Les données structurées et le cloud

Exercices corrigés

1. Quel format de données utilise des balises ouvrantes et fermantes du type <titre>…</titre> ?

   • A.Le CSV
   • B.Le XMLBonne réponse
   • C.Le JSON
   • D.Le PNG

   Réponse : B — Le XML

   Le XML encadre chaque valeur par une paire de balises, sur le modèle du HTML. Le CSV sépare simplement les valeurs par un caractère (virgule, point-virgule). Le JSON utilise des accolades et des paires descripteur : valeur. Le PNG, lui, n'est pas un format de données structurées mais un format d'image.

2. On veut croiser une table « clients » (id_client, nom, ville) avec une table « commandes » (num_commande, id_client, montant). Qu'est-ce qui rend le croisement possible ?

   • A.Le fait que les deux tables aient le même nombre de lignes
   • B.Le fait que les deux tables soient au format CSV
   • C.Le descripteur « montant », présent dans la seconde table
   • D.Le descripteur id_client, commun aux deux tablesBonne réponse

   Réponse : D — Le descripteur id_client, commun aux deux tables

   Un croisement s'appuie sur un descripteur commun qui joue le rôle de clé : ici id_client, présent dans les deux tables, permet de relier chaque commande à son client. Le nombre de lignes n'a aucune importance (un client peut avoir dix commandes). Le format de fichier non plus : on peut croiser un CSV et un JSON. Quant à « montant », il n'existe que dans une seule table, il ne peut donc relier quoi que ce soit.

3. Parmi ces propositions, laquelle décrit correctement les données ouvertes (open data) ?

   • A.Des données publiées librement et réutilisables par tous, souvent par des administrationsBonne réponse
   • B.Des données personnelles rendues publiques avec l'accord de la CNIL
   • C.Des données stockées dans le cloud plutôt que sur un disque local
   • D.Des données dont le fichier peut être ouvert par n'importe quel logiciel

   Réponse : A — Des données publiées librement et réutilisables par tous, souvent par des administrations

   Les données ouvertes sont mises à disposition librement et réutilisables gratuitement : horaires de transports, qualité de l'air, résultats électoraux… Le mot « ouvert » porte sur le droit de réutilisation, pas sur la facilité d'ouvrir le fichier. Et surtout, ce ne sont pas des données personnelles : on les publie précisément parce qu'elles n'identifient personne. Le lieu de stockage (cloud ou non) est une question totalement indépendante.

4. Quel argument est correct concernant l'impact environnemental du stockage de données dans le cloud ?

   • A.Le cloud est neutre : les données étant dématérialisées, elles ne consomment rien
   • B.Seule la fabrication des serveurs consomme de l'énergie, pas leur fonctionnement
   • C.Les centres de données consomment de l'électricité en continu, pour faire fonctionner ET pour refroidir les serveursBonne réponse
   • D.Le stockage local sur un disque dur consomme nécessairement plus qu'un centre de données

   Réponse : C — Les centres de données consomment de l'électricité en continu, pour faire fonctionner ET pour refroidir les serveurs

   Un centre de données fonctionne 24 heures sur 24 : les serveurs consomment de l'électricité pour calculer et pour stocker, et une part importante de la consommation part dans le refroidissement, car toute cette électricité se transforme en chaleur qu'il faut évacuer. S'ajoutent la fabrication du matériel et la duplication des données sur plusieurs sites. L'idée que le numérique serait « immatériel » donc sans impact est justement le contresens que ce chapitre invite à corriger.

5. Une table « livres » (isbn, titre, auteur) contient 5 000 lignes ; une table « emprunts » (isbn, date, id_lecteur) en contient 8 000. On croise sur isbn pour savoir, pour chaque emprunt, quel titre a été emprunté. Combien de lignes attend-on, et pourquoi la clé isbn est-elle adaptée ?

   • A.5 000 lignes, car le croisement se limite toujours à la plus petite des deux tables
   • B.8 000 lignes, car isbn identifie un seul livre : chaque emprunt reçoit exactement une correspondanceBonne réponse
   • C.13 000 lignes, car le croisement additionne les enregistrements des deux tables
   • D.8 000 lignes, mais uniquement si aucun livre n'a été emprunté deux fois

   Réponse : B — 8 000 lignes, car isbn identifie un seul livre : chaque emprunt reçoit exactement une correspondance

   Le raisonnement se fait en deux temps. D'abord le sens du croisement : on part des emprunts (8 000 lignes) et on enrichit chacun avec le titre correspondant. Ensuite la qualité de la clé : dans la table livres, un isbn ne désigne qu'un seul ouvrage, donc chaque emprunt trouve une correspondance et une seule — aucun doublon n'est créé. On obtient bien 8 000 lignes. La dernière option se trompe de sens : qu'un livre soit emprunté vingt fois ne pose aucun problème, puisque la multiplicité est du côté des emprunts, pas du côté de la clé. Le danger n'apparaîtrait que si la table livres contenait deux lignes portant le même isbn.

6. Dans une table de données, comment appelle-t-on le nom d'une colonne, par exemple « annee » ou « artiste » ?

   • A.Un descripteurBonne réponse
   • B.Un enregistrement
   • C.Une métadonnée
   • D.Une valeur

   Réponse : A — Un descripteur

   Le nom d'une colonne est un descripteur (on dit aussi attribut ou champ) : il indique ce que représentent les valeurs de cette colonne. Un enregistrement, c'est une ligne entière (un objet décrit). Une valeur, c'est le contenu d'une case. Quant à la métadonnée, c'est une notion différente : une donnée qui décrit une autre donnée, comme la date de prise de vue d'une photo.

7. Un fichier CSV contient une ligne d'en-têtes suivie de 250 lignes de données. Combien d'enregistrements contient-il ?

   • A.251
   • B.1
   • C.250Bonne réponse
   • D.249

   Réponse : C — 250

   La première ligne d'un CSV contient les descripteurs : ce n'est pas un enregistrement, c'est l'étiquetage des colonnes. Les enregistrements sont les 250 lignes de données qui suivent. Répondre 251, c'est compter la ligne d'en-têtes comme une donnée — l'erreur la plus fréquente sur ce format.

8. La date de prise de vue et le modèle d'appareil enregistrés automatiquement dans une photo : de quoi s'agit-il ?

   • A.De données ouvertes
   • B.D'un descripteur
   • C.De données personnelles au sens du RGPD
   • D.De métadonnéesBonne réponse

   Réponse : D — De métadonnées

   Ce sont des métadonnées (ici, les métadonnées EXIF) : elles décrivent la photo sans être la photo. Le contenu de l'image, ce sont les données ; ce qui les documente, ce sont les métadonnées. Un descripteur est le nom d'une colonne dans une table, ce n'est pas la bonne notion ici. Et ces informations ne deviennent des données personnelles que si elles permettent d'identifier quelqu'un, ce qui n'est pas automatique.

9. Que désigne le « cloud » (informatique en nuage) ?

   • A.L'accès à distance, via Internet, à des capacités de stockage et de calcul hébergées dans des centres de donnéesBonne réponse
   • B.Un espace de stockage immatériel qui ne consomme aucune énergie
   • C.La mémoire vive interne du téléphone de l'utilisateur
   • D.Un format de fichier permettant de compresser les données

   Réponse : A — L'accès à distance, via Internet, à des capacités de stockage et de calcul hébergées dans des centres de données

   Le cloud, c'est l'accès à distance à des serveurs bien physiques, regroupés dans des centres de données. Le mot « nuage » est une image : ces bâtiments consomment beaucoup d'électricité, notamment pour le refroidissement — l'option « aucune énergie » est donc exactement le contresens à éviter. Et ce n'est ni de la mémoire locale (le principe est justement que les données ne sont pas dans ton appareil) ni un format de fichier.

10. Une table de 40 enregistrements est triée par ordre croissant d'âge. Combien d'enregistrements contient-elle après le tri ?

    • A.Cela dépend des âges présents
    • B.20, car le tri sépare la table en deux
    • C.40Bonne réponse
    • D.Impossible à savoir sans connaître les descripteurs

    Réponse : C — 40

    Trier, c'est uniquement réordonner : les mêmes enregistrements sont là, dans un ordre différent. Il en reste donc 40. C'est le filtre, et lui seul, qui peut faire diminuer le nombre de lignes en écartant celles qui ne vérifient pas une condition. Retiens cette distinction, elle tombe très souvent : trier ne supprime rien, filtrer n'ajoute rien.

11. Une table « films » possède les descripteurs titre, realisateur, annee, duree et pays, et contient 12 films. Combien de valeurs contient-elle au total ?

    • A.17
    • B.60Bonne réponse
    • C.5
    • D.72

    Réponse : B — 60

    Chaque enregistrement porte une valeur pour chacun des 5 descripteurs : il y a donc 5 × 12 = 60 valeurs. Vérifions autrement : 12 lignes de 5 cases, soit 60 cases. Répondre 17, c'est additionner 5 + 12 au lieu de multiplier. Répondre 72, c'est compter en plus la ligne d'en-têtes comme une treizième ligne de données (5 × 13 = 65, ou 6 × 12 = 72 selon l'erreur) : les en-têtes ne sont pas des valeurs.

12. Sur une table de 500 élèves, on applique le filtre « moyenne supérieure ou égale à 10 ». Que peut-on affirmer avec certitude sur le résultat ?

    • A.Il contient exactement 250 enregistrements
    • B.Il contient plus de 500 enregistrements si plusieurs élèves ont la même moyenne
    • C.Il contient au plus 500 enregistrementsBonne réponse
    • D.Il contient exactement 500 enregistrements, seul l'ordre change

    Réponse : C — Il contient au plus 500 enregistrements

    Un filtre sélectionne un sous-ensemble : il ne peut jamais créer de nouvelle ligne. Le résultat contient donc entre 0 et 500 enregistrements — au plus 500. On ne peut pas dire 250 : rien ne garantit que la moitié des élèves ont la moyenne. Et « seul l'ordre change », c'est la définition du tri, pas du filtre.