Rendre un travail sur données rejouable par un tiers

1. Un enjeu éditorial avant d’être technique

Trois situations rendent la reproductibilité indispensable. Une administration contexte un chiffre et demande son origine. Un an plus tard, une mise à jour du fichier appelle une actualisation de l’article. Une erreur est signalée et il faut déterminer si elle affecte une cellule ou l’ensemble du raisonnement. Sans traçabilité, chacune de ces situations coûte plusieurs jours et se solde souvent par un renoncement.

La reproductibilité ne suppose pas des outils sophistiqués. Elle suppose une organisation stable, des noms de fichiers explicites, un journal écrit et la conservation des données brutes. Une rédaction qui applique ces quatre principes obtient l’essentiel du bénéfice, y compris lorsqu’elle travaille principalement dans un tableur.

2. Arborescence de projet stable

Une structure de dossiers identique d’un projet à l’autre fait gagner un temps considérable. Une organisation courante sépare les données brutes, jamais modifiées, les données intermédiaires produites par le traitement, les scripts ou notes de traitement, les sorties destinées à la publication et la documentation. Chaque dossier contient une note expliquant ce qu’il abrite.

La règle la plus importante concerne le dossier des données brutes : il est en lecture seule, par convention et si possible techniquement. Toute transformation écrit ailleurs. Cette séparation garantit qu’un traitement raté n’a pas détruit le point de départ, et qu’une comparaison avec la source d’origine reste toujours possible.

3. Nommer pour retrouver

Un nom de fichier utile contient la date au format année-mois-jour, la source, l’objet et éventuellement un numéro de version. Le format de date international permet un tri chronologique naturel. Les espaces, les accents et les caractères spéciaux sont évités car ils compliquent le traitement automatisé et les échanges entre systèmes.

Les mentions vagues — « final », « corrigé », « v2 bis » — produisent exactement l’effet inverse de celui recherché. Un numéro de version incrémenté et un journal indiquant ce qui change à chaque version remplacent utilement ces étiquettes. La convention retenue importe moins que sa constance dans le temps et entre les personnes.

4. Journal d’analyse et décisions consignées

Le journal d’analyse consigne les décisions, pas les manipulations. Il répond à des questions du type : pourquoi cette période, pourquoi ces exclusions, pourquoi cette maille géographique, quelle hypothèse a été testée et abandonnée. Ces informations ne se déduisent pas d’un fichier de sortie et disparaissent définitivement si elles ne sont pas écrites sur le moment.

Un format simple suffit : un fichier texte daté, complété au fil du travail, avec une entrée par séance. Les hypothèses écartées y ont toute leur place, car elles empêchent de refaire deux fois la même impasse et permettent de répondre à un lecteur qui suggère une piste déjà explorée.

5. Scripts contre manipulations manuelles

Un enchaînement d’opérations écrit sous forme de commandes possède une propriété que le tableur n’a pas : il se relit, se corrige et se réexécute à l’identique. Il documente donc son propre traitement, à condition d’être commenté et de partir systématiquement du fichier brut. Le passage au script n’exige pas une formation longue lorsque les opérations restent simples.

Le tableur conserve toutefois deux usages irremplaçables : l’exploration rapide et la vérification visuelle d’un résultat. La règle pratique consiste à explorer dans le tableur, puis à reconstituer le traitement définitif de manière écrite. Toute opération manuelle qui subsiste doit apparaître explicitement dans le journal.

6. Rejouer, tester, comparer

Un traitement se teste comme un texte se relit. Trois contrôles suffisent souvent : recalculer un total connu par un autre chemin, vérifier qu’un cas particulier documenté produit le résultat attendu, et comparer la sortie à celle de la version précédente en expliquant chaque écart. Ces contrôles s’exécutent avant chaque publication et à chaque mise à jour.

L’exécution complète depuis le fichier brut, sur une machine différente ou par une autre personne, révèle les dépendances implicites : un fichier manquant, une étape réalisée à la main, une configuration locale. Ce test de bout en bout est l’équivalent, pour un traitement de données, de la relecture par un tiers pour un texte.

7. Publier données et méthode

Lorsque les licences le permettent et qu’aucune donnée personnelle n’est en jeu, la publication du fichier utilisé, de la note de méthode et des sorties intermédiaires renforce considérablement la crédibilité d’un travail. Elle facilite aussi la réutilisation par d’autres rédactions et par les milieux universitaires, ce qui prolonge la vie éditoriale du dossier.

La note de méthode publiée reste courte et structurée : source et millésime, périmètre retenu, transformations appliquées, indicateurs calculés, limites connues, date de dernière vérification. Ce format tient en une page et répond à la majorité des questions que se pose un lecteur exigeant.

8. Archiver et corriger dans le temps

Un dossier clos s’archive : copie des données brutes, traitement, sorties publiées, journal et échanges avec les administrations. L’archive est datée, décrite en quelques lignes et rangée selon une convention unique. Sans description, une archive devient un dossier inutilisable au bout de quelques mois.

La correction fait partie du cycle de vie. Lorsqu’une erreur est identifiée, la page corrigée porte une mention datée décrivant ce qui a changé, et l’archive conserve la version antérieure. Cette transparence vaut mieux qu’une modification silencieuse : elle montre que la rédaction contrôle son matériau plutôt qu’elle ne dissimule ses écarts.

Questions fréquentes