteurs = lignes[0].split(";")
table = []
for ligne in lignes[1:]:
    valeurs = ligne.split(";")
    pays = {}
    for i in range(len(descripteurs)):
        pays[descripteurs[i]] = valeurs[i]
    for d in ["or", "argent", "bronze"]:
        pays[d] = int(pays[d])
    table.append(pays)

total = 0
ors = 0
for p in table:
    if p["continent"] == "Europe":
        total = total + p["or"] + p["argent"] + p["bronze"]
        ors = ors + p["or"]
print(total, "medailles dont", ors, "en or")
print(round(ors / total * 100, 1), "%")
Exercice 5 — Métadonnées d'une photo
Les métadonnées EXIF d'une photo indiquent : 2024:07:14 22:47:10 ; Apple iPhone 13 ; f/1.6 ; GPS 48.8584 N, 2.2945 E ; titre « Feu d'artifice ».
1. Lesquelles ont été enregistrées automatiquement ? Lesquelles par l'utilisateur ?
2. Où et quand la photo a-t-elle probablement été prise ?
3. Quel risque y a-t-il à publier telle quelle une photo prise chez soi ?
✅ Corrigé
1. Automatiques : date et heure, modèle d'appareil, ouverture, coordonnées GPS. Utilisateur : le titre.
2. Le 14 juillet 2024 vers 22 h 47, près de la tour Eiffel (48,858° N ; 2,294° E) : le feu d'artifice de la fête nationale.
3. Les coordonnées GPS révèlent l'adresse du domicile.
Exercice 6 — Le coût énergétique du stockage
On estime grossièrement que stocker 1 Go dans le nuage pendant un an consomme environ 5 kWh (serveurs, refroidissement, copies de sécurité).
1. Un élève stocke 2 000 photos de 4 Mo chacune. Quelle quantité de données cela représente-t-il ? Quelle énergie par an ?
2. Pour un million d'élèves dans la même situation, comparer à la consommation annuelle d'un foyer français (environ 4 500 kWh).
3. Proposer deux gestes pour réduire cette consommation.
✅ Corrigé
1. 2 000 × 4 Mo = 8 000 Mo = 8 Go, soit environ 40 kWh par an.
2. 40 000 000 kWh, soit la consommation d'environ 8 900 foyers.
3. Supprimer les doublons et les photos ratées, ne pas tout synchroniser automatiquement, compresser les vidéos, préférer un stockage local pour les archives.
go = 2000 * 4 / 1000
energie = go * 5
print(go, "Go ->", energie, "kWh par an")
total = energie * 1000000
print(total, "kWh, soit", round(total / 4500), "foyers")



8. QCM — Teste tes connaissances
Pour chaque question, une seule réponse est correcte. Clique sur tes réponses puis sur Valider mes réponses.
Question 1. Laquelle de ces données est une donnée personnelle ?
Réponse b. Une adresse e-mail permet d'identifier une personne.
Question 2. Dans un fichier CSV, les valeurs d'une ligne sont…
Réponse a. CSV signifie « valeurs séparées par des virgules ».
Question 3. Dans la table des médailles, « argent » est…
Réponse b. « argent » est le nom d'une colonne : un descripteur. 26 est une valeur.
Question 4. Sélectionner uniquement les lignes des pays d'Asie, c'est…
Réponse b. Filtrer, c'est garder les lignes qui vérifient une condition.
Question 5. Que produit ce programme ?
p = {"pays": "Japon", "or": 20, "argent": 12}
print(p["or"] + p["argent"])
Réponse b. Les valeurs sont des entiers : 20 + 12 = 32.
Question 6. Que produit ce programme ?
print(sorted(["12", "9", "100"]))
Réponse b. Des chaînes sont comparées caractère par caractère : « 1 » avant « 9 ».
Question 7. sorted(table, key=lambda p: p["or"], reverse=True) trie…
Réponse c. key indique la valeur utilisée pour trier, reverse=True donne l'ordre décroissant.
Question 8. Les métadonnées d'une photo peuvent contenir…
Réponse b. Les métadonnées EXIF peuvent contenir date, appareil, réglages et coordonnées GPS.
Question 9. Le site français de données publiques ouvertes est…
Réponse a. data.gouv.fr publie les données ouvertes de l'administration.
Question 10. La synchronisation d'un dossier dans le nuage signifie que…
Réponse b. Les appareils synchronisés gardent les mêmes versions des fichiers.
Question 11. Une cause importante de consommation des centres de données est…
Réponse b. Les serveurs chauffent : la climatisation peut représenter jusqu'à 40 % de la consommation.
Question 12. Ordre de grandeur de la part de l'électricité mondiale consommée par les centres de données :
Réponse b. Environ 400 TWh par an, soit 1 à 2 % de l'électricité mondiale, et en forte hausse.
 
📋 Grille de réponses
1 : b ; 2 : a ; 3 : b ; 4 : b ; 5 : b ; 6 : b ; 7 : c ; 8 : b ; 9 : a ; 10 : b ; 11 : b ; 12 : b.



9. Fiche de synthèse
À retenir — Données personnelles
Elles identifient une personne directement ou indirectement. Protégées par le RGPD ; la CNIL veille en France.
À retenir — Formats
CSV (texte, valeurs séparées par ; ou ,), JSON, tableur. Les données ouvertes (data.gouv.fr) sont souvent en CSV avec des métadonnées.
À retenir — Tables
Une ligne = un objet, une colonne = un descripteur, une case = une valeur. En Python : liste de dictionnaires.
À retenir — Traitements
Rechercher, filtrer (condition), trier (sorted avec key), calculer. Convertir le texte en nombres avant de calculer ou trier.
À retenir — Métadonnées
Données sur les données : taille, dates, auteur ; EXIF des photos (appareil, date, GPS).
À retenir — Cloud
Stockage sur des serveurs distants, synchronisation, partage. Centres de données : environ 1,5 % de l'électricité mondiale (serveurs, refroidissement, redondance).