Initiation au data journalisme

Vous donnez les clés pour vous lancer et
vous perfectionner par vous-même.
1. Apprendre des techniques
2. Apprendre à utiliser un outil
3. Apprendre des concepts
4. Apprendre une manière de penser
3

Matin
10h: Propos liminaires
10h30: Projet 1 (débutant)
11h30: Projet 2 (débutant)
12h30: Intro aux regexes
13h: Lunch
Après-midi
14h: Projet 3 (intermédiaire)
17h00: Fin de la formation
5

 Pulitzer classique : https://www.flickr.com/photos/juggernautco/sets/72157607210036175/
 Application : https://www.lecho.be/monargent/immobilier/immoinvest.html
 Analyse : https://www.ft.com/content/62d782d6-31a7-11e7-9555-23ef563ecf9a
 Pure « dataviz » : https://www.hindustantimes.com/static/olympics/every-country-fastest-man-in-
one-race-100m/
 Enquête web : https://www.buzzfeednews.com/article/johntemplon/how-we-used-data-to-
investigate-match-fixing-in-tennis#.bjpMp0Rpw
 Mix de texte-viz : https://pudding.cool/2018/07/women-in-parliament/
8

http://www.ohmybox.info/datajournalisme.html

Stephen « Steve »
Doig
Type : journaliste « à l’ancienne »
Objectif : produire un bon article
Aime : l’odeur du papier
Type : « journo-codeur »
Objectif : produire une bonne appli web
Aime : la culture open source
1
0
Nicolas Kayser-Bril

Stephen « Steve »
Doig
Nicolas Kayser-Bril
C’est moi !
Type : journaliste « à l’ancienne »
Objectif : produire un bon article
Aime : l’odeur du papier
Type : « journo-codeur »
Objectif : produire une bonne appli web
Aime : la culture open source
1
1
lol

Utiliser des méthodes informatiques pour
automatiser des tâches fastidieuses;
Utiliser des données fiables pour
approcher le plus rigoureusement
possible d’une certaine vérité.
1
2

(Ou infographie,
ou statistiques...)
1
3

Mais il est loin d’être le seul
1
4

INFORMATIQUE
GÉNÉRALE
RELATIVEMENT À
L’AISE AVEC UN
ORDINATEUR
WEB
NOTIONS DE
HTML/CSS
DONNÉES
FAMILIARISÉ AVEC
LES FICHIERS
TABULAIRES (.CSV,
EXCEL…)
OUTILS
CONNAISSANCE
SUPERFICIELLE/MOYENNE
DE QUELQUES CLASSIQUES
(EXCEL/GOOGLE
SPREADSHEETS,
OPENREFINE, GOOGLE
FUSION TABLE…)
MATHÉMATIQUES
MOYENNE ET MÉDIANE,
CALCUL DE
POURCENTAGES…
1
5

Même des travaux de débutant
peuvent faire la une
1
6

« Ma question de départ était-elle la bonne ? »
2
4

 Boîte à outils de base
 Tout-en-un (relativement)
 Fait par des journalistes pour des journalistes
 Nouveau (et en phase de test)
 Modulaire et facilement extensible
 Open Source
 En ligne, mais installable en « local »
 Simple et didactique
 Met l’accent sur la reproductibilité (workflows)
3
0

Pour le public (crédibilité, vérification…)
Pour vos collègues/confrères (travail collaboratif,
partage de bonnes pratiques…)
Pour VOUS au moment d’écrire l’article.
Pour VOUS dans 6 mois.
3
1

VOUS ÊTES À LA
RÉDACTION…
3
3

LE JOURNAL PRÉPARE UN
DOSSIER SUR
MATHIEU KASSOVITZ
3
4

LE CHEF CULTURE
VIENT VOUS 3
5

Identifier les gens que Mathieu Kassovitz
aime sur Twitter
(C’est tout)
3
6

https://twitter.com/kassovitz1
3
9

Dès que je dis « regardez ! », merci de
lever les yeux pour regarder ce que je fais.
Quand je dis « c’est à vous », vous pouvez
commencer à reproduire ce que j’ai montré 
4
0

Ouvrez votre sessions sur :
4
1
https://app.workbenchdata.com/

4
2
Que représentent les lignes ?
Que contient chaque colonne ?
Y a-t-il des colonnes, valeurs, codes… que vousne
comprenez pas ?
Quelle est l’unité des valeurs ? (prix en euros ?)
Y a-t-il des valeurs manquantes ou clairement
erronées ?
Les données doivent-elles être nettoyées ?
(Inspiré deWorkbench)

Si tu vas au Delhaize, prends:
4
3
- 2 paquets de yaourt Donane
- 1 bocal de cornichons
- 2 bouteilles de Chianti
Ton lapinou

Quantité Type Produit Marque
2 paquet yaourt Donane
1 bocal cornichon *
2 bouteille vin Chianti
Si tu vas au Delhaize, prends:
- 2 paquets de yaourt Donane
- 1 bocal de cornichons
- 2 bouteilles de Chianti
Ton lapinou
4
4

ISBN TITLE AUTHOR PUBDATE PUBLISHER PUBLOCATION
9783640246991
Les Misérables -
Tome I - Fantine
Victor Hugo 2009-01-19 GRIN Publishing London
9782807302150
Introduction aux
humanités
numériques :
méthodes et
pratiques
Seth VanHooland 2016-06-05
de Boeck
Supérieur
Bruxelles
9782075047449
Notre-Dame de
Paris
Victor Hugo 2015-05-21 Gallimard Paris
9782253087663
Vernon Subutex
Tome 1
Virginie Despentes 2016-03-02 Grasset Paris
4
5

ISBN,TITLE,AUTHORS,PUBDATE,PUBLISHER,PUBLOCATION
9783640246991,Les Misérables - Tome I - Fantine,Hugo Victor,19/01/2009,GRIN
Publishing,London
9782807302150,Introduction aux humanités numériques : méthodes et pratiques,Seth
Van Hooland,05/06/2016,de Boeck Supérieur,Bruxelles
9782075047449,Notre-Dame de Paris,Victor Hugo,21/05/2015,Gallimard,Paris
9782253087663,Vernon Subutex Tome 1,Virginie Despentes,02/03/2016,Graset,Paris
4
6

ISBN,TITLE,AUTHORS,PUBDATE,PUBLISHER,PUBLOCATION
9783640246991,Les Misérables - Tome I - Fantine,Hugo Victor,19/01/2009,GRIN
Publishing,London
4
7
9782807302150,Introduction aux humanités numériques : méthodes et pratiques,Seth
Van Hooland,05/06/2016,de Boeck Supérieur,Bruxelles
…

ISBN;TITLE;AUTHORS;PUBDATE;PUBLISHER;PUBLOCATION
9783640246991;Les Misérables - Tome I - Fantine;Hugo Victor;19/01/2009;GRIN
Publishing;London
9782807302150;Introduction aux humanités numériques : méthodes et pratiques;Seth
Van Hooland;05/06/2016;de Boeck Supérieur;Bruxelles
9782075047449;Notre-Dame de Paris;Victor Hugo;21/05/2015;Gallimard;Paris
9782253087663;Vernon Subutex Tome 1;Virginie Despentes;02/03/2016;Graset;Paris
4
8

4
9
{
"9782075047449": {
"publisher": {
"publisher_name": "Gallimard",
"publisher_location": "Paris"
},
"title": "Notre-Dame de Paris",
"authors": {
"author": "Victor Hugo"
},
"pubdate": "2015-05-21",
"tags": {
"tag": [
"Romans - Historique",
"Classics",
"Juvenile Fiction",
"General"
]
}
}
}

<?xml version='1.0' encoding='utf-8’?>
<ma_bibliotheque>
<book>
<publisher>de Boeck Supérieur</publisher>
<isbn>9782807302150</isbn>
<title>Introduction aux humanités numériques : méthodes et pratiques</title>
<authors>
<author>Seth Van Hooland</author>
<author>Florence Gillet</author>
<author>Simon Hengchen</author>
<author>Max De Wilde</author>
</authors>
<pubdate>2016-06-05</pubdate>
</book>
</ma_bibliotheque>
5
0

Pays Année Valeur (OSEF)
France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
5
1

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays (groupés) Count(pays)
France 2
Allemagne 2
Chine 2
Compte par groupe
5
2

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays (groupés) Somme(Valeur)
France 3
Allemagne 3
Chine 8
Somme groupée
5
3

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays (groupés) Somme(Valeur)
France 3
Allemagne 3
Chine 8
Somme groupée
5
4

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays (groupés) Moyenne(Valeur)
France 1.5
Allemagne 1.5
Chine 4
Moyenne groupée
5
5

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays (groupés) Max(Valeur)
France 2
Allemagne 2
Chine 7
Maximum du groupe
5
6

5
9
Y
CE QUE L’ON COMPTE
X
LA QUANTITÉ

Pour voir les
corrélations
6
1

Pour les variables
continues
6
2

Pays Population
France 61 000 000
Belgique 11 000 000
Allemagne 82 000 000
6
6
Pays Superficie
France 547 030
Allemagne 357 021
Etats-Unis 9 631 418
Chine 9 596 960
Dataset 1
Dataset 2

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
France 547 030
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Pays Population Superficie
France 61 000 000 547 030
Belgique 11 000 000 null
Allemagne 82 000 000 357 021
Dataset joint « à gauche »
6
7

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
France 547 030
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Pays Population Superficie
France 61 000 000 547 030
Belgique 11 000 000 null
Allemagne 82 000 000 357 021
Dataset joint « à gauche »
6
8

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
France 547 030
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Dataset joint « à droite »
Pays Superficie Population
France 547 030 61 000 000
Allemagne 357 021 82 000 000
Etats-Unis 9 631 418 null
Chine 9 596 960 null
6
9

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
France 547 030
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Dataset joint « en interne »
France 547 030 61 000 000
Allemagne 357 021 82 000 000
7
0

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
FRANCE 643 801
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Allemagne 357 021 82 000 000
7
1

Pays Population
France 61 000 000
Belgique 11 000 000
Pays Superficie
France 643 801
Allemagne 357 021
Chine 9 596 960
Dataset 1
Dataset 2
Allemagne 357 021 82 000 000
7
2

VOUS ÊTES À LA
RÉDACTION…
7
4

NOUVEAU
REBONDISSEMENT
DANS L’AFFAIRE DE
LA #LIGUEDULOL
7
5

LE CHEF SOCIÉTÉ
VIENT VOUS 7
6

Identifier les gens les plus retweetés parmi
ceux qui discutent encore de la #ligueduLOL
7
7

Si vous le souhaitez, vous pouvez travailler par
groupes de deux voire trois en vous partageant
le projet.
7
8

On cherche des tweets sur un thème, et non les
tweets d’une personne en particulier.
On peut s’aider de « filtres » lors de la recherche
Notez que les colonnes renvoyées ne sont pas
exactement les mêmes
On s’intéresse au nombre de retweets
Tenir compte des doublons
7
9

Une (petite) série de symboles (?$*^()[]+d)
Permettent de retrouver et/ou remplacer des
motifs de texte
Indispensables pour travailler sérieusement sur
du texte brut
8
0

http://data.blog.lemonde.fr/2016/04/
08/panama-papers-un-defi- technique-
pour-le-journalisme-de- donnees/
Comment les journalistes du
Monde ont recherché des
numéros d’entreprises français
dans les Panama Papers
8
1

Démo : https://regex101.com/r/MzK7Ak/7
8
2

Mini-exercice : matcher tous les « chiens » ou « chiennes »,ainsi
que « chienchien », mais pas chienchienchien ni chienlit
8
3
https://regex101.com/r/MzK7Ak/7

 A première vue effrayantes :
b((+|00)32s?|0)4(60|[789]d)(-|/|s|.|)(d{2})4(d{2})4(d{2})b
 Mais finalement pas plus que :
MMCCCLXXXVIII (2388)
Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz (« loi
sur le transfert des obligations de surveillance de l'étiquetage de la viande
bovine »)
8
4

 https://regex101.com/r/8zGHYb/2
8
5

Suivez le lien ci-dessous et :
8
6
Essayez de « matcher » les adresses email (et
seulement elles).
https://regex101.com/r/LqTv7c/3

VOUS ÊTES À LA
RÉDACTION…
8
9

UNE DÉPUTÉE FÉDÉRALE
PUBLIE UN TWEET
POLÉMIQUE… 9
0

LA CHEFFE POLITIQUE
VIENT VOUS 9
2

A l’aide d’un fichier de l’activité des députés
fédéraux :
Fact-checking : vérifier si, à vue d’œil, il y a du
vrai dans la déclaration de la députée - à savoir
que les jeunes élues sont particulièrement
actives.
94

Si vous le souhaitez, vous pouvez travailler par
groupes de deux ou trois en vous partageant le
projet.
95

51 pages web
96
https://fr.wikipedia.org/wiki/Liste_d
es_Premiers_ministres_de_Belgique

Nom Naissance Parti
Charles Michel 21/12/1975 MR
Elio Di Rupo 18/07/1951 PS
Yves Leterme 06/10/1960 CD&V
Herman Van Rompuy 31/10/1947 CD&V
… … …
97

Processus qui consiste à convertir
automatiquement des ressources présentes sur le
web en un format structuré.
Un script informatique parcourt une série de
pages web et extrait certains éléments.
Le résultat est le plus souvent renvoyé sous forme
de tableau (csv, Excel…).
98

 http://www.lachambre.be/kvvcr/show
page.cfm?section=/depute&language
=fr&cfm=/site/wwwcfm/depute/cvlist5
4.cfm
99

1. Rendez-vous sur la page de départ avec la liste des députés. Copiez l’URL de cette page.
2. Ouvrez le web développer de Chrome (F12), et allez dans l’onglet web scraper.
3. Créez une nouvelle « Sitemap » en indiquant comme « Start URL » celle de votre page de départ.
Donnez un nom à votre sitemap, par exemple « députés fédéraux »
4. Cliquez sur « add new selector ». Une fois l’outil ouvert, cliquez sur « select » et donnez quelques
exemples de ce que vous voulez sélectionner, jusqu’à ce que le logiciel comprenne. N’oubliez pas de
cliquer ensuite sur « Done selecting ! ».
5. Sélectionnez dans la liste déroulante « Type » la catégorie adéquate (par exemple « links »), cochez
au besoin la case « Multiple ». Donnez un nom au sélecteur et sauvegardez.
6. Cliquez sur le sélecteur que vous venez de créer. En même temps, cliquez sur l’un des liens de la
page afin d’afficher à l’écran les informations que vous souhaitez récupérer.
7. Ajoutez de nouveaux sélecteurs pour extraire des éléments de la page (comme aux étapes 4 et 5).
8. Une fois terminé, cliquez sur le menu « Sitemap député fédéraux », puis sur « scrape ». Patientez.
9. Une fois le scraping terminé, cliquez sur « refresh ».
10. Si le résultat vous convient, cliquez à nouveau sur « sitemap député fédéraux », puis sur « Export data
as CSV ». Sauvegardez le CSV sur votre bureau.
10
0

String 1 String 2 Question
Désiré Marcel marcel, desire MÊME CHOSE ?
10
1

String 1 String 2 Opérations
Désiré Marcel marcel, desire Début
désiré marcel marcel, desire Tout en minuscules 1
désiré marcel marcel desire Ponctuation, espaces en trop… 2
desire marcel marcel desire Diacritiques 3
desire marcel desire marcel Ordre alphabétique 4
desire marcel desire marcel Comparaison 5
MATCH ! 6
10
2

Note : le fingerprint est un algorithme
plutôt sûr, mais limité.
Céréale == cereale
Céréale != Céérale
Céréale != Céréales
10
3

 Comment estimer la différence entre les deux mots suivants :
10
4
INTENTION
EXECUTIO
N

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
10
7

France 2010 1
Allemagne 2010 1
France 2011 2
Chine 2010 1
Allemagne 2011 2
Chine 2011 7
Pays 2010 2011
France 1 2
Allemagne 1 2
Chine 1 7
10
8

Pays Année Valeur
France 2010 1
France 2011 2
Allemagne 2010 1
Allemagne 2011 2
Chine 2010 1
Chine 2011 7
Pays 2010 2011
France 1 2
Allemagne 1 2
Chine 1 7
10
9

France Allemagne Chine
2010 1 1 1
2011 2 2 7
2010 2011
France 1 2
Allemagne 1 2
Chine 1 7
11
0

Summer School AJPro 2018 (souviens-toi, l’été dernier…)
11
4

Nous aurions pu en voir beaucoup plus
Nous avons survolé les outils et techniques
11
6

N’hésitez pas à vous former de votre côté
A demander des formations AJPro, publiques
ou pour entreprise
A utiliser votre service après-vente :
3 questions par mail chacun.e !
11
7

Documentation des modules :
http://help.workbenchdata.com/modules
Quelques tutoriels :
https://app.workbenchdata.com/lessons/
Initiation au DDJ :
https://app.workbenchdata.com/courses/intro- to-
data-journalism/first-story
11
8

 Un screencast en français (de moi) :
https://www.youtube.com/watch?v=-cxNhoVufEo
 Documentation : https://www.webscraper.io/documentation
 Tutos : https://www.webscraper.io/tutorials
 Forum : https://forum.webscraper.io/latest
11
9

 RegExr ou Regex101: pour tester vos expressions
 Regexpert : pour visualiser des expressions complexes
 RegexOne : tutoriel pour les apprendre
 Regex Cheat Sheet : en attendant de les retenir
 Regular-expressions.info : une référence
 Regular expressions library : des regex toutes faites
12
0

Initiation au data journalisme

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Initiation au data journalisme

Similaire à Initiation au data journalisme (20)

Plus de Ettore Rizza

Plus de Ettore Rizza (6)

Initiation au data journalisme