Comment utiliser les jeux de données de l'INSEE

Le catalogue de données permet de mettre à disposition un ensemble de jeux de données statistiques d’analyse variées, géographiques (commune, département, région…) ou le millésime des données, et d’extraire des tableaux ou des données pour une lecture personnalisée et des modalités, mais il est possible d’afficher les codes ou les deux dans l'explorateur de données.

Pour accéder et exploiter ces ressources, la documentation de data.gouv.fr et les guides sur les données constituent des supports essentiels. L’Insee, et plus largement le service statistique public, collecte des informations d’origines diverses, notamment par des enquêtes sur échantillons ou par la réutilisation à des fins statistiques de données administratives, et propose une approche d’appariements pour construire des statistiques complètes.

Structure et accès aux jeux de données

Les jeux de données sont accessibles via la déclinaison de chaque thème, avec une option de visualisation avant téléchargement. Les facettes à gauche permettent de filtrer selon différents critères et les jeux de données s’affichent à droite, obtenant leur description et la possibilité de construire des extractions de tableaux dynamiquement.

Les « hypercubes » dont les dimensions sont les axes d’analyse permettent de naviguer entre les dimensions telles que le sexe, l’âge ou le statut d’emploi. Le modèle SDMX et le Data Structure Definition (DSD) décrivent les dimensions et les attributs, leurs valeurs et leurs unités pour assurer une cohérence entre sources.

Pour bien décrire les jeux de données, des standards internationaux comme DCAT et RMéS (référentiel de métadonnées statistiques de l’Insee) sont mobilisés. Cela facilite le catalogage, la diffusion et l’accès via Melodi, le projet de modernisation qui propose une API unique pour l’accès aux données publiques de l’Insee.

Utilisation pratique et concepts clés

Pour apparier des fichiers et construire des statistiques exhaustives, on recourt à des données issues de sources multiples. Des exemples concrets montrent comment apparier des données de revenus avec des sources fiscales et sociales pour obtenir une vue complète des revenus des ménages via le dispositif Filosofi, ou comment reconstituer des parcours professionnels et scolaires par appariement sur plusieurs années.

La réutilisation des données peut prendre la forme d’une visualisation, d’une application, ou d’un article de presse. Suivre et mesurer les usages passe par des enquêtes auprès des réutilisateurs et par la consultation des retours sur data.gouv.fr, afin d’ajuster l’offre et les formats.

Cas d’usage et exemples

Tableaux et chiffres économiques avec les comptes nationaux et les indices de prix, présentés dans des tableaux et des graphiques simples et clairs.
Parcours scolaires et carrières professionnelles suivis dans le temps grâce à des panels comme les trajectoires mensuelles d’activité d’entreprises sur 2019-2020.
Évaluation d’aides sociales ou d’aides à destination des entreprises par appariements sur des périodes successives et comparaison avec une situation de référence.
Exemple de l’échantillon démographique permanent (EDP) qui appare des recensements et de l’état civil pour étudier la mobilité et les évolutions des ménages.

Pour interroger le jeu de données, les outils de datavisualisation s’appuient généralement sur des APIs (ou web services). L’Insee s’est engagé dans Melodi pour faciliter l’accès grâce à une API unifiée et à des API complémentaires, facilitant les appels directs à la base de données et l’extraction ciblée des informations.

Bonnes pratiques et qualité des données

La qualité des données est primordiale pour leur lisibilité et leur exploitation par des chercheurs ou des acteurs locaux. Il est important de proposer des données faciles à trouver et à comprendre, en respectant les normes DCAT et RMéS, et en veillant à ce que les métadonnées décrivent clairement les dimensions, les modalités et les unités. La pratique consiste aussi à éviter de surcharger les questionnaires et à privilégier l’utilisation de données administratives lorsque cela est possible, afin de limiter les enquêtes et de réduire la charge des répondants.

Les appariements entre sources permettent d’obtenir des statistiques plus riches, mais nécessitent des considérations de confidentialité et de proportionnalité. Le cadre européen et les cadres nationaux guident ces pratiques pour préserver la sécurité et la confidentialité des individus tout en maximisant l’utilité statistique.

Exemples et ressources associées

Extraits, guides et bases de documentation couvrent les différents aspects: guides sur les données, documentation ecologie.data.gouv.fr, fiches sur l’Annuaire des Entreprises, et références bibliographiques pour comprendre les concepts comme les cubes, les slices et les dice, et les notions d’OLAP et de SDMX.

La modernisation Melodi vise à rendre l’offre de données plus à jour, lisible et accessible, avec des téléchargements variés (incluant XLSX) et une large diffusion des séries historiques et des fichiers Excel, ce qui permet d’extraire rapidement des informations pertinentes pour des analyses à court ou long terme.

balises: #Insee