Discipline : Data engineering et analytics décisionnel

Valorisation éthique du patrimoine informationnel via collecte responsable, structuration sémantique (Clean Data) et indicateurs actionnables pour l’IA.
Clean Data, gouvernance des données, analytics décisionnel, data quality, JSON-LD, données multilingues, Omeka S

  • Hadoop

    Hadoop est un framework qui permet de stocker et de traiter de grandes quantités de données structurées sur des clusters de serveurs. L’éco-système Hadoop a été créé par Doug Cutting et Mike Cafarella en 2005, en s’inspirant des travaux de Google sur le système de fichiers distribué et le traitement de données en grands volumes.…

  • Index (base de données)

    Structure auxiliaire associée à une table de base de données qui accélère la récupération de données en permettant un accès direct à des enregistrements spécifiques, sans parcourir l’intégralité de la table. Un index est une structure de données optimisée (souvent basée sur des arbres B, des hachages ou des index bitmap) créée sur une ou…

  • Massification des données disponibles

    Phénomène de production et de stockage exponentiels de données numériques, généré par les usages quotidiens (réseaux sociaux, objets connectés, transactions, logs, géolocalisation, etc.), dépassant largement les capacités humaines et techniques de traitement, d’analyse ou de compréhension. Cette massification ne répond souvent à aucune finalité explicite : les données sont collectées « au cas où »,…

  • Minimisation des données

    La minimisation des données est un principe fondamental de protection de la vie privée qui stipule qu’une organisation ne doit collecter, traiter ou conserver que les données strictement nécessaires à la réalisation d’un objectif légitime, explicite et déterminé. En résumé : « Ne collectez pas ce dont vous n’avez pas besoin. » Ce principe est…

  • Modélisation des données

    La modélisation des données consiste à concevoir la structure logique qui décrit comment les données sont organisées, liées et stockées. Dans un monde où les données proviennent de sources très diverses structurées (bases SQL), semi-structurées (JSON, logs) et non structurées (textes, images) — la modélisation classique (tables rigides) devient insuffisante. Il faut alors adopter des…

  • Modélisation linéaire

    La modélisation linéaire est l’un des fondements de la statistique et de l’apprentissage automatique : simple, interprétable, et souvent un excellent point de départ. C’est une méthode statistique qui consiste à représenter la relation entre une ou plusieurs variables explicatives (entrées) et une variable cible (sortie) à l’aide d’une fonction linéaire c’est-à-dire une droite (en…

  • NoSQL

    Famille de systèmes de gestion de bases de données conçus pour stocker et interroger des données non structurées ou semi-structurées (comme du JSON, du XML ou des graphes), avec une forte capacité d’évolution (scalabilité) et une flexibilité de schéma. Une base de données NoSQL (qui signifie « Not Only SQL », et non « pas…

  • Objet

    Un objet est une entité autonome, identifiable et dotée de propriétés, utilisée pour représenter, organiser et manipuler des informations dans un système numérique, documentaire ou logiciel. Il peut être : Dans les systèmes d’information, un objet est caractérisé par : Exemples selon le contexte Contexte Objet Propriétés Relations CRM Contact Nom, email, téléphone, date de…

  • Open data – données ouvertes

    Les données ouvertes sont des informations publiques, numériques, accessibles à tous, libres de droits, utilisables, réutilisables et redistribuables par quiconque, à des fins commerciales ou non. L’Open Data repose sur trois principes fondamentaux (selon la Définition internationale des données ouvertes) : Elles sont principalement produites par : En France, la loi pour une République numérique…

  • Pétaoctet – petabyte

    Un pétaoctet (symbole : Po ou PB en anglais petabyte) est une unité de mesure de la capacité de stockage numérique. 1 pétaoctet = 10¹⁵ octets = 1 000 000 000 000 000 octets(dans le système décimal, utilisé notamment par les fabricants de disques durs et les services de stockage cloud). Dans le système binaire…