Informatique et traitement de données
L'épreuve d'informatique et de traitement de données vérifie la maîtrise des bases de données relationnelles et de SQL, la compréhension d'un algorithme simple, la connaissance des langages usuels (R, Python, SAS) et la capacité à raisonner sur la qualité, la protection et la reproductibilité des données.
SQL : l'ordre logique d'exécution
FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY. Conséquence directe : WHERE ne peut pas filtrer sur un agrégat, HAVING le peut. Une jointure interne élimine les lignes sans correspondance ; LEFT JOIN les conserve. COUNT(*) compte les lignes, COUNT(colonne) ignore les valeurs NULL, COUNT(DISTINCT colonne) dédoublonne. Toute comparaison avec NULL renvoie NULL : utiliser IS NULL.
Exemple travaillé
Tables : menages(id_menage, dept) et individus(id_individu, id_menage, age). Objectif : nombre de ménages par département comptant au moins un membre de plus de 75 ans.
SELECT m.dept, COUNT(DISTINCT m.id_menage) AS nb FROM menages m JOIN individus i ON i.id_menage = m.id_menage WHERE i.age > 75 GROUP BY m.dept;
Raisonnement : la jointure duplique chaque ménage autant de fois qu'il compte de membres âgés ; sans DISTINCT, un ménage avec deux seniors serait compté deux fois. Une écriture équivalente et souvent plus lisible utilise EXISTS avec une sous-requête corrélée sur individus.
Qualité, protection, reproductibilité
- RGPD : finalité déterminée, minimisation, limitation de conservation, sécurité ; les traitements à finalité statistique bénéficient de dérogations (article 89) mais restent encadrés.
- Secret statistique (loi du 7 juin 1951) : interdiction de diffuser des données permettant d'identifier une personne ou un établissement ; primauté sur les demandes extérieures.
- Reproductibilité : scripts versionnés (Git), données brutes conservées intactes, environnement et versions de packages documentés, commentaires explicites.
- Ne jamais confondre valeur manquante (NA) et zéro ; documenter tout traitement des valeurs extrêmes ou atypiques.
Pièges qui coûtent des points
COUNT(*) après jointure qui gonfle les effectifs ; filtrage d'un agrégat dans WHERE ; jointure interne qui supprime silencieusement des observations ; confusion entre NA et 0 ; oubli du secret statistique dans une question sur la diffusion ; requête non déterministe sans ORDER BY.