Méthode · Glossaire

Glossaire de l'open data et de la statistique publique

Les mots qu'on croise en travaillant avec des données publiques, définis simplement, avec ce qu'il faut savoir pour ne pas se tromper. Les termes de statistique (corrélation, effets fixes, tests multiples) sont détaillés dans la page Méthode.

Données et licences

Données ouvertes (open data): Données publiées par une administration ou un organisme dans un format réutilisable, sous une licence qui en autorise la réutilisation libre, y compris commerciale. Voir où trouver des données publiques.
Producteur: L'organisme qui collecte ou calcule une donnée, la documente et la met à jour : Insee, services statistiques ministériels, DGFiP, Eurostat… Sa documentation fait foi, même quand le fichier est copié ailleurs.
Licence Ouverte (Etalab 2.0): Licence de référence des données publiques françaises : réutilisation libre, y compris commerciale, à condition de mentionner la source et la date de dernière mise à jour.
CC BY 4.0: Licence Creative Commons d'attribution : réutilisation libre en citant l'auteur. Eurostat et la Banque mondiale diffusent leurs statistiques sous cette licence.
ODbL: Licence de base de données ouverte qui impose de partager à l'identique une base dérivée, sous la même licence. Voir ce qu'autorise chaque licence.
Millésime: L'édition d'un jeu de données. Trois années ne se confondent pas : celle des faits mesurés, celle de la publication et celle de la géographie dans laquelle les codes sont exprimés (Filosofi 2023 est diffusé dans la géographie communale de 2026).

Géographie

Code officiel géographique (COG): La liste officielle des communes, départements et régions et de leurs codes, publiée chaque année par l'Insee, telle qu'au 1er janvier. Voir pourquoi la carte des communes change chaque année.
Code commune (code Insee): L'identifiant d'une commune dans le COG : deux caractères pour le département (2A et 2B pour la Corse, trois chiffres outre-mer), puis le numéro de la commune. Ce n'est pas le code postal, qui sert à distribuer le courrier : un code postal peut couvrir plusieurs communes, et une commune avoir plusieurs codes postaux. Voir les clés de jointure.
Commune nouvelle: Commune née de la fusion de plusieurs communes, qui disparaissent du COG. Une série communale longue doit en tenir compte, avec une table de passage.
Table de passage: Correspondance entre les communes de deux millésimes du COG. Quand une commune est scindée, chaque lien porte un poids pour répartir les effectifs ; un taux ou une médiane, eux, ne se répartissent pas.
Géographie de référence: Le millésime du COG dans lequel toutes les données d'un entrepôt sont exprimées, pour qu'elles se joignent. C'est la règle de base de Prisme.
Arrondissement municipal: Subdivision de Paris, Lyon et Marseille, avec son propre code. Certaines sources publient les trois villes entières, d'autres leurs arrondissements.
IRIS: Découpage infra-communal de l'Insee en quartiers de quelques milliers d'habitants (en général de 1 800 à 5 000 pour les IRIS d'habitat), pour les communes d'au moins 10 000 habitants et une grande partie de celles de 5 000 à 10 000.
NUTS: La nomenclature des régions statistiques d'Eurostat, en trois niveaux. En France, NUTS 1 correspond aux régions actuelles, NUTS 2 aux anciennes régions d'avant 2016, NUTS 3 aux départements. Elle est révisée tous les trois ans environ. Voir Eurostat, mode d'emploi.
Région ultrapériphérique: Région de l'Union européenne éloignée du continent : départements d'outre-mer français, Canaries, Açores, Madère. Elle fait partie des données européennes, mais Prisme la met hors du champ de ses comparaisons régionales.

Mesures

Revenu disponible: Ce qui reste à un ménage pour consommer et épargner : revenus d'activité, du patrimoine et de remplacement, plus les prestations sociales, moins les impôts directs.
Niveau de vie: Le revenu disponible du ménage divisé par son nombre d'unités de consommation. Toutes les personnes d'un même ménage ont le même niveau de vie.
Unité de consommation: Le poids de chaque personne dans les besoins d'un ménage (échelle de l'OCDE modifiée) : 1 pour le premier adulte, 0,5 pour chaque autre personne de 14 ans ou plus, 0,3 pour chaque enfant de moins de 14 ans.
Médiane: La valeur qui partage une population en deux moitiés : autant au-dessus qu'au-dessous. Contrairement à la moyenne, elle ne se déplace pas sous l'effet de quelques valeurs extrêmes, et elle ne s'additionne pas d'un territoire à l'autre.
Décile, rapport interdécile: Les déciles partagent une population en dix parts égales. Le rapport entre le 9e décile et le 1er (D9/D1) mesure l'écart entre le haut et le bas de la distribution sans les extrêmes.
Taux de pauvreté: La part des personnes dont le niveau de vie est inférieur à un seuil, en général 60 % du niveau de vie médian national. C'est une mesure relative : elle dépend de la distribution des revenus du pays.
PIB régional: La valeur produite sur un territoire, là où l'on travaille. Divisé par la population résidente, il surestime la richesse des régions où l'on vient travailler. Voir le PIB et le revenu des régions.
Standard de pouvoir d'achat (SPA): Unité monétaire fictive d'Eurostat, qui corrige les écarts de niveau des prix entre pays. Les parités utilisées sont nationales : elles ne corrigent pas les écarts de prix entre régions d'un même pays.
Espérance de vie à la naissance: La durée de vie moyenne d'une génération fictive qui connaîtrait toute sa vie les conditions de mortalité d'une année donnée. C'est un indicateur du moment : une épidémie ou une canicule le fait baisser cette année-là.
Taux standardisé: Un taux calculé comme si la population avait une structure par âge de référence, pour comparer des territoires plus ou moins âgés. Sans standardisation, un département âgé aurait mécaniquement plus de décès.
Chômage au sens du BIT: Une personne sans emploi, disponible pour travailler et qui en cherche activement un, selon la définition du Bureau international du travail. Elle ne se confond pas avec l'inscription à France Travail.
Accessibilité potentielle localisée (APL): Indicateur de la DREES qui mesure l'accès aux médecins généralistes d'une commune, en tenant compte de l'offre et de la demande des communes voisines et de l'âge de la population.
Logement vacant: Au recensement, logement inoccupé le jour de la collecte : à vendre ou à louer, en attente d'un occupant, sans affectation ou trop vétuste. Voir l'analyse des logements vacants.

Qualité et diffusion

Secret statistique: L'obligation de ne pas diffuser une information qui permettrait de reconnaître une personne ou une entreprise. Une valeur couverte par le secret est masquée, jamais remplacée par zéro. Voir le secret statistique.
Valeur provisoire: Une valeur publiée avant d'être définitive, qui sera révisée. Les dernières années d'une série le sont souvent.
Rupture de série: Un changement de méthode, de définition ou de découpage qui rend une année incomparable à la précédente : l'écart entre les deux n'est pas une évolution.
Drapeau: Lettre accolée à une valeur dans les données d'Eurostat : p provisoire, e estimée, b rupture de série, u peu fiable, d définition différente, c confidentielle.
Additif ou non additif: Un effectif (habitants, logements, ventes) s'additionne d'un territoire à l'autre. Un taux, une médiane ou une moyenne ne s'additionnent pas : le niveau de vie médian d'une région n'est pas la somme, ni la moyenne, de ceux de ses communes.
DVF (demandes de valeurs foncières): Le fichier des ventes immobilières de la DGFiP : chaque mutation, avec son prix et le bien vendu. Il interdit la réidentification des personnes ; Prisme n'en publie que des statistiques agrégées, sur assez de ventes. Voir DVF, mode d'emploi.

Formats et accès

Format long: Une ligne par indicateur, territoire et année, plutôt qu'une colonne par indicateur. Plus facile à filtrer, à empiler et à joindre ; c'est le format du cube de Prisme.
CSV: Fichier texte en colonnes séparées par une virgule ou un point-virgule. Lisible partout, mais sans types : un code commune comme 01001 peut y perdre son zéro initial à l'ouverture dans un tableur.
Parquet: Format de fichier en colonnes, compressé et typé, lu par DuckDB, Python, R ou Spark. Un outil peut n'en lire que les colonnes et les parties utiles, même à distance.
API: Une adresse web qui renvoie des données à la demande, filtrées selon les paramètres de la requête, plutôt qu'un fichier complet à télécharger.
JSON-stat: Format JSON des tableaux statistiques multidimensionnels, utilisé notamment par l'API d'Eurostat : les valeurs dans une liste, les dimensions (territoire, année, unité) décrites à part.