# Rapport de Contrôle Qualité des Données **Date de génération :** 2026-08-30T02:00:22.533984+00:00 **Périmètre d'audit :** Phase Industrielle 7 — Contrôle Qualité des Données **Nombre de fichiers analysés :** 6 **Volume total d'observations :** 1500 lignes --- ## 1. Synthèse Exécutive Un contrôle qualité complet a été effectué sur l'ensemble des jeux de données de la Phase 7. L'audit couvre **9 dimensions fondamentales** : doublons, identifiants dupliqués, valeurs manquantes, types incohérents, catégories inattendues, valeurs impossibles, valeurs aberrantes, distributions suspectes et cohérence entre variables. ### Répartition des Problèmes par Niveau de Gravité - **CRITIQUE :** `0` problème(s) - **IMPORTANT :** `24` problème(s) - **MINEUR :** `6` problème(s) - **TOTAL DÉTECTÉ :** `30` anomalie(s) | Fichier / Source | Dimensions (L, C) | Doublons | Manquants | Anomalies détectées | CRITIQUE | IMPORTANT | MINEUR | |---|---|---|---|---|---|---|---| | `effectifs_classes_ecoles_simulees.csv` | 250 x 5 | 0 | 0 | 4 | 0 | 3 | 1 | | `evaluations_cm1_simulees.csv` | 250 x 8 | 0 | 0 | 8 | 0 | 7 | 1 | | `evaluations_cm2_simulees.csv` | 250 x 8 | 0 | 0 | 8 | 0 | 7 | 1 | | `ips_ecoles_simulees.csv` | 250 x 5 | 0 | 0 | 3 | 0 | 2 | 1 | | `referentiel_etablissements_simule.csv` | 250 x 7 | 0 | 0 | 2 | 0 | 1 | 1 | | `socle_numerique_ecoles_simule.csv` | 250 x 11 | 0 | 0 | 5 | 0 | 4 | 1 | --- ## 2. Bilan Détaillé selon les 9 Dimensions de Qualité ### 1. Doublons (Lignes identiques) Aucun problème détecté dans cette dimension. ### 2. Identifiants Dupliqués Aucun problème détecté dans cette dimension. ### 3. Valeurs Manquantes Aucun problème détecté dans cette dimension. ### 4. Types et Formats Incohérents - **[MINEUR]** **Fichier :** `effectifs_classes_ecoles_simulees.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. - **[MINEUR]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. - **[MINEUR]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. - **[MINEUR]** **Fichier :** `ips_ecoles_simulees.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. - **[MINEUR]** **Fichier :** `referentiel_etablissements_simule.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. - **[MINEUR]** **Fichier :** `socle_numerique_ecoles_simule.csv` | **Variable :** `department` - **Description :** Le département est stocké au format numérique (int64) au lieu d'une chaîne de caractères normalisée avec zéro initial (ex. '01', '06'). - **Preuve (evidence) :** `{'dtype': 'int64', 'sample': [1, 1, 75, 76, 75]}` - **Action / Justification requise :** Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. ### 5. Catégories et Modalités Inattendues Aucun problème détecté dans cette dimension. ### 6. Valeurs Impossibles et Limites Métier Aucun problème détecté dans cette dimension. ### 7. Valeurs Aberrantes (Outliers) - **[IMPORTANT]** **Fichier :** `effectifs_classes_ecoles_simulees.csv` | **Variable :** `effectif_eleves` - **Description :** La colonne effectif_eleves contient des valeurs atypiques (0 selon l'IQR 1.5, 245 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 245, 'iqr_bounds': [-132.875, 536.125], 'min': 41.0, 'max': 359.0, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `effectifs_classes_ecoles_simulees.csv` | **Variable :** `nb_classes_total` - **Description :** La colonne nb_classes_total contient des valeurs atypiques (0 selon l'IQR 1.5, 143 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 143, 'iqr_bounds': [-5.5, 22.5], 'min': 2.0, 'max': 15.0, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `effectifs_classes_ecoles_simulees.csv` | **Variable :** `nb_classes_beneficiaires` - **Description :** La colonne nb_classes_beneficiaires contient des valeurs atypiques (7 selon l'IQR 1.5, 107 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 7, 'zscore_count': 107, 'iqr_bounds': [-4.0, 12.0], 'min': 0.0, 'max': 14.0, 'sample': [13, 14, 13, 13, 14]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `taux_maitrise_francais` - **Description :** La colonne taux_maitrise_francais contient des valeurs atypiques (0 selon l'IQR 1.5, 186 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 186, 'iqr_bounds': [34.2638, 77.5537], 'min': 37.4, 'max': 75.58, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `taux_maitrise_mathematiques` - **Description :** La colonne taux_maitrise_mathematiques contient des valeurs atypiques (1 selon l'IQR 1.5, 178 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 1, 'zscore_count': 178, 'iqr_bounds': [32.4412, 73.7912], 'min': 28.26, 'max': 72.69, 'sample': [28.26]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `taux_maitrise_global` - **Description :** La colonne taux_maitrise_global contient des valeurs atypiques (0 selon l'IQR 1.5, 166 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 166, 'iqr_bounds': [36.7312, 72.1612], 'min': 39.52, 'max': 70.63, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `taux_maitrise_francais` - **Description :** La colonne taux_maitrise_francais contient des valeurs atypiques (0 selon l'IQR 1.5, 190 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 190, 'iqr_bounds': [33.36, 82.16], 'min': 34.58, 'max': 75.37, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `taux_maitrise_mathematiques` - **Description :** La colonne taux_maitrise_mathematiques contient des valeurs atypiques (1 selon l'IQR 1.5, 166 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 1, 'zscore_count': 166, 'iqr_bounds': [34.0613, 73.3113], 'min': 32.69, 'max': 71.34, 'sample': [32.69]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `taux_maitrise_global` - **Description :** La colonne taux_maitrise_global contient des valeurs atypiques (0 selon l'IQR 1.5, 160 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 160, 'iqr_bounds': [37.6513, 73.2412], 'min': 41.87, 'max': 70.56, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `ips_ecoles_simulees.csv` | **Variable :** `ips_ecole` - **Description :** La colonne ips_ecole contient des valeurs atypiques (2 selon l'IQR 1.5, 225 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 2, 'zscore_count': 225, 'iqr_bounds': [53.48, 147.06], 'min': 46.64, 'max': 150.65, 'sample': [150.65, 46.64]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `socle_numerique_ecoles_simule.csv` | **Variable :** `effectif_eleves` - **Description :** La colonne effectif_eleves contient des valeurs atypiques (0 selon l'IQR 1.5, 245 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 245, 'iqr_bounds': [-132.875, 536.125], 'min': 41.0, 'max': 359.0, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `socle_numerique_ecoles_simule.csv` | **Variable :** `nb_classes_total` - **Description :** La colonne nb_classes_total contient des valeurs atypiques (0 selon l'IQR 1.5, 143 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 0, 'zscore_count': 143, 'iqr_bounds': [-5.5, 22.5], 'min': 2.0, 'max': 15.0, 'sample': []}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `socle_numerique_ecoles_simule.csv` | **Variable :** `nb_classes_beneficiaires` - **Description :** La colonne nb_classes_beneficiaires contient des valeurs atypiques (7 selon l'IQR 1.5, 107 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 7, 'zscore_count': 107, 'iqr_bounds': [-4.0, 12.0], 'min': 0.0, 'max': 14.0, 'sample': [13, 14, 13, 13, 14]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. - **[IMPORTANT]** **Fichier :** `socle_numerique_ecoles_simule.csv` | **Variable :** `ips` - **Description :** La colonne ips contient des valeurs atypiques (2 selon l'IQR 1.5, 225 selon le Z-score > 3). - **Preuve (evidence) :** `{'iqr_count': 2, 'zscore_count': 225, 'iqr_bounds': [53.48, 147.06], 'min': 46.64, 'max': 150.65, 'sample': [150.65, 46.64]}` - **Action / Justification requise :** Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. ### 8. Distributions Suspectes - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `year` - **Description :** La variable year est quasi constante : la modalité '2025' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': '2025', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `niveau` - **Description :** La variable niveau est quasi constante : la modalité 'CM1' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'CM1', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `source` - **Description :** La variable source est quasi constante : la modalité 'simulee' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'simulee', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `year` - **Description :** La variable year est quasi constante : la modalité '2025' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': '2025', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `niveau` - **Description :** La variable niveau est quasi constante : la modalité 'CM2' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'CM2', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `source` - **Description :** La variable source est quasi constante : la modalité 'simulee' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'simulee', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `ips_ecoles_simulees.csv` | **Variable :** `source` - **Description :** La variable source est quasi constante : la modalité 'simulee' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'simulee', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. - **[IMPORTANT]** **Fichier :** `referentiel_etablissements_simule.csv` | **Variable :** `source` - **Description :** La variable source est quasi constante : la modalité 'simulee' représente 100.00% des observations. - **Preuve (evidence) :** `{'top_value': 'simulee', 'share': 1.0}` - **Action / Justification requise :** Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. ### 9a. Cohérence Interne des Formules - **[IMPORTANT]** **Fichier :** `evaluations_cm1_simulees.csv` | **Variable :** `taux_maitrise_global` - **Description :** 46 lignes présentent un léger écart d'arrondi entre taux_maitrise_global et la moyenne (francais + maths) / 2. - **Preuve (evidence) :** `{'mismatch_rows': 46}` - **Action / Justification requise :** Harmoniser la règle d'arrondi (half-up vs float rounding) et recalculer systématiquement la moyenne globale. - **[IMPORTANT]** **Fichier :** `evaluations_cm2_simulees.csv` | **Variable :** `taux_maitrise_global` - **Description :** 49 lignes présentent un léger écart d'arrondi entre taux_maitrise_global et la moyenne (francais + maths) / 2. - **Preuve (evidence) :** `{'mismatch_rows': 49}` - **Action / Justification requise :** Harmoniser la règle d'arrondi (half-up vs float rounding) et recalculer systématiquement la moyenne globale. ### 9b. Cohérence Croisée Inter-Fichiers Aucun problème détecté dans cette dimension. --- ## 3. Matrice de Traçabilité et Règles de Correction > **Règle fondamentale :** *Ne corrige rien silencieusement. Toute correction doit être tracée et justifiée.* Toutes les corrections identifiées dans ce rapport seront appliquées dans la **Phase 4 (Nettoyage)** via des scripts explicites générant un journal d'audit (`audit_log.json`). Aucune donnée brute n'est altérée à la source. | ID Problème | Gravité | Fichier / Périmètre | Correction prévue | Traçabilité & Validation | |---|---|---|---|---| | P01 | `MINEUR` | `effectifs_classes_ecoles_simulees.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P02 | `IMPORTANT` | `effectifs_classes_ecoles_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P03 | `IMPORTANT` | `effectifs_classes_ecoles_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P04 | `IMPORTANT` | `effectifs_classes_ecoles_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P05 | `MINEUR` | `evaluations_cm1_simulees.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P06 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P07 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P08 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P09 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P10 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P11 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P12 | `IMPORTANT` | `evaluations_cm1_simulees.csv` | Harmoniser la règle d'arrondi (half-up vs float rounding) et recalculer systématiquement la moyenne globale. | Consigné dans le rapport de qualité & journal de nettoyage | | P13 | `MINEUR` | `evaluations_cm2_simulees.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P14 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P15 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P16 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P17 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P18 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P19 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P20 | `IMPORTANT` | `evaluations_cm2_simulees.csv` | Harmoniser la règle d'arrondi (half-up vs float rounding) et recalculer systématiquement la moyenne globale. | Consigné dans le rapport de qualité & journal de nettoyage | | P21 | `MINEUR` | `ips_ecoles_simulees.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P22 | `IMPORTANT` | `ips_ecoles_simulees.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P23 | `IMPORTANT` | `ips_ecoles_simulees.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P24 | `MINEUR` | `referentiel_etablissements_simule.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P25 | `IMPORTANT` | `referentiel_etablissements_simule.csv` | Vérifier l'utilité discriminante de cette variable pour la modélisation et consigner son statut. | Consigné dans le rapport de qualité & journal de nettoyage | | P26 | `MINEUR` | `socle_numerique_ecoles_simule.csv` | Formater les départements sous forme de chaîne à 2 chiffres (str.zfill(2)) lors de la phase de nettoyage. | Consigné dans le rapport de qualité & journal de nettoyage | | P27 | `IMPORTANT` | `socle_numerique_ecoles_simule.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P28 | `IMPORTANT` | `socle_numerique_ecoles_simule.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P29 | `IMPORTANT` | `socle_numerique_ecoles_simule.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage | | P30 | `IMPORTANT` | `socle_numerique_ecoles_simule.csv` | Analyser si ces valeurs traduisent des spécificités réelles d'écoles ou des biais de mesure, et documenter l'éventuelle robustification des estimateurs. | Consigné dans le rapport de qualité & journal de nettoyage |