Le label « Maison des Illustres », décerné par le ministère de la culture, valorise des logements et lieux, sur le territoire français et à l’étranger, dont les occupants ont marqué l’histoire de France. Ce label permet donc de garder ces endroits dans la mémoire nationale. Le jeu de données initial “maison-des-illustres” fournit donc les noms de lieux, leurs coordonnées géographiques (géolocalisation, ville, département, région, pays, code postal), un début de biographie des illustres occupants, l’identité des actuels propriétaires des lieux, liens et tags vers des ressources extérieures. Ce jeu de données est déjà bien complet et exhaustif. Cependant, nous avons décidé de l'enrichir par des données qui fournissent des qualificatifs et des renseignements sur les lieux de la base (ex: style d’architecture, lieu de naissance, rôle et emploi actuel du lieu, etc…), des données dont nous pensons que l’étude et la visualisation seront pertinentes pour en apprendre davantage sur les caractéristiques de ces “Maisons des Illustres”.
Transformation de la colonne “code_id” :
initial, CODE ID, étaient définies ainsi: APN00_”numéro de département”_”ID Mérimée”. L’ ID Mérimée identifie les objets de la base Mérimée, base de données qui regroupe des notices sur le patrimoine architectural français. Aussi il nous semble judicieux d’arranger cette colonne afin de ne retenir que la chaîne de caractère correspondant à l’ “IDMérimée”, identifiant qui est connu sur Wikidata. Ainsi, avoir une colonne ne contenant que le “IDMérimée” dans le dataset initial et le ou les dataset(s) secondaire(s) permettra la jointure de ces tables de données.
pour saisir et éliminer la première partie de l’ID : APN00_[0-9]*_ Signalisation des personnes physiques nommées
- Nous avons décidé de produire un champ contenant le nom des personnes illustres. Pour ce faire, nous comptons employer une série d’expressions régulières adaptées à la colonne “Descriptif” pour en extraire les prénoms, noms et dates de vie des personnes concernées. Cela est possible du fait de l’indication quasi systématique des dates de vie, mais des expressions régulières supplémentaires sont nécessaires pour traiter des cas particuliers (tels que des noms contenant plus de deux mots ou les cas où plusieurs personnes sont visées). Pour faire ce relevé, on ne peut pas passer par Wikidata car malgré ses notices sur les “Maisons des Illustres”, ces dernières ne comportent pas forcément d’informations sur les “personnes illustres” qui les ont habité. Création d’un champ “année de labellisation" Reformatage du champ "tag_annee_de_labellisation" et de ses valeurs pour en faire un champ "année de labellisation" avec en valeur date les années. Suppression de données Le dataset originel contient plusieurs champs “tag” (“tag_architecture_contemporaine_remarquable”, “tag_litterature_et_idees”, “tag_tourisme_et_handicap, etc…). Parmi ceux-ci se trouvent le champ “tag_maison_des_illustres” que nous ne jugeons pas pertinent (puisque s’agissant de la table “Maison des Illustres” il est inutile d’avoir un champ qui réitère cette information). Nous préférons donc supprimer ce champ.
Recherche et association d’informations depuis Wikidata Afin d’enrichir la base initiale, nous souhaitons via une requête SPARQL interroger Wikidata et lui demander de nous ressortir diverses informations pour toute notice ayant le label “Maison des Illustres”. Nous avons donc réalisé la requête suivante (requête SPARQL). Cette requête permet de récupérer les informations de type: ID Mérimée : Wikidata connaît l’ID Mérimée des “maisons des illustres”. Cependant, nous obtenons des doublons car Wikidata nous sort systématiquement deux id labellisés “ID Mérimée”, un id type “PA” et un second id type “MI”. Ceci n’est pas un problème car il nous suffira d’utiliser sur Dataiku l’ID Mi pour faire le mash-up avec un JOIN sur la colonne CODE ID (préalablement transformée) du jeu original. Ainsi nous pourrons regrouper nos tables et éliminer les doublons. De plus, nous espérons grâce à cet id récupérer d’autres informations comme des descriptions en prose dans des graphes tels que sur DBpedia. Type de lieux, champ “type_maisonLabel” : informations sur les statuts des lieux concernés (maison, château, musée, etc.). Cela pourra être exploité pour construire des data-visualisations interactives. A noter qu’un site peut avoir plusieurs propriétés P31 (une “Maison des illustres” peut à la fois être un “château” et un “musée”) ce qui multiplie les résultats : il faudra donc faire un tri et multiplier les colonnes sur Dataiku afin d’éliminer les entrées en doublon tout en gardant ces informations. On peut envisager ainsi une colonne qui indique le style architecturale du lieu (ex: “château”, “abbaye”, “villa”, etc…), une autre qui valide si les sites sont des maisons natales ou une autre encore qui indiquerait l’emploi actuel du lieu (ex: “musée”, “musée d’art”, “bibliothèque”, etc…).
récupération d’images des sites et des lieux si il y en a. Personnages historiques concernées : La requête permet de récupérer quelques personnages historiques concernés, et liés aux sites par des propriétés diverses (propriétaire, occupant, maison de naissance). Cependant, les résultats sont très peu satisfaisants car ces renseignements sont extrêmement lacunaires. nom labellisé des lieux: Nous choisissons de récupérer les noms des “maisons illustres” sur Wikidata pour faire figure d’autorité. Nous devrons donc, via Dataiku, supprimer la colonne “nom_de_la_maison” du dataset d’origine et conserver les valeurs du champ “itemLabel” du dataset secondaire en guise de référence pour les noms des lieux.
Grâce à l’ID Mérimé, il est question d’aller chercher des descriptions en prose plus élaborées sur DBpedia. Il est pertinent aussi d’explorer la possibilité de récupérer plus de personnages historiques liés aux sites. Cette requête n’a pas encore été construite.
Le jeu de données originales a été exploité pour créer cette carte : https://www.culture.gouv.fr/Aides-demarches/Protections-labels-et-appellations/Com posants-Labels/MdI/Carte-des-Maisons-des-illustres#/search@46.5601528,0.84710 88,6.47
Nous proposons de créer un instrument cartographique plus élaboré et l’accompagner de datavisualisations pertinentes. La carte proposée serait une version améliorée de la première qui a été construite dans le cadre du devoir. Elle permettrait de visualiser et isoler des départements et des régions pour connaître les sites qu’ils contiennent. Pour les régions ou départements avec de nombreuses maisons (Île de France par exemple), des cartes individuelles pourront être construites.
La carte garderait certains éléments déjà mis en oeuvre, notamment l’affichage de la description de chaque maison lors du survol avec la souris, et l’indication des personnages concernés extraits de ces descriptions avec une regex adaptée. De plus, nous savons que OpenStreetMap France propose des fichiers svg traçant les contours des départements et régions de France. Il serait intéressant de les utiliser pour créer une cartographie sur plusieurs niveaux : https://www.openstreetmap.fr/donnees/ “Contours des départements issus d’OpenStreetMap” “Contours des régions françaises sur OpenStreetMap”
- ces fichiers indiquent pour chaque département ou région son code INSEE
- ils ne peuvent être téléchargés que sur le lien ci-dessus et sont indiqués comme non disponibles sur data.culture.gouv Quant aux informations géographiques, le jeu de données original est en principe très complet : il indique les codes de département, les noms des villes, les coordonnées. Cela a suffit à construire une carte exploitable pour le premier rendu. Il serait tout de même possible de nettoyer, corriger ou préciser ces informations avec des jeux de données tels que le Code officiel géographique (COG) de l’INSEE (https://www.insee.fr/fr/information/2560452#:~:text=Il%20est%20possible%20de%2 0les,API%20d'insee.fr) ou à partir de GeoNames. En normalisant les codes ou appellations, on aurait ainsi un jeu plus adapté à certains traitements secondaires, tels que la signalisation de métros et gares de trains proches des sites (https://ressources.data.sncf.com/explore/dataset/liste-des-gares/table/ ). GeoNames réunit d’ailleurs des liens vers ce type de ressources : https://www.geonames.org/countries/FR/france.html Visualisations des qualificatifs et historiques des sites
Grâce au champ “année de labellisation” préalablement organisé, nous pourrions utiliser les valeurs de ce champ pour produire un graphe en courbe présentant le nombre de labels “Maison des Illustres” décernés en France au cours de la dernière décennie. Nous pourrions imaginer d’aller plus loin en faisant plusieurs courbes, chacune représentant une caractéristique choisie parmi certaines valeurs du champ “type maisonLabel” (ex: château, maison, abbaye, etc…). Les types des sites des “Maisons des Illustres” Pour poursuivre sur le thème du type des maisons, il serait bien sûr intéressant de continuer d’exploiter les valeurs du champ “type maisonLabel”. Il pourrait être pertinant de représenter la variété des formes architecturales (château, abbaye, villa, etc…) avec un diagramme en secteur ou en colonne. Par ailleurs, il serait aussi intéressant d’étudier cette variété des styles et leur répartition géographique en les localisant et en les distinguant sur une carte. Ces représentations de la forme architecturale des “Maisons des Illustres” peuvent aussi s’appliquer à l’étude de “l’emploi actuel” de ces lieux (“musée”, “bibliothèque”, etc…). Réseaux sociaux Le jeu de données original propose des liens vers les réseaux sociaux utilisés par les sites concernés. Ces informations pourraient être utilisées pour construire un feed fédérant les nouvelles des “Maisons des illustres”.
Les tags avaient été utilisés pour un graphique dans le premier rendu. Celui-ci pourrait être amélioré si cela permet une recherche par facettes sur la carte, ou bien d’obtenir une liste des sites avec des tags spécifiques.