À retenir
- Elles sont fidèles à la source mais souvent illisibles telles quelles.
- Elles peuvent contenir des erreurs, des doublons ou des valeurs manquantes.
- Elles constituent la fondation indispensable de toute analyse fiable.
Les données brutes désignent des informations collectées à la source qui n'ont subi aucune modification, correction ou analyse. C'est l'équivalent numérique des ingrédients crus d'une recette : ils contiennent tout le potentiel nécessaire, mais doivent être préparés avant d'être consommés ou compris.
Étymologie
Le terme vient du latin data (« choses données ») et de l'adjectif français brut, qui qualifie ce qui est à l'état naturel, non raffiné (comme pour le pétrole ou le diamant). En informatique, cela souligne que l'information est extraite directement d'une machine ou d'un capteur sans intervention humaine.
Exemples d'usage
- Les fichiers de journaux (logs) d'un serveur web qui enregistrent chaque clic sans distinction.
- Les relevés de température envoyés chaque seconde par une sonde météo, incluant parfois des erreurs de lecture.
- Les réponses textuelles exactes d'un sondage, avec les fautes de frappe des participants.
Cas d'usage
On les utilise principalement en Big Data et en science des données pour conserver une trace historique inaltérée. Elles servent de point de départ pour l'intelligence artificielle, l'analyse statistique ou l'audit de sécurité après un incident informatique.
Bonnes pratiques
Il est crucial de ne jamais modifier le fichier de données brutes original. La règle d'or est de toujours travailler sur une copie et de conserver l'original dans un stockage sécurisé et immuable (lecture seule) pour pouvoir recommencer le traitement en cas d'erreur de calcul ultérieure.
Synonymes
Antonymes
Conseil
Si vous débutez en analyse de données, voyez les données brutes comme un négatif photo : c'est la preuve originale. Avant de chercher à les interpréter, apprenez à les 'nettoyer' (data cleaning) pour supprimer ce qui n'est pas pertinent pour votre objectif.
Questions fréquentes
Pourquoi ne pas utiliser directement les données brutes ?
Parce qu'elles sont souvent trop volumineuses et parsemées de 'bruit' (erreurs, données inutiles) qui fausseraient les conclusions si elles n'étaient pas nettoyées.
Est-ce que les données brutes prennent beaucoup de place ?
Oui, car elles conservent chaque micro-événement sans résumé, ce qui nécessite des capacités de stockage importantes, souvent dans des 'Data Lakes'.