Technologie · Seconde

Idées d’apprentissage actif

Lecture et écriture de fichiers CSV

L'étude du CSV permet aux élèves de comprendre concrètement comment les données structurées circulent dans le monde réel. Ce format, à la fois simple et technique, offre une porte d'entrée tangible pour les concepts d'abstraction et de traitement automatisé. En travaillant directement avec des fichiers réels, les élèves visualisent immédiatement l'utilité de ces compétences dans des contextes scientifiques, économiques ou médiatiques.

• Programmes Officiels
• MEN: Lycee - Données structurées
• MEN: Lycee - Traitement des données

• 20–45 min
• Binômes → Classe entière
• 4 activités

Activité 01

• Résolution de problèmes en collaboration
• 30 min · Individuel

Atelier pratique : Lire un fichier CSV avec Python

Les élèves utilisent le module csv pour lire un fichier téléchargé depuis data.gouv.fr. Ils extraient des colonnes spécifiques, comptent les lignes et affichent un résumé statistique simple (minimum, maximum, moyenne).

Comment un script Python peut-il extraire et traiter automatiquement des données spécifiques depuis un fichier CSV ?

Conseil de facilitation

Pendant l'Atelier pratique, circulez entre les élèves pour vérifier qu'ils testent explicitement le changement de délimiteur (';' vs ',') avant de lire un fichier inconnu.

À observer

Fournir aux élèves un petit fichier CSV contenant des données sur les températures moyennes mensuelles d'une ville. Demander : 'Écrivez une ligne de code Python qui affiche uniquement la température du mois de juillet.' Vérifier la syntaxe et la logique d'accès aux données.

• Appliquer
• Analyser
• Évaluer
• Créer
• Compétences relationnelles
• Prise de décision
• Autogestion

Activité 02

• Résolution de problèmes en collaboration
• 45 min · Petits groupes

Défi collaboratif : Nettoyer des données sales

Chaque groupe reçoit un fichier CSV volontairement dégradé (valeurs manquantes, doublons, formats de date incohérents). Ils doivent écrire un script de nettoyage, documenter les anomalies trouvées et produire un fichier CSV corrigé.

Quels défis la qualité des données réelles pose-t-elle, notamment les valeurs manquantes et les formats incohérents ?

Conseil de facilitation

Lors du Défi collaboratif, insistez sur la verbalisation des étapes de nettoyage plutôt que sur la seule production de code correct.

À observer

Donner aux élèves un fichier CSV avec quelques erreurs (une valeur manquante, un format de date incohérent). Demander : 'Identifiez une anomalie dans ce fichier et proposez une ligne de code Python pour la corriger ou la signaler.' Évaluer la capacité à repérer et à suggérer une solution.

• Appliquer
• Analyser
• Évaluer
• Créer
• Compétences relationnelles
• Prise de décision
• Autogestion

Activité 03

• Penser-Partager-Présenter
• 20 min · Binômes

Penser-Partager-Présenter: csv.reader ou csv.DictReader ?

Après avoir testé les deux approches sur un même fichier, chaque élève note les avantages de chacune. En binôme, ils formulent une règle de choix. La classe construit ensemble un guide de bonnes pratiques.

Comment concevoir un programme pour nettoyer et normaliser des données issues de sources hétérogènes ?

Conseil de facilitation

Pour le Think-Pair-Share, demandez aux élèves de justifier leur choix de csv.reader ou csv.DictReader en comparant les deux sur un exemple concret avant de partager en groupe.

À observer

Présenter deux scripts Python : l'un utilisant le module `csv` standard, l'autre utilisant une bibliothèque externe comme `pandas` pour lire le même fichier CSV. Poser la question : 'Quels sont les avantages et les inconvénients de chaque approche pour lire des données CSV, en considérant la simplicité et la puissance de traitement ?'

• Comprendre
• Appliquer
• Analyser
• Conscience de soi
• Compétences relationnelles

Activité 04

• Apprentissage par projet
• 40 min · Binômes

Apprentissage par projet: Fusionner deux sources de données

Les élèves reçoivent deux fichiers CSV provenant de sources différentes (par exemple, population et superficie par département). Ils écrivent un script pour les fusionner par clé commune et calculer une donnée dérivée (densité).

Comment un script Python peut-il extraire et traiter automatiquement des données spécifiques depuis un fichier CSV ?

À observer

Fournir aux élèves un petit fichier CSV contenant des données sur les températures moyennes mensuelles d'une ville. Demander : 'Écrivez une ligne de code Python qui affiche uniquement la température du mois de juillet.' Vérifier la syntaxe et la logique d'accès aux données.

• Appliquer
• Analyser
• Évaluer
• Créer
• Autogestion
• Compétences relationnelles
• Prise de décision

Quelques notes pour enseigner cette unité

Commencez par montrer des exemples de fichiers CSV réels, notamment des jeux de données locaux ou des fichiers open data. Évitez de présenter le CSV comme un simple exercice technique : liez-le à des enjeux concrets comme l'analyse de données électorales ou environnementales. Insistez sur le fait que la lecture de données n'est pas une fin en soi, mais une étape vers leur interprétation. Encouragez les élèves à documenter leurs choix de code (pourquoi utiliser DictReader ? pourquoi gérer les erreurs ?) pour renforcer la transparence de leur démarche.

Les élèves doivent être capables de lire un fichier CSV en Python, d'en extraire des données spécifiques et de produire un fichier propre et fonctionnel. Ils comprennent que la manipulation de données implique non seulement du code, mais aussi de la rigueur dans la gestion des erreurs et des formats. Leur travail reflète cette double compétence : technique et méthodologique.

---

Attention à ces idées reçues

• During Atelier pratique : Lire un fichier CSV avec Python, certains élèves pensent que tous les fichiers CSV utilisent la virgule comme séparateur.

  Utilisez des fichiers CSV réels issus de data.gouv.fr ou d'INSEE dans l'atelier pour montrer que le point-virgule (;) est courant en France. Demandez aux élèves de modifier manuellement le paramètre delimiter dans leur code pour lire correctement ces fichiers.

• During Défi collaboratif : Nettoyer des données sales, les élèves croient que la lecture du fichier suffit à garantir la qualité des données.

  Dans le défi, fournissez un fichier avec des doublons, des valeurs manquantes ou des formats incohérents. À la fin de l'activité, faites présenter chaque groupe ses critères de nettoyage et les anomalies détectées, en insistant sur l'importance de ces étapes.

• During Think-Pair-Share : csv.reader ou csv.DictReader ?, les élèves pensent que le format CSV est dépassé par Excel ou pandas.

  Présentez des exemples de fichiers CSV lus par des systèmes variés (logiciels statistiques, sites web, bases de données) et comparez avec les limites des formats binaires comme Excel. Montrez comment le CSV reste le standard pour l'échange inter-systèmes.

---

Méthodes utilisées dans ce dossier

• Résolution de problèmes en collaboration
• Penser-Partager-Présenter
• Apprentissage par projet