La plupart des guides de sources sont classés par discipline. C’est commode à écrire et peu utile à lire : un étudiant ne cherche pas « des données en sociologie », il cherche de quoi répondre à une question précise.
Ce tableau part donc de la question. Pour chaque type d’interrogation, une source, un régime d’accès — et surtout ce que la source ne pourra jamais vous dire.
La question préalable : agrégé ou individuel ?
Ce choix commande tout le reste : il détermine la source, le délai et la formalité.
Avant toute recherche, tranchez ce point, car il partage le paysage en deux.
Les données agrégées décrivent des ensembles : un territoire, un secteur, une classe d’âge. Elles sont massivement disponibles, sans aucune formalité, immédiatement. Elles permettent de comparer, de dater, de cartographier.
Les données individuelles décrivent des personnes ou des unités. Elles permettent de croiser des caractéristiques au niveau de l’individu — diplôme et salaire, âge et trajectoire. Elles supposent presque toujours une démarche, un engagement signé et un délai.
La conséquence est nette : si votre question peut se reformuler à l’échelle agrégée, vous économisez des semaines. Si elle ne le peut pas, engagez la démarche dès aujourd’hui.
Les trois régimes d’accès
Trois portes, trois calendriers — et une seule s’ouvre le jour même.
Libre. Téléchargement immédiat, sans compte. C’est le cas de toutes les données ouvertes agrégées.
Conditionné. Gratuit, mais sur signature d’un engagement et sous condition de rattachement institutionnel. C’est le régime des fichiers d’enquête individuels.
Fermé pour un mémoire. Autorisation d’une autorité et avis d’un comité, sur des calendriers dimensionnés pour des équipes de recherche. C’est le cas des grandes bases de santé individuelles.
Le tableau d’orientation
« Je veux étudier des décisions de justice »
Source : la base d’open data des décisions judiciaires, en accès libre, moteur de recherche et interface de programmation gratuits. Limite décisive : la diffusion suit un calendrier réglementaire qui n’est pas achevé — le pénal de première instance n’est pas attendu avant fin 2027, et les décisions prud’homales avant fin septembre 2026. Un corpus exhaustif n’est donc pas possible sur toutes les matières. Le détail du calendrier et de ses conséquences est dans la jurisprudence en open data.
« Je veux comparer l’accès aux soins entre territoires »
Source : le portail ouvert de l’Assurance Maladie, libre, 32 jeux de données et 11 505 229 lignes au 11 août 2026. Limite décisive : tout y est agrégé — aucun parcours individuel, aucun appariement au niveau de la personne. Le décompte exact et les sujets ouverts sont détaillés dans les données de santé ouvertes sans démarche.
« Je veux relier composition sociale et résultats scolaires »
Source : le catalogue ouvert de l’Éducation nationale, libre, 307 jeux et 20 527 518 lignes au 11 août 2026. Limite décisive : plus de la moitié du volume tient dans quatre fichiers de métriques d’usage numérique sans rapport avec les questions pédagogiques. Voyez les données pour un mémoire en sciences de l’éducation, qui explique comment viser le bon fichier.
« Je veux mesurer les créations, les reprises ou les défaillances d’entreprises »
Source : les annonces légales en open data, libres, 50 294 290 annonces couvrant 2008 à aujourd’hui. Limite décisive : ce sont des événements, pas des états financiers — la base signale un dépôt de comptes, elle ne contient pas les comptes. Voyez les données d’entreprise pour un mémoire de gestion.
« Je veux croiser des caractéristiques au niveau des personnes »
Source : les fichiers des grandes enquêtes nationales, gratuits pour les étudiants rattachés à un organisme d’enseignement, sur signature d’un engagement. Limite décisive : le délai d’instruction, et l’interdiction de rediffuser les données — vous ne pourrez pas les joindre en annexe. La procédure complète est dans la commande de données d’enquête.
« Je ne sais pas encore et je veux explorer »
Source : le portail national, 73 884 jeux et 6 508 organisations productrices au 11 août 2026. Limite décisive : l’abondance elle-même. Parcourir ce catalogue sans question précise est le meilleur moyen d’y passer un mois — voyez pourquoi l’abondance est un problème et la méthode pour en sortir.
Ce que ce tableau ne couvre pas
Trois familles de matériaux en sont absentes, et il vaut mieux le savoir avant de conclure qu’il n’existe rien pour vous.
Les corpus textuels et patrimoniaux. Archives numérisées, bibliothèques nationales, corpus linguistiques : ils obéissent à d’autres logiques d’accès et se prêtent à des analyses qualitatives plutôt qu’à des décomptes. Un mémoire d’histoire, de lettres ou de sciences du langage y trouvera davantage que dans un portail de données tabulaires.
Les données produites par des acteurs privés. Plateformes, éditeurs, cabinets : leurs jeux existent mais relèvent d’accords commerciaux, et un mémoire ne peut en général pas y prétendre. N’en faites pas le pivot de votre projet.
Les données que vous produisez vous-même. Ce tableau ne remplace pas un terrain. Il existe pour les cas où le terrain est impossible, trop lent, ou insuffisant à lui seul — pas pour vous dissuader d’en faire un quand il est accessible.
Comment vous en servir concrètement
Trois gestes, dans cet ordre.
Écrivez votre question, puis la variable qu’elle exige, en une phrase chacune. Sans cette phrase, aucun tableau d’orientation ne vous servira.
Repérez la ligne correspondante ci-dessus et lisez d’abord la limite, pas la source. Si la limite tue votre question, vous venez d’économiser trois semaines.
Vérifiez le décompte vous-même avant de citer quoi que ce soit. Les chiffres donnés ici ont été relevés le 11 août 2026 et évoluent ; la méthode pour refaire le comptage sans programmer est dans compter dans un jeu de données ouvert.
Si aucune ligne ne correspond parce que votre terrain vient de tomber, la marche à suivre — et le calendrier de bascule — sont dans les trois voies de repli. Et pour un panorama par discipline plutôt que par question, voyez les jeux de données ouvertes par discipline.
Ouvrez votre mémoire dans Tesify et arrimez votre problématique à une source que vous avez vérifiée — la structure suit, les phrases restent les vôtres.
Trois règles qui valent pour toutes les sources
Datez chaque extraction. Ces bases vivent. Un chiffre sans date n’est pas reproductible, et un lecteur qui relance votre requête plus tard obtiendra autre chose sans savoir pourquoi.
Lisez la documentation avant le fichier. Le titre d’un jeu ne dit pas ce qu’il compte. Deux fichiers nommés « effectifs » peuvent compter des personnes, des inscriptions ou des dossiers, et l’erreur d’unité traverse ensuite tout le mémoire sans être vue.
Signalez vos calculs. Un total renvoyé par la base est une donnée ; un pourcentage que vous en tirez est un calcul. Dire lequel est lequel coûte trois mots et vous protège d’une objection en soutenance.
Questions fréquentes
Puis-je combiner plusieurs de ces sources ?
Oui, et c’est souvent le meilleur design : une source ouverte pour cadrer le problème, une source individuelle ou un terrain pour l’analyser finement. Précisez seulement quelle source sert à quoi, car elles relèvent de régimes d’accès différents à déclarer séparément.
Ces sources sont-elles utilisables dans toutes les disciplines ?
Le classement par question rend la plupart transversales : un mémoire de sociologie peut exploiter des données d’entreprise, un mémoire de gestion des données d’éducation. Ne vous laissez pas enfermer par l’étiquette disciplinaire du portail.
Faut-il citer la source dans le corps du texte ou en bibliographie ?
Les deux. Dans le texte, mentionnez le producteur et la date d’extraction au moment où le chiffre apparaît ; en bibliographie, traitez le jeu comme une référence à part entière, avec son adresse.
Que faire si la donnée existe mais pas à la maille dont j’ai besoin ?
Deux options honnêtes : remonter d’un cran votre question pour l’aligner sur la maille disponible, ou conserver la maille fine et changer de source. Ce qu’il ne faut pas faire, c’est désagréger vous-même une donnée agrégée — le résultat n’aurait aucune validité.
Ces volumétries seront-elles encore exactes l’an prochain ?
Non, et ce n’est pas un défaut : ce sont des bases vivantes. Les nombres cités valent au 11 août 2026 et servent d’ordre de grandeur. Refaites le comptage à votre date, et citez la vôtre.
Y a-t-il un intérêt à utiliser une source peu exploitée ?
Un intérêt considérable. Sur le portail national, on compte environ neuf réutilisations déclarées pour cent jeux publiés : la plupart des données publiques n’ont jamais été analysées. Un mémoire qui en exploite une sérieusement est original par construction.
Combien de sources faut-il pour un mémoire ?
Une, exploitée sérieusement, suffit largement. Multiplier les sources est une tentation de dernière minute qui produit des chapitres juxtaposés sans démonstration. Ajoutez-en une seconde uniquement si elle répond à une question que la première ne peut pas traiter, et dites-le explicitement.
Vous voulez écrire dans votre mémoire : « au 11 août 2026, cette base contenait X enregistrements ». Vous ouvrez le portail, vous lancez une recherche, et vous relevez le nombre affiché.
Il y a de fortes chances que ce nombre soit faux — et il existe une manière simple d’obtenir le bon, sans écrire une seule ligne de programme.
Pourquoi une page de résultats ne compte pas
Beaucoup d’interfaces publiques de recherche plafonnent le nombre de résultats qu’elles acceptent d’énumérer. Le compteur affiché s’arrête alors à une valeur ronde, quelle que soit la taille réelle de l’ensemble.
Le test qui révèle le problème tient en dix secondes : ajoutez un filtre qui devrait réduire l’ensemble, et regardez si le nombre baisse. S’il ne bouge pas, vous ne lisez pas un décompte, vous lisez un plafond. Interrogé de cette manière le 11 août 2026, un moteur public de recherche d’entreprises a renvoyé exactement 10 000 résultats sur un département, puis encore 10 000 après ajout d’un filtre supplémentaire.
Un chiffre qui refuse de diminuer quand on restreint la question ne mesure rien. S’il finit dans votre mémoire, il y restera comme une donnée fausse, et sa rondeur le dénoncera.
La solution n’est pas de renoncer au chiffre : c’est d’interroger le point d’accès qui, lui, est fait pour compter.
L’anatomie d’une requête, segment par segment
Chaque segment de l’adresse a une fonction : rien n’y est décoratif.
Un grand nombre de portails publics français reposent sur la même technologie de diffusion, et exposent donc la même forme d’adresse. Une fois qu’on l’a comprise sur un portail, on sait interroger tous les autres.
L’adresse se lit de gauche à droite comme une phrase :
L’adresse du portail — le producteur des données.
Le chemin d’accès aux données, qui contient généralement les mots explore et catalog, suivi d’un numéro de version.
Le mot datasets, éventuellement suivi de l’identifiant du jeu qui vous intéresse.
Le mot records si vous voulez interroger les lignes du jeu plutôt que la liste des jeux.
Les paramètres, après un point d’interrogation, séparés par des esperluettes.
Sans identifiant de jeu, vous interrogez le catalogue lui-même : c’est ainsi qu’on obtient le nombre de jeux publiés par un portail. Avec un identifiant et le mot records, vous interrogez les lignes d’un jeu précis.
Les quatre paramètres qui suffisent
limit fixe le nombre de lignes ramenées. Mettez-le à 1 : vous ne voulez pas les données, vous voulez le total, et celui-ci est renvoyé de toute façon dans un champ dédié, généralement nommé total_count.
group_by demande une ventilation par la valeur d’un champ. C’est le paramètre le plus utile d’un mémoire : il transforme une masse indistincte en tableau de résultats.
select précise ce que vous voulez calculer. Une fonction de comptage à laquelle on donne un nom lisible suffit dans l’immense majorité des cas ; on peut aussi demander la plus petite et la plus grande valeur d’un champ de date, ce qui donne d’un coup la période couverte par la base.
where filtre. C’est aussi votre instrument de contrôle : c’est en ajoutant un filtre que vous vérifiez que le compteur réagit.
Le seul point technique à connaître : les espaces et certains caractères doivent être encodés dans une adresse. Si votre requête échoue, remplacez chaque espace par %20 et réessayez. C’est la cause de la quasi-totalité des erreurs de débutant.
Le contrôle qui rend votre chiffre défendable
Si la somme des parties retombe sur le total, aucune catégorie ne manque.
Voici la manœuvre qui distingue un chiffre relevé d’un chiffre établi, et elle ne coûte qu’une requête de plus.
Demandez le total. Puis demandez la ventilation. Puis additionnez la ventilation et comparez.
Si la somme des sous-groupes retombe exactement sur le total, vous n’avez pas seulement vérifié un nombre : vous avez démontré que votre énumération est complète, c’est-à-dire qu’aucune catégorie ne vous a échappé. Aucune vérification ligne à ligne ne peut établir cela.
Appliquée le 11 août 2026 à la base des annonces légales d’entreprises, la manœuvre donne 50 294 290 par les deux voies — total direct et somme des douze familles d’avis. C’est ce qui autorise à écrire le chiffre sans réserve, et le détail figure dans l’article sur les données d’entreprise pour un mémoire de gestion.
Quand les deux voies divergent, ne choisissez pas : cherchez pourquoi. La cause la plus fréquente est une fiche descriptive mise en cache, dont le nombre affiché date d’une actualisation antérieure. Deux interrogations vivantes qui concordent l’emportent sur une métadonnée figée.
Ouvrez votre mémoire dans Tesify et transformez ces décomptes en tableaux, en commentaires et en méthode — la rédaction reste la vôtre.
Ce que vous mettez dans le mémoire
Trois éléments, et ils tiennent en quelques lignes.
L’adresse exacte de la requête, en annexe ou en note. C’est l’équivalent, pour des données, du protocole d’enquête : elle rend votre résultat reproductible par n’importe quel lecteur.
La date et l’heure de l’interrogation. Ces bases sont alimentées en continu ; sans date, votre chiffre n’est pas vérifiable, et un lecteur qui relance la requête six mois plus tard obtiendra autre chose sans savoir pourquoi.
La mention de ce que vous avez calculé vous-même. Un total renvoyé par la base est une donnée ; un pourcentage que vous en dérivez est un calcul. Signalez le second comme tel — c’est une exigence élémentaire, et son absence est ce que les jurys repèrent le plus vite.
Les limites de la méthode
Tous les portails ne suivent pas cette forme d’adresse. Certains proposent une autre interface, d’autres n’en proposent aucune et n’offrent qu’un téléchargement de fichier. Dans ce dernier cas, la voie reste le tableur : téléchargez, et comptez avec un tableau croisé dynamique. Le principe de contrôle ne change pas — comparez toujours la somme des parties au total.
Par ailleurs, un décompte n’est jamais une réponse en soi. Savoir combien de lignes contient une base ne dit rien de ce qu’elles mesurent : la documentation du jeu, elle, reste à lire. C’est là que se logent les erreurs d’unité qui traversent un mémoire entier sans être vues, comme le montre le cas des données par établissement évoqué dans les données ouvertes en sciences de l’éducation.
Pour la plupart des portails publics français, non : l’adresse fonctionne telle quelle dans un navigateur. Certaines interfaces, notamment celles qui donnent accès à des données plus sensibles, exigent une inscription gratuite et une clé à joindre à la requête.
Le résultat s’affiche en un bloc illisible. Est-ce normal ?
Oui. La réponse est un format structuré destiné aux machines. Les navigateurs récents proposent un affichage lisible, et à défaut le champ qui vous intéresse — le total — se repère en cherchant le mot count au début de la réponse.
Puis-je récupérer toutes les lignes de cette façon ?
Ce n’est pas l’usage recommandé : les portails limitent le nombre de lignes par appel. Pour disposer des données complètes, téléchargez le fichier proposé par le jeu. La requête sert à compter, à ventiler et à vérifier, pas à extraire en masse.
Comment connaître le nom exact d’un champ ?
Interrogez d’abord le jeu sans group_by, avec une limite de 1 : la ligne renvoyée montre tous les noms de champs disponibles. C’est le réflexe à prendre avant toute ventilation.
Est-ce considéré comme une compétence technique en soutenance ?
C’est surtout considéré comme de la rigueur. Un mémoire qui donne la requête ayant produit ses chiffres se place au-dessus d’un mémoire qui cite un nombre sans dire d’où il vient — et cela ne suppose aucune programmation.
Que faire si la requête renvoie une erreur ?
Lisez le message : ces interfaces expliquent généralement ce qui ne va pas, le plus souvent un nom de champ inexistant ou un espace non encodé. Reprenez la requête minimale qui fonctionnait, puis rajoutez un paramètre à la fois.
Une ventilation peut-elle contenir une catégorie vide ou inconnue ?
Oui, très souvent, et il ne faut surtout pas la supprimer du tableau. Une ligne « non renseigné » est une information sur la qualité de la base, et c’est aussi elle qui permet à la somme de retomber sur le total. L’écarter par souci d’esthétique casse le contrôle arithmétique et masque un défaut de saisie qui méritait d’être commenté.
Faut-il refaire la requête avant de rendre le mémoire ?
C’est prudent si plusieurs mois se sont écoulés depuis votre extraction. Si les chiffres ont changé, deux options honnêtes : actualiser l’ensemble de l’analyse, ou conserver l’extraction d’origine en indiquant clairement sa date et en signalant que la base a évolué depuis. Ce qu’il ne faut pas faire, c’est mettre à jour un seul chiffre dans un texte construit sur les anciens.
Rapportez les deux derniers nombres au premier et vous obtenez le fait intéressant : environ neuf réutilisations déclarées pour cent jeux publiés (proportion calculée). Autrement dit, pour l’écrasante majorité des jeux de données publics français, personne n’a jamais déclaré en avoir fait quoi que ce soit.
Une réserve d’honnêteté, immédiatement : une « réutilisation » au sens du portail est une réutilisation déclarée sur la plateforme. Beaucoup de travaux réels — dont des mémoires — n’y sont jamais signalés. Le rapport mesure donc la visibilité des réutilisations, pas leur nombre réel. Il reste que l’ordre de grandeur est parlant, et qu’il va dans un seul sens.
La disproportion est le fait principal : la donnée est publiée, pas exploitée.
Ce que 6 508 organisations veut dire concrètement
Ce second nombre est aussi instructif que le premier, et il est presque toujours ignoré. Il signifie que le catalogue national n’est pas produit par une administration centrale mais par des milliers d’entités hétérogènes : un ministère, une communauté de communes et une association sportive y publient côte à côte, sans référentiel commun de qualité.
Trois conséquences pratiques pour vous.
La qualité est inégale par construction. Deux jeux portant le même intitulé peuvent avoir des définitions de variables différentes parce qu’ils viennent de deux producteurs. Ne fusionnez jamais deux fichiers de producteurs distincts sans avoir lu les deux documentations.
La couverture territoriale est trouée. Une donnée publiée par des collectivités volontaires n’existe que là où la collectivité a joué le jeu. Si votre sujet compare des territoires, vérifiez que l’absence de données ne se confond pas avec l’absence du phénomène — c’est l’erreur d’interprétation la plus fréquente sur les données locales.
L’autorité de la source doit être vérifiée. Un jeu publié par l’opérateur officiel d’un domaine n’a pas le même statut qu’un jeu retraité par un tiers. Dans un mémoire, citez le producteur d’origine, et signalez si vous passez par un intermédiaire.
Ce que cela change pour un mémoire
Deux conséquences, opposées en apparence.
La mauvaise nouvelle : chercher devient le travail. Devant 73 884 jeux, parcourir le catalogue est une perte de temps garantie. Vous trouverez toujours quelque chose d’intéressant, jamais ce dont vous avez besoin, et vous finirez par tordre votre question pour l’adapter au fichier que vous avez trouvé. C’est l’inversion la plus dommageable en méthodologie : le fichier ne doit jamais dicter la question.
La bonne nouvelle : l’originalité est accessible. Un mémoire qui exploite sérieusement un jeu que personne n’a exploité est original par construction. Vous n’avez pas besoin de données inédites — vous avez besoin d’une question inédite posée à des données publiques. C’est exactement ce qu’un travail universitaire sait faire, et c’est beaucoup plus rare qu’on ne l’imagine.
La méthode : partir de la question, jamais du catalogue
Balayer le catalogue épuise ; viser une variable précise aboutit.
Quatre étapes, dans cet ordre, et l’ordre compte.
Écrivez la variable dont vous avez besoin, en une phrase, avant toute recherche. « Le nombre d’élèves par établissement, par département, sur trois années. » Tant que vous ne savez pas écrire cette phrase, ne cherchez pas : vous naviguerez au hasard.
Identifiez qui produit cette donnée. Les données publiques sont produites par des institutions, pas par des thèmes. Remontez à l’organisme — ministère, agence, opérateur — plutôt qu’au mot-clé. C’est le raccourci que presque personne n’emprunte, et il divise le temps de recherche par dix.
Allez directement sur le portail de cet organisme. Les grands producteurs publient chez eux, souvent avec de meilleures métadonnées et une interface de programmation propre. Le portail national agrège ; il n’est pas toujours le meilleur point d’entrée pour un producteur donné.
Vérifiez trois choses avant de vous engager : la granularité (le niveau territorial ou individuel dont vous avez besoin existe-t-il ?), la profondeur temporelle (une seule année ou une série ?), et la date de mise à jour. Un jeu abandonné depuis quatre ans reste en ligne et n’annonce pas son abandon.
Cette quatrième vérification est celle qui fait perdre le plus de temps quand on l’omet : rien n’indique visuellement qu’un jeu n’est plus alimenté.
Trois erreurs de lecture d’un catalogue
Confondre nombre de jeux et richesse d’information. Un producteur qui découpe une même enquête en quarante fichiers annuels affiche quarante jeux ; un autre qui publie la série complète en un fichier en affiche un. Le second est plus utile. Le compteur ne le dit pas.
Prendre un titre pour une définition. Deux jeux intitulés « effectifs » peuvent compter des unités différentes — des personnes, des inscriptions, des dossiers. La documentation, pas le titre, dit ce qui est compté. C’est là que se logent les erreurs qui traversent tout un mémoire sans être vues.
Croire qu’un moteur de recherche compte. Beaucoup d’interfaces publiques plafonnent le nombre de résultats affichés. Si vous relevez un total pour le citer, testez-le en ajoutant un filtre : s’il ne diminue pas, il ne mesure rien. Utilisez un point d’accès qui renvoie un décompte, pas une page de résultats.
Ouvrez votre mémoire dans Tesify et fixez votre question avant d’ouvrir un catalogue — la problématique d’abord, le fichier ensuite.
Les portails spécialisés valent mieux que le portail général
La troisième étape mérite d’être illustrée, parce qu’elle est vérifiable et qu’elle change le rapport de force entre vous et les données.
Et si votre question exige des données individuelles plutôt qu’agrégées, aucun portail ouvert ne conviendra : il faut passer par la commande de fichiers d’enquête, gratuite pour les étudiants rattachés à un établissement d’enseignement.
Faut-il déclarer son mémoire comme réutilisation ?
Ce n’est pas obligatoire, et cela ne coûte rien. Déclarer votre travail rend votre mémoire visible auprès du producteur des données et, accessoirement, alimente le compteur qui rend cet article possible. C’est aussi une ligne valorisable dans un dossier de candidature en doctorat ou en emploi.
Ces chiffres seront-ils encore justes dans six mois ?
Non, et c’est normal : le catalogue croît en continu. Les valeurs citées — 73 884 jeux, 6 508 organisations, 6 392 réutilisations — ont été relevées le 11 août 2026. Refaites l’interrogation à votre date et citez la vôtre : c’est ce qui rend un chiffre reproductible.
Comment savoir si un jeu de données est encore alimenté ?
Regardez sa date de dernière mise à jour et la fréquence annoncée par le producteur. Si l’écart entre les deux est important, considérez le jeu comme figé et dites-le dans vos limites plutôt que de laisser croire à des données courantes.
Peut-on construire un mémoire entier sur des données publiques ?
Oui, à condition que la question soit posée avant de choisir le fichier. Un mémoire sur données publiques se juge sur la qualité de sa question et sur la rigueur de son traitement, pas sur la rareté de sa source.
Le nombre de jeux dit-il quelque chose de la qualité ?
Rien du tout. Un portail peut publier des milliers de jeux redondants ou minuscules. La seule question qui vaille est de savoir si votre variable existe, à la maille et sur la période dont vous avez besoin.
Faut-il savoir programmer ?
Non pour la plupart des usages : les jeux se téléchargent en formats tabulaires exploitables dans un tableur. La programmation ne devient utile que sur les fichiers très volumineux ou quand vous voulez automatiser une extraction reproductible.
Que faire si deux jeux se contredisent ?
C’est fréquent, et c’est un résultat en soi. Vérifiez d’abord les définitions et les périodes, qui expliquent la plupart des écarts. Si la contradiction résiste, exposez-la dans votre mémoire au lieu de choisir silencieusement le chiffre qui vous arrange : signaler un désaccord entre sources publiques est un geste de recherche, pas un aveu de faiblesse.
Un mémoire en sciences de l’éducation, en MEEF ou en sciences du langage se construit rarement sur des données chiffrées. La raison n’est pas le désintérêt : c’est que personne ne dit à l’étudiant qu’un catalogue entier existe, ni surtout ce qu’il contient réellement.
Voici l’inventaire, compté à la source, et l’avertissement qui va avec.
L’état exact du catalogue
Le portail de données ouvertes du ministère de l’Éducation nationale, interrogé le 11 août 2026 par son interface de programmation, contient :
307 jeux de données — nombre annoncé par le catalogue et confirmé par l’énumération complète, jeu par jeu ;
20 527 518 lignes au total, tous jeux confondus.
La double vérification compte : le total annoncé et le décompte obtenu en parcourant les quatre pages du catalogue donnent tous deux 307. Aucun jeu n’a été perdu en route — précaution élémentaire dès qu’on pagine une source, et qui manque à beaucoup de comptages repris de seconde main.
Ce que couvrent ces jeux
Les thèmes les plus fournis, en nombre de jeux : établissements, dont l’indice de position sociale (59) ; élèves, étudiants et apprentis (56) ; sport, jeunesse et vie associative (47) ; évaluation des élèves (35) ; politique éducative, dont l’éducation prioritaire (32) ; enseignements (30) ; diplômes et examens (20) ; organisation du système scolaire (16) ; ressources humaines (14) ; données de référence (14) ; parcours et insertion professionnelle (8). Vingt-six jeux ne portent aucun thème.
Un détail à ne pas mal lire : la somme de ces affectations dépasse 307, parce qu’un même jeu peut porter plusieurs thèmes. Ce n’est pas une incohérence du catalogue, c’est une propriété de son indexation — et si vous reprenez ces chiffres, dites bien que vous comptez des affectations thématiques, pas des jeux.
L’avertissement : le volume affiché n’est pas le volume utile
Vingt millions de lignes, dont une majorité qui ne parle pas de pédagogie.
« Vingt millions de lignes sur l’éducation » : la formule est séduisante et trompeuse. Regardons où sont ces lignes.
Les quatre jeux les plus volumineux sont des métriques d’usage de services numériques, ventilées par établissement — croisées par profils (3 665 335 lignes), par appareils (3 650 915), par services (2 863 213) et par profils et appareils (1 268 645), tous mis à jour le 22 juillet 2026. À eux quatre, ils totalisent 11 448 108 lignes, soit 55,8 % de l’ensemble du portail (proportion calculée).
Ces fichiers sont précieux si votre sujet porte sur les usages numériques scolaires. Ils sont sans objet si votre sujet porte sur la réussite des élèves, la mixité sociale ou les pratiques d’enseignement. Autrement dit : plus de la moitié du volume affiché ne répond à aucune question pédagogique classique.
Les fichiers réellement centraux pour un mémoire en éducation sont plus modestes et bien plus utiles : effectifs d’élèves par école (859 372 lignes, mis à jour le 23 juillet 2026), carte scolaire des collèges publics (520 678), écoles en éducation prioritaire (417 147).
La leçon est générale et vaut au-delà de ce portail : un volume est une propriété du fichier, pas une preuve de pertinence. Choisissez le jeu qui contient votre variable, jamais celui qui contient le plus de lignes.
L’unité d’analyse qui rend tout cela exploitable
Un identifiant d’établissement commun transforme des fichiers séparés en un seul corpus.
La plupart de ces jeux sont organisés autour de l’établissement, identifié par un code unique. C’est ce qui rend possible la seule manœuvre qui distingue vraiment un mémoire : joindre deux fichiers sur cet identifiant.
Croiser l’indice de position sociale avec les résultats aux examens, la carte de l’éducation prioritaire avec les effectifs, la taille de l’établissement avec un indicateur d’évaluation : chacune de ces jointures produit une question de recherche que vous pouvez traiter seul, avec un tableur, et sur des données que votre jury peut vérifier.
Trois précautions, cependant, et elles sont sérieuses.
Ne confondez jamais l’unité comptée. Certains jeux comptent des établissements, d’autres des élèves, d’autres des sessions d’usage. Additionner ou rapporter deux fichiers sans vérifier leur unité produit des ratios qui n’ont aucun sens. Le cas du dénombrement des ULIS en 2026 illustre exactement ce piège : un annuaire d’établissements y est régulièrement présenté comme un effectif d’élèves.
Vérifiez la date de mise à jour de chaque jeu, séparément. Elles diffèrent largement au sein du même catalogue. Écrire « données 2026 » en couvrant des fichiers actualisés à des dates différentes est une imprécision que le jury relèvera.
Distinguez annuaire et enquête statistique. Un répertoire administratif dit où quelque chose existe ; il ne dit ni combien de personnes sont concernées ni pourquoi. Les deux instruments ne répondent pas à la même question.
Ouvrez votre mémoire dans Tesify et transformez ce corpus en problématique, en méthode et en chapitres cohérents — la structure vous suit, l’écriture reste la vôtre.
Trois sujets que ce catalogue rend faisables
Les inégalités territoriales de scolarisation. Comparer la composition sociale des établissements et leurs résultats sur un même territoire est un classique de la discipline, et il devient accessible dès lors que les deux fichiers se joignent sur l’identifiant d’établissement.
La géographie de l’éducation prioritaire. Le fichier des écoles en éducation prioritaire, croisé avec les effectifs, permet de décrire une politique publique par ses bénéficiaires réels plutôt que par ses textes.
Les usages numériques scolaires. C’est le sujet que les quatre gros fichiers servent directement — et il est peu traité en master précisément parce que peu d’étudiants savent que ces données existent.
Trois voies complémentaires, selon ce qui vous manque.
Si vous cherchez des données individuelles — parcours d’élèves, trajectoires d’insertion — l’open data ne les fournit pas ; il faut passer par la commande de fichiers d’enquête auprès de Quetelet-Progedo, gratuite pour les étudiants rattachés à un établissement d’enseignement.
Si votre sujet touche la santé scolaire, l’état des données de santé ouvertes sans démarche vous indiquera ce qui est accessible sans autorisation. Et si votre travail porte sur l’insertion et l’emploi, la logique de volumétrie vérifiée s’applique aussi aux données d’entreprise ouvertes.
Faut-il une autorisation pour utiliser ces données ?
Non. Il s’agit de données publiées en open data, téléchargeables et interrogeables sans compte. C’est la différence de nature avec les fichiers d’enquête individuels, qui supposent un formulaire signé et un rattachement institutionnel.
Faut-il savoir programmer ?
Non pour l’essentiel. Les jeux se téléchargent en formats tabulaires et une jointure sur l’identifiant d’établissement se fait dans un tableur. La programmation devient utile sur les gros fichiers de métriques d’usage, pas sur les fichiers d’établissements.
Ces données conviennent-elles à un mémoire de MEEF ?
Oui, en cadrage. Un mémoire de MEEF s’appuie généralement sur une pratique de classe ; ces données servent alors à situer votre terrain dans un ensemble — composition de l’établissement, contexte territorial — ce qui répond directement au reproche de non-généralisabilité.
Comment citer un jeu de données ?
Producteur, titre exact du jeu, date de mise à jour du jeu, date de votre consultation et adresse. Les deux dates sont distinctes et toutes deux nécessaires : le catalogue vit.
Les chiffres cités ici seront-ils encore valables ?
Le nombre de jeux et de lignes évolue. Les valeurs données — 307 jeux, 20 527 518 lignes — ont été relevées le 11 août 2026. Refaites le comptage à votre date et citez la vôtre : c’est la seule manière de rendre votre travail reproductible.
Peut-on comparer plusieurs années ?
Cela dépend du jeu. Certains contiennent une variable d’année ou de rentrée et permettent une série ; d’autres ne donnent qu’un état courant. Vérifiez la présence d’une dimension temporelle avant de bâtir une problématique d’évolution — c’est l’erreur de conception la plus coûteuse sur ce type de source.
Les mémoires de gestion, d’économie ou de finance se ressemblent beaucoup : un questionnaire diffusé à quelques dizaines de répondants, ou une étude de cas sur l’entreprise d’alternance. Les deux sont légitimes. Les deux souffrent du même reproche en soutenance — l’échantillon est trop petit pour conclure quoi que ce soit.
Il existe pourtant, en accès libre et sans la moindre démarche, une base qui enregistre depuis 2008 les événements de la vie légale de toutes les entreprises françaises. Elle est presque absente des mémoires, et sa taille explique peut-être pourquoi : on ne pense pas à s’en servir parce qu’on ne sait pas qu’elle existe.
Ce que contient le Bodacc, en chiffres vérifiés
Le Bulletin officiel des annonces civiles et commerciales publie ses annonces en données ouvertes, interrogeables par une interface de programmation sans compte ni clé.
Interrogé le 11 août 2026, le jeu des annonces commerciales contient 50 294 290 annonces, dont la plus ancienne est datée du 2 janvier 2008 et la plus récente du jour même — la base est alimentée en continu.
La répartition par famille d’avis
Chaque annonce est un événement daté : la base est un fil de vie d’entreprise, pas un annuaire.
Dépôts des comptes — 26 167 298 annonces
Modifications — 8 468 816
Créations — 6 528 702
Radiations — 4 183 785
Procédures collectives — 3 323 309
Ventes et cessions — 888 045
Immatriculations — 723 390
Divers — 4 963 · Conciliations — 4 305 · Rétablissements professionnels — 1 270 · Famille inconnue — 372 · Famille non renseignée — 35
La somme de ces douze familles donne exactement 50 294 290, c’est-à-dire le total annoncé par la base : l’énumération est complète, aucune annonce n’échappe au classement. Deux routes d’interrogation indépendantes — le décompte global et l’agrégation par famille — convergent sur le même nombre.
Une précision d’honnêteté : la fiche descriptive du catalogue affiche, elle, un nombre légèrement inférieur. C’est une métadonnée mise en cache, non le décompte vivant. Fiez-vous au décompte renvoyé par la requête, et datez-le.
Le déséquilibre est instructif. Les dépôts de comptes représentent à eux seuls 52,0 % des annonces (proportion calculée), les créations 13,0 % et les procédures collectives 6,6 %. Autrement dit : la matière la plus abondante n’est pas la défaillance d’entreprise dont tout le monde parle, mais l’obligation comptable dont personne ne parle.
Ce que cette base permet de démontrer
Le point à comprendre est que le Bodacc n’est pas un annuaire d’entreprises. C’est un flux d’événements datés et localisés. Cela change complètement les sujets qu’il rend possibles.
Démographie d’entreprises : créations et radiations par département, par secteur et par année. Vous mesurez un solde, pas une impression.
Défaillances : suivre les procédures collectives dans le temps, comparer un territoire à la moyenne nationale, tester si un choc économique se lit dans les données et avec quel décalage.
Transmission et reprise : les ventes et cessions de fonds de commerce forment un objet de recherche à part entière, très peu traité en master, et directement pertinent pour un mémoire en entrepreneuriat ou en droit des affaires.
Conformité comptable : qui dépose ses comptes, et qui ne les dépose pas. Avec 26 millions d’annonces de dépôt, la question du respect effectif de l’obligation devient mesurable.
Effets de contexte : croiser un événement d’entreprise avec la géographie ou le secteur, et discuter des associations — en restant prudent sur la causalité.
Un mémoire construit là-dessus ne ressemble à aucun autre dans une promotion. Il a un corpus, une méthode reproductible et des chiffres que le jury peut vérifier.
Les autres registres, et ce que chacun répond
Le Bodacc ne répond pas à toutes les questions. Trois autres sources publiques le complètent, et il vaut mieux savoir laquelle interroger avant de perdre une semaine.
Le répertoire Sirene identifie les entreprises et leurs établissements — numéros Siren et Siret, activité, adresse, état administratif. C’est la source d’identification : elle dit qui existe, pas ce qui lui est arrivé.
Le registre national des entreprises centralise l’immatriculation des entreprises depuis sa mise en place et remplace plusieurs registres antérieurs. C’est la référence juridique sur l’existence et la forme d’une entreprise.
Les comptes annuels déposés donnent les chiffres financiers eux-mêmes. Attention : le Bodacc signale qu’un dépôt a eu lieu, il ne contient pas les états financiers. Pour les données comptables, il faut aller chercher les comptes, et une partie des sociétés en demande la confidentialité.
Le bon réflexe méthodologique : Sirene pour identifier, Bodacc pour dater les événements, comptes annuels pour chiffrer la performance. Un mémoire sérieux annonce laquelle il a utilisée pour quoi.
Le piège de mesure : un moteur de recherche ne compte pas
Un compteur qui s’arrête à un chiffre rond n’est pas un dénombrement.
Voici l’erreur qui ruine discrètement des mémoires entiers, et elle mérite un paragraphe à elle seule.
Plusieurs moteurs publics de recherche d’entreprises plafonnent le nombre de résultats affichés. En interrogeant le 11 août 2026 l’un de ces moteurs sur un département, puis en ajoutant un filtre supplémentaire qui aurait dû réduire l’ensemble, le compteur a renvoyé dans les deux cas exactement 10 000 résultats. Ce n’est pas une coïncidence : c’est un plafond technique.
Un total qui ne bouge pas quand on restreint la requête n’est pas un total. Si vous relevez ce chiffre et l’écrivez dans votre mémoire, vous publiez une donnée fausse — et un jury attentif la repérera précisément parce qu’elle est trop ronde.
La règle générale à retenir : pour compter, utilisez un point d’accès qui renvoie un décompte (un total, une agrégation), jamais le nombre de résultats d’une interface de recherche. Et testez toujours votre compteur en ajoutant un filtre : si le nombre ne diminue pas, il ne mesure rien.
Trois précautions avant de conclure quoi que ce soit
Une annonce n’est pas une entreprise. Une même société génère plusieurs annonces au fil de sa vie. Compter des annonces et parler d’« entreprises » est une confusion d’unité — dites toujours laquelle vous comptez.
Une publication n’est pas l’événement. La date de parution suit le fait juridique avec un délai. Sur une série mensuelle, cela décale vos courbes ; sur une série annuelle, l’effet s’atténue. Mentionnez-le dans vos limites.
La base commence en 2008. Toute comparaison « avant/après » qui remonterait plus haut est hors périmètre. C’est une limite de couverture, à énoncer, pas à contourner.
Vous avez la source, le volume et les limites. Ouvrez votre mémoire dans Tesify et transformez ce corpus en problématique, en méthode et en chapitres — écrits par vous.
Sur la conduite d’un travail bâti sur des données que vous n’avez pas produites, voyez le mémoire sur données secondaires. Et si vous hésitiez à faire votre mémoire sur votre entreprise d’accueil, cet article pose la question autrement : les données publiques permettent souvent de replacer votre cas dans un ensemble, ce qui est exactement ce qui manque aux mémoires d’alternance.
Questions fréquentes
Faut-il un compte ou une autorisation pour utiliser ces données ?
Non. Les annonces du Bodacc sont publiées en données ouvertes et interrogeables directement. C’est la différence majeure avec les fichiers d’enquête, qui supposent un formulaire signé et un rattachement institutionnel.
Puis-je nommer des entreprises dans mon mémoire ?
Ces annonces sont des publications légales publiques, ce qui n’oblige pas à les reproduire nominativement. Pour une analyse statistique, l’identité des sociétés n’apporte rien : travaillez sur des agrégats. Si votre sujet impose une étude de cas nominative, interrogez votre directeur de mémoire sur l’usage attendu dans votre discipline.
Y trouve-t-on le chiffre d’affaires des entreprises ?
Non. Le Bodacc signale le dépôt des comptes, il ne contient pas les états financiers. Pour les montants, il faut consulter les comptes annuels eux-mêmes, en tenant compte de ce qu’une partie des sociétés en demande la confidentialité.
Comment citer ces données dans la bibliographie ?
Comme un jeu de données : producteur, nom exact du jeu, date de consultation et adresse. Ajoutez la requête utilisée en annexe — c’est ce qui rend votre décompte reproductible, et c’est précisément ce qu’un jury vérifie quand un chiffre le surprend.
Est-ce trop technique pour un mémoire de master ?
Non, si vous restez sur des agrégations simples. Un décompte par année, par département et par famille d’avis suffit à porter un mémoire entier, et s’obtient sans écrire une ligne de programme. Les traitements plus avancés sont un bonus, pas un prérequis.
Quelle période choisir ?
Prenez des années complètes et arrêtez-vous à la dernière année révolue. L’année en cours est mécaniquement incomplète, et une courbe qui plonge en fin de série parce que l’année n’est pas finie est l’artefact le plus courant sur ce type de données.
Beaucoup de mémoires en santé, en soins infirmiers ou en santé publique butent au même endroit : l’étudiant a une bonne question, aucun terrain, et il découvre que les grandes bases nationales ne s’ouvrent pas sur simple demande. La conclusion qu’il en tire est presque toujours fausse. Il existe, à côté des bases sous autorisation, un gisement entièrement ouvert — et il est plus gros qu’on ne l’imagine.
Voici ce qu’il contient exactement, compté à la source.
Deux portes, et une seule est ouverte
La même matière première, deux régimes d’accès radicalement différents.
La Plateforme des données de santé décrit trois voies pour accéder à des données de santé en France.
La recherche interne, qui n’appelle aucune formalité auprès de la CNIL.
Les procédures simplifiées, qui dispensent d’une autorisation de la CNIL lorsque la recherche envisagée remplit certaines conditions fixées par les textes : c’est le domaine des méthodologies de référence et de l’accès simplifié aux données du SNDS.
L’autorisation de la CNIL dans les autres cas, appuyée sur l’avis du CESREES lorsqu’il s’agit de réutiliser des données déjà collectées, ou sur un comité de protection des personnes dans le cas contraire.
Traduisez cela en calendrier d’étudiant. Un mémoire de master se prépare sur quelques mois, entre les cours et le stage. Monter un dossier, obtenir un avis du CESREES puis une autorisation de la CNIL n’entre pas dans ce format — ces procédures existent pour des équipes de recherche, pas pour un travail de fin d’études. Sauf si vous vous greffez sur un projet déjà autorisé de votre service ou de votre laboratoire, considérez le SNDS lui-même comme hors de portée.
Ce n’est pas un obstacle si vous savez qu’une seconde porte existe, et qu’elle n’a pas de serrure.
Le portail ouvert, compté ligne par ligne
Le portail de données ouvertes de l’Assurance Maladie publie des jeux dérivés, agrégés, réutilisables immédiatement, sans compte, sans dossier et sans autorisation. Voici l’état exact du catalogue relevé le 11 août 2026 par interrogation directe de son interface de programmation.
32 jeux de données au catalogue ;
11 505 229 lignes au total, tous jeux confondus.
La répartition thématique se décompose ainsi : accès aux soins 16 jeux, professionnels de santé libéraux 8, datavisualisation 4, pathologies 3, référentiels 1. Soit 16 + 8 + 4 + 3 + 1 = 32 — l’énumération est complète, aucun jeu n’échappe au classement.
Trois fichiers portent 91 % du volume
Le catalogue est court, mais sa masse est concentrée sur une poignée de fichiers.
Le catalogue est très déséquilibré, et c’est une information utile : elle vous dit où chercher en premier.
Effectif de patients par pathologie, sexe, classe d’âge et territoire — 5 796 000 lignes, mis à jour le 6 juillet 2026 ;
Effectifs et densités de professionnels de santé libéraux — 3 456 960 lignes, mis à jour le 15 décembre 2025 ;
Montants détaillés des honoraires — 1 267 200 lignes, mis à jour le 15 décembre 2025.
Ces trois fichiers totalisent 10 520 160 lignes, soit 91,4 % des 11 505 229 lignes du portail (proportion calculée). Le premier à lui seul en représente 50,4 %. Viennent ensuite les prescriptions (420 120 lignes), les effectifs par secteur conventionnel (177 720), par type d’exercice libéral (132 960), les comorbidités associées à chaque pathologie (44 690), la patientèle par territoire (40 560) et les dépenses remboursées par pathologie (24 800).
Une précision qui évite une perte de temps : cinq des trente-deux jeux sont des tables d’appui — référentiels des régions, des départements, des professions, des pathologies, et formes géographiques pour la cartographie. Elles ne contiennent aucune donnée de santé exploitable en soi ; elles servent à joindre et à cartographier les autres. Il reste donc 27 jeux substantiels, et là encore l’énumération se réconcilie : 4 jeux de datavisualisation + 1 référentiel = 5.
Ce que ces données permettent de démontrer
Le format commande le sujet. Ces fichiers sont agrégés : chaque ligne décrit un croisement (une pathologie × un sexe × une classe d’âge × un territoire), jamais une personne. Cela ferme une famille de sujets et en ouvre une autre.
Ce qui devient possible
Les inégalités territoriales : comparer densités de professionnels, recours aux soins ou prévalences entre départements ou régions. C’est le sujet le mieux servi par ce portail, et de loin.
Les évolutions dans le temps, quand le jeu couvre plusieurs années — installation des médecins généralistes, adhésion aux dispositifs conventionnels, couverture par le service d’accès aux soins.
Les gradients par âge et par sexe sur une pathologie donnée, à partir du fichier des effectifs.
Le chiffrage économique d’un problème de santé, à partir des dépenses remboursées par pathologie — un cadrage qui donne du poids à une introduction et que peu de mémoires prennent la peine de faire.
Ce qui reste impossible
Tout parcours individuel de soins. Il n’y a pas de patient dans ces fichiers, seulement des agrégats.
Tout appariement entre deux sources au niveau de la personne.
Toute analyse causale au niveau individuel. Sur données agrégées, conclure d’une corrélation territoriale à un effet individuel est une erreur d’inférence classique — nommez-la et évitez-la plutôt que de la commettre.
Si votre question exige vraiment le niveau individuel, ce n’est pas ce portail qu’il vous faut : il faut alors soit rejoindre un projet déjà autorisé, soit reformuler la question. Reformuler est presque toujours le bon choix en master.
Ouvrez votre mémoire dans Tesify et transformez ce cadrage chiffré en introduction, en problématique et en plan — la structure vous suit, chaque phrase reste la vôtre.
Ne confondez pas deux questions réglementaires distinctes
C’est la confusion la plus fréquente dès qu’on parle de « données de santé » et de RGPD dans un mémoire, et elle brouille des méthodologies entières.
Seconde question : je réutilise une base qui existe déjà. C’est le cas ici. Quand la base est publiée en open data sous forme agrégée, il n’y a plus de donnée personnelle en jeu, donc plus de formalité. Vous téléchargez, vous analysez, vous citez.
Un mémoire qui traite ces deux situations comme une seule s’inflige des développements réglementaires inutiles — ou, plus grave, en omet là où il en fallait.
Trois précautions avant de télécharger
Notez la date de consultation et la date de mise à jour du jeu. Elles diffèrent d’un fichier à l’autre : les jeux « pathologies » ont été actualisés le 6 juillet 2026, ceux sur les professionnels libéraux le 15 décembre 2025, et plusieurs jeux « accès aux soins » remontent au 28 janvier 2025. Un mémoire qui annonce des « données 2026 » sans distinguer se trompe sur une partie de son corpus.
Vérifiez la granularité territoriale avant de bâtir votre plan. Certains jeux descendent au département, d’autres s’arrêtent à la région, d’autres encore existent en version annuelle et infra-annuelle. Choisir sa maille après avoir écrit ses hypothèses oblige à réécrire les hypothèses.
Récupérez les référentiels en même temps que les données. Les tables de régions, de départements, de professions et de pathologies sont ce qui rendra vos jointures propres et vos libellés lisibles. Les oublier, c’est passer une soirée à recoder des identifiants à la main.
Un étudiant en master peut-il obtenir un accès au SNDS pour son mémoire ?
En pratique, non, sauf à s’inscrire dans un projet déjà autorisé porté par un service ou un laboratoire. Les voies d’accès reposent soit sur une procédure simplifiée encadrée par les textes, soit sur une autorisation de la CNIL appuyée sur l’avis du CESREES. Ces circuits sont dimensionnés pour des équipes de recherche et pour des calendriers qui dépassent celui d’un mémoire.
Faut-il créer un compte pour télécharger les données ouvertes de l’Assurance Maladie ?
Non. Les jeux publiés en open data sont téléchargeables directement, et une interface de programmation permet de les interroger sans inscription. C’est précisément ce qui rend ce gisement compatible avec le calendrier d’un mémoire.
Ces données sont-elles suffisantes pour un mémoire quantitatif complet ?
Oui, à condition d’accepter le niveau agrégé. Un mémoire comparant des territoires, décrivant un gradient d’âge ou chiffrant un coût est parfaitement défendable sur ces seules données. Un mémoire prétendant expliquer des comportements individuels ne l’est pas.
Comment citer un jeu de données dans la bibliographie ?
Traitez-le comme une source à part entière : producteur, titre exact du jeu, version ou date de mise à jour, date de consultation et adresse. La date de consultation n’est pas optionnelle sur un portail actualisé en continu — sans elle, votre extraction n’est pas reproductible.
Puis-je combiner ces données avec mon propre questionnaire ?
Oui, et c’est souvent le design le plus solide en master : les données ouvertes cadrent le problème à l’échelle nationale ou régionale dans l’introduction, votre enquête de terrain apporte le matériau original. Les deux volets relèvent alors de régimes réglementaires différents, et il faut le dire dans la méthodologie.
Le nombre de jeux et de lignes va-t-il changer ?
Oui. Le catalogue évolue et les fichiers sont réactualisés à des rythmes différents. Les chiffres donnés ici — 32 jeux, 11 505 229 lignes — ont été relevés le 11 août 2026 par interrogation directe du catalogue. Refaites le comptage à votre date et citez la vôtre.
Vous avez une source, un volume et une limite claire. Commencez la rédaction avec Tesify — plan, chapitres et cohérence d’un bout à l’autre, écrits par vous.
10 226 établissements scolaires sont référencés comme accueillant une ULIS dans l’annuaire de l’éducation, dont 9 158 publics et 1 068 privés. Ce nombre compte des établissements, pas des élèves — et pas non plus des dispositifs. C’est la première chose à préciser si vous citez ce chiffre dans un mémoire ou un dossier.
Les unités localisées pour l’inclusion scolaire sont les dispositifs de scolarisation des élèves en situation de handicap dans le premier et le second degrés. Elles reviennent constamment dans les écrits professionnels et universitaires portant sur l’école inclusive — et la statistique qu’on y trouve est souvent mal qualifiée.
Le chiffre, et ce qu’il mesure exactement
La source est le jeu de données « Les ULIS » publié en open data par le ministère de l’Éducation nationale, construit à partir de l’annuaire de l’éducation. Il recense 10 226 établissements portant l’indicateur ULIS, état de la base au 30 mars 2026.
Trois précautions s’imposent avant de reprendre ce nombre.
Ce sont des établissements, pas des élèves. Le jeu de données ne contient aucun effectif. Il ne permet donc pas de dire combien d’élèves sont scolarisés en ULIS.
Ce sont des établissements, pas nécessairement des dispositifs. L’indicateur est binaire : un établissement est signalé comme accueillant une ULIS ou non. Un établissement qui en accueillerait plusieurs compte pour un.
Il n’y a pas d’année scolaire de référence dans le jeu de données. C’est un annuaire, mis à jour en continu, et non une série statistique arrêtée à une rentrée. La date qu’on peut citer honnêtement est celle de l’état de la base, pas une rentrée.
Cette dernière distinction est celle qui pose le plus de problèmes en rédaction : un annuaire et une enquête statistique ne répondent pas à la même question, et une note de bas de page qui présente un annuaire comme un recensement de rentrée est une erreur d’instrument, pas une approximation.
L’unité comptée est l’établissement, pas le dispositif ni l’élève.
La répartition public / privé
Statut
Établissements
Part (calculée)
Public
9 158
89,6 %
Privé
1 068
10,4 %
Total
10 226
100 %
Les deux composantes s’additionnent exactement au total publié : 9 158 + 1 068 = 10 226. Les parts en pourcentage sont, elles, des valeurs que nous avons calculées à partir de ces effectifs, et non des chiffres publiés comme tels.
Ces deux ventilations sont la meilleure garantie que l’on puisse obtenir à peu de frais. Deux découpages indépendants — l’un par statut, l’autre par type — qui retombent l’un et l’autre exactement sur le même total ne prouvent pas seulement que les chiffres vont deux à deux : ils prouvent qu’aucune catégorie ne manque à l’appel. Une vérification ligne à ligne ne peut pas établir cela.
Ce que la structure révèle
La moitié des établissements concernés sont des écoles, et l’ensemble école + collège représente 9 354 établissements sur 10 226. La présence se réduit nettement au lycée : 840 établissements, soit 8,2 % du total selon notre calcul.
Cette décroissance par niveau est le fait saillant du jeu de données, et c’est aussi le point sur lequel il faut être prudent : l’annuaire dit où le dispositif existe, pas combien d’élèves y sont scolarisés ni pourquoi la présence diminue. Attribuer cette décroissance à une cause — orientation, sorties du système, transferts vers d’autres dispositifs — demanderait une autre source. Le jeu de données n’en fournit aucune, et nous n’en avançons donc aucune.
Un annuaire indique où un dispositif existe, pas combien d’élèves y sont accueillis.
Comment citer ce chiffre correctement
Si vous reprenez ces données dans un écrit, la formulation défendable ressemble à ceci :
« Selon le jeu de données Les ULIS publié en open data par le ministère de l’Éducation nationale à partir de l’annuaire de l’éducation, 10 226 établissements sont référencés comme accueillant une ULIS (état de la base au 30 mars 2026), dont 89,6 % d’établissements publics — part calculée à partir des effectifs publiés. »
Trois éléments y sont explicites : la source, ce que compte l’unité, et le fait que le pourcentage est dérivé. C’est ce qui distingue une donnée citable d’un chiffre repris de seconde main. La même exigence vaut pour toute statistique reprise dans un travail universitaire — nos guides de méthodologie du mémoire de MEEF et du mémoire de sciences de l’éducation détaillent la manière d’adosser un argument à une source de ce type.
Si vous préparez le certificat d’aptitude professionnelle aux pratiques de l’éducation inclusive, ces chiffres relèvent typiquement des « éléments de connaissance de l’environnement » que la circulaire attend dans le dossier — notre guide du dossier de l’épreuve 2 du CAPPEI précise ce que la commission évalue dans ce choix documentaire. La coordination d’une ULIS est d’ailleurs l’un des modules de professionnalisation du certificat.
Les limites à connaître avant de s’appuyer dessus
L’annuaire de l’éducation est un référentiel administratif d’établissements. Il est excellent pour répondre à « où ce dispositif existe-t-il ? » et inadapté pour répondre à « combien d’élèves, et avec quels moyens ? ». Pour ces dernières questions, il faut une enquête statistique, pas un annuaire.
Deux conséquences pratiques. D’abord, ne construisez pas de ratio entre ce nombre et un effectif d’élèves tiré d’une autre source : les deux instruments ne mesurent pas la même population et ne sont pas arrêtés à la même date. Ensuite, si votre écrit a besoin d’une évolution dans le temps, ce jeu de données ne la fournit pas — il donne un état, pas une série.
Ce que Tesify ne fait pas
Tesify ne produit pas de statistiques. Les chiffres cités ici viennent d’un jeu de données public, et c’est à vous de vérifier l’état de la base au moment où vous écrivez : un annuaire bouge.
Tesify ne promet pas de « passer » un détecteur. La promesse est vide, et sur un écrit adossé à des données, ce qui se voit n’est pas l’outil employé mais une source mal qualifiée.
Tesify ne choisit pas votre argument à votre place. Un chiffre ne devient une démonstration que rapporté à une question que vous posez.
Ce que l’outil fait utilement sur ce type de matériau : tenir la cohérence entre ce qu’une source mesure et ce que votre phrase lui fait dire, garder trace de la source et de sa date à chaque reprise du chiffre, et signaler les valeurs que vous avez calculées vous-même plutôt que relevées. Le texte produit est un brouillon à réécrire avec vos mots.
Le jeu de données public du ministère référence 10 226 établissements accueillant une ULIS, état de la base au 30 mars 2026. Ce nombre compte des établissements et non des dispositifs : un établissement accueillant plusieurs ULIS n’est compté qu’une fois.
Combien d’élèves sont scolarisés en ULIS ?
Ce jeu de données ne permet pas de le dire : il ne contient aucun effectif d’élèves. Répondre à cette question demande une enquête statistique, pas l’annuaire des établissements.
Quelle est la répartition entre public et privé ?
9 158 établissements publics et 1 068 établissements privés, soit un total de 10 226. Cela représente environ 89,6 % de public et 10,4 % de privé, parts calculées à partir des effectifs publiés.
Comment les ULIS se répartissent-elles par niveau ?
5 247 écoles, 4 107 collèges, 840 lycées et 32 EREA, pour un total de 10 226 établissements. La présence diminue nettement au lycée, mais le jeu de données ne fournit aucune explication de cette décroissance.
À quelle année scolaire ces chiffres correspondent-ils ?
À aucune en particulier. Le jeu de données est construit sur l’annuaire de l’éducation, mis à jour en continu ; la seule date citable est celle de l’état de la base, ici le 30 mars 2026, et non une rentrée scolaire.
Peut-on citer ces chiffres dans un mémoire ?
Oui, à condition de préciser la source, de dire que l’unité comptée est l’établissement et d’indiquer la date de l’état de la base. Signalez également comme calculée toute part en pourcentage que vous dérivez vous-même des effectifs.
Qu’est-ce qu’une ULIS ?
Une unité localisée pour l’inclusion scolaire : un dispositif de scolarisation des élèves en situation de handicap dans le premier et le second degrés, implanté au sein d’un établissement ordinaire.
Un mémoire de droit repose presque toujours sur un corpus de décisions. La question que la plupart des étudiants se posent — « où trouver la jurisprudence ? » — n’est pourtant pas la bonne au moment de délimiter un sujet. La bonne question est : les décisions dont j’ai besoin sont-elles seulement diffusées à ce jour ? Depuis 2021, la réponse dépend d’un calendrier officiel, et ce calendrier n’est pas encore arrivé à son terme.
Le principe : une diffusion gratuite inscrite dans le code de l’organisation judiciaire
Le fondement est l’article L. 111-13 du code de l’organisation judiciaire, qui prévoit que, « sous réserve des dispositions particulières qui régissent l’accès aux décisions de justice et leur publicité, les décisions rendues par les juridictions judiciaires sont mises à la disposition du public à titre gratuit sous forme électronique ».
La mise en œuvre a été confiée à la Cour de cassation par le décret n° 2020-797 du 29 juin 2020. Le traitement lui-même, dénommé Judilibre, a été autorisé par le décret n° 2021-1276 du 30 septembre 2021, qui porte également sur le traitement « Décisions de la justice administrative ». Judilibre est donc la plateforme par laquelle l’ordre judiciaire — et lui seul — diffuse ses décisions.
C’est un point que beaucoup de mémoires confondent : la justice administrative relève d’un traitement distinct. Si votre sujet porte sur le contentieux administratif, Judilibre n’est pas votre base.
Le calendrier de l’arrêté du 28 avril 2021 : la contrainte que personne ne lit
Le déploiement s’étale de 2021 à 2028 : à mi-parcours, une partie du contentieux reste hors de portée d’un corpus ouvert.
Les étapes de déploiement sont définies par l’arrêté du 28 avril 2021. Telles que la Cour de cassation les présente, elles sont les suivantes.
En matière civile, sociale et commerciale
30 septembre 2021 — mise à disposition de l’ensemble des décisions de la Cour de cassation (la base est alimentée depuis le 1er octobre 2021) ;
30 avril 2022 — les décisions des cours d’appel en matière civile ;
31 décembre 2024 — les décisions des tribunaux de commerce ;
30 septembre 2025 — les décisions des tribunaux judiciaires ;
30 septembre 2026 — les décisions des conseils de prud’hommes.
En matière pénale
31 décembre 2027 — les décisions rendues par les juridictions de premier degré en matière délictuelle ;
31 décembre 2028 — les décisions des cours d’appel en matière contraventionnelle et délictuelle ;
31 décembre 2028 — les décisions rendues en matière criminelle ;
31 décembre 2028 — les décisions des juridictions de premier degré en matière contraventionnelle.
Lisez cette liste comme une carte de ce qui est faisable. Trois conséquences tombent immédiatement.
Un mémoire de droit pénal ne peut pas prétendre à un corpus exhaustif de première instance en 2026. Les décisions correctionnelles de premier degré ne sont attendues qu’au 31 décembre 2027, et la matière criminelle et contraventionnelle fin 2028. Un sujet qui suppose de compter des condamnations prononcées par les tribunaux correctionnels est, à cette date, hors d’atteinte par l’open data. Cela ne l’interdit pas : cela impose de changer de méthode (échantillon documenté, décisions publiées, statistiques du ministère de la justice) et de le dire.
Un mémoire de droit du travail écrit pendant l’année 2026-2027 se situe exactement sur une frontière. Les décisions prud’homales sont attendues au 30 septembre 2026. Selon la date à laquelle vous constituez votre corpus, la même requête ne renverra pas le même ensemble. C’est un cas où la date d’extraction n’est pas une coquetterie méthodologique : elle détermine le périmètre.
Un sujet transversal « civil et pénal » est asymétrique par construction. Vous comparerez un versant richement diffusé à un versant qui ne l’est pas encore. Soit vous assumez l’asymétrie et vous la traitez comme une limite, soit vous resserrez le sujet.
Ce que Judilibre contient réellement, décision par décision
Pour la Cour de cassation, les décisions rendues publiquement sont diffusées depuis le 1er octobre 2021, et quelques décisions antérieures peuvent également s’y trouver, principalement depuis 1947. Le rythme d’alimentation est explicite : les arrêts publiés au Bulletin (les « arrêts B ») sont versés le jour même ; les autres arrêts de la Cour dans un délai maximal d’une semaine après leur prononcé.
Pour les cours d’appel, la règle est plus fine qu’il n’y paraît :
tous les arrêts rendus en audience publique en matière civile, sociale et commerciale à compter du 15 avril 2022 sont diffusés dans leur intégralité, en version pseudonymisée ;
pour les affaires dont l’audience s’est tenue en chambre du conseil mais dont la décision est rendue publiquement, seul le dispositif est disponible ;
pour les arrêts antérieurs au 15 avril 2022, seuls sont présents ceux rendus publiquement et ayant fait l’objet d’un pourvoi en cassation, ou qui étaient déjà en accès libre sur Légifrance.
La deuxième règle est celle qui piège les mémoires de droit de la famille. Une part importante de ce contentieux passe par la chambre du conseil. Vous obtiendrez des dispositifs, pas des motivations — c’est-à-dire précisément ce que l’on ne peut pas analyser quand on veut étudier un raisonnement.
La pseudonymisation ferme certains sujets — et en ouvre d’autres
Toutes les décisions diffusées ont fait l’objet, conformément à l’article L. 111-13 du code de l’organisation judiciaire, d’une occultation des nom et prénom des personnes physiques, remplacés par des lettres. Des occultations complémentaires (adresse, numéro de téléphone, adresse électronique) peuvent avoir été décidées par les magistrats lorsque la divulgation risquerait de porter atteinte à la sécurité ou à la vie privée des personnes ou de leur entourage.
Pour un mémoire, cela signifie qu’un sujet construit sur l’identité des parties est fermé. Étudier « le contentieux d’une entreprise déterminée » ou « les décisions concernant une catégorie de justiciables identifiée nominativement » ne se fait pas à partir de cette base.
Chaque décision est décrite par des champs structurés : c’est ce qui rend possible un mémoire de droit quantifié.
En revanche, la structure des données ouvre un type de sujet que peu d’étudiants exploitent. Chaque décision est décrite par des propriétés exploitables comme filtres ou comme cibles de recherche : la juridiction, la chambre, la formation, le numéro de pourvoi, l’ECLI (European Case Law Identifier), le niveau de publication, la solution, la date, le texte intégral, les zones du texte (introduction, exposé du litige, moyens, motivations, dispositif, moyens annexés), les éléments de titrage, le sommaire, les documents associés, les textes appliqués (visa) et les rapprochements de jurisprudence.
Autrement dit : vous pouvez construire un corpus quantifié. Compter des solutions par chambre, mesurer la fréquence d’un visa, isoler la zone « motivations » de plusieurs centaines d’arrêts pour y chercher une formule. C’est un mémoire de droit qui ressemble à une enquête, et c’est le genre d’angle qui distingue un travail dans une promotion entière.
Comment y accéder concrètement
Deux voies, toutes deux gratuites.
Le moteur de recherche Judilibre, directement sur le site de la Cour de cassation. Il permet de filtrer par juridiction — Cour de cassation, cours d’appel, tribunaux judiciaires et tribunaux de première instance, tribunaux de commerce et tribunaux des activités économiques — et par période. C’est la voie à privilégier pour un corpus de quelques dizaines de décisions lues intégralement.
L’API Judilibre, accessible via le portail PISTE après inscription gratuite. La démarche tient en trois temps : créer un compte et l’activer, valider les conditions générales d’utilisation en cherchant « Judilibre » au moins pour l’environnement de test, puis rattacher l’API à votre application de test. La documentation technique de chaque méthode est publiée sur PISTE au format Swagger, ainsi que sur le dépôt GitHub du projet au format OpenAPI 3.0.2.
Les données sont réutilisables sous la licence ouverte de réutilisation d’informations publiques version 2.0. C’est ce qui vous autorise à publier des extraits et des statistiques dans votre mémoire, à condition de mentionner la source — et c’est un point que votre jury peut vous demander de justifier.
Une fois le corpus constitué, le travail réel commence : lire, coder, catégoriser, puis écrire une démonstration qui tienne. Ouvrez votre mémoire dans Tesify pour structurer votre plan, garder vos références juridiques cohérentes d’un chapitre à l’autre et rédiger, en gardant la main sur chaque phrase.
Les trois lignes à écrire dans votre méthodologie
Un corpus tiré de Judilibre n’est défendable que s’il est décrit. Trois éléments suffisent, et leur absence est ce que les jurys sanctionnent le plus vite.
La date d’extraction. La base est alimentée en continu — le jour même pour les arrêts B, sous une semaine pour les autres. Sans date, votre requête n’est pas reproductible, et un lecteur qui la relance six mois plus tard n’obtiendra pas votre résultat.
La requête exacte et les filtres. Juridiction, chambre, période, mots-clés, niveau de publication. Reproduisez-les tels quels, en annexe si nécessaire.
Le périmètre manquant. Dites explicitement ce que le calendrier ne couvre pas encore pour votre sujet. Une limite énoncée est une preuve de maîtrise ; la même limite découverte par le jury est une faille.
Un dernier point, rarement mentionné et pourtant utile à connaître : les demandes d’occultation complémentaire ou de levée d’occultation s’exercent dans les conditions prévues à l’article R. 111-13 du code de l’organisation judiciaire, auprès d’un magistrat de la Cour de cassation désigné par le premier président. La décision de ce magistrat peut faire l’objet d’un recours devant le premier président dans un délai de deux mois à compter de sa notification. En revanche, la levée d’occultation des nom et prénom des parties ou des tiers n’est pas rendue possible par la loi.
Les données enregistrées dans le traitement sont conservées sans limitation de durée. Pour un mémoire portant sur la protection des données ou sur la publicité de la justice, cette combinaison — diffusion perpétuelle, pseudonymisation irréversible pour les noms, occultations complémentaires laissées à l’appréciation du juge — est en elle-même un objet d’étude.
Questions fréquentes
Judilibre contient-il les décisions du Conseil d’État ?
Non. Judilibre est le traitement de l’ordre judiciaire. Le décret n° 2021-1276 du 30 septembre 2021 vise deux traitements distincts : « Décisions de la justice administrative » et « Judilibre ». Un mémoire de contentieux administratif doit se tourner vers le premier.
Puis-je citer une décision Judilibre dans un mémoire sans autorisation ?
Oui. La réutilisation s’effectue sous la licence ouverte de réutilisation d’informations publiques version 2.0, qui autorise la reproduction et la réutilisation sous réserve de mentionner la source. Citez la décision selon les conventions juridiques usuelles et indiquez la base et la date de consultation.
Les décisions des conseils de prud’hommes sont-elles disponibles ?
Le calendrier de l’arrêté du 28 avril 2021 les prévoit au 30 septembre 2026. Si vous rédigez avant cette échéance, vérifiez l’état effectif de la base au moment de votre extraction et datez-la : c’est précisément le type de sujet où le périmètre bouge pendant l’année universitaire.
Pourquoi certains arrêts de cour d’appel n’ont-ils qu’un dispositif ?
Parce que l’audience s’est tenue en chambre du conseil alors que la décision a été rendue publiquement. Dans ce cas, seul le dispositif de l’arrêt figure dans la base. Si votre sujet exige les motivations, écartez ces décisions de votre corpus en le disant, plutôt que de laisser croire à une lecture intégrale.
Quelle différence entre Judilibre et Légifrance pour un mémoire ?
Légifrance reste la référence pour les textes — lois, décrets, codes — et diffuse une sélection de jurisprudence. Judilibre est la base d’open data des décisions judiciaires, avec le texte intégral pseudonymisé, les enrichissements documentaires et une API. Pour un corpus de décisions, Judilibre ; pour les textes appliqués et leur version en vigueur, Légifrance.
Peut-on faire un mémoire quantitatif à partir de Judilibre ?
Oui, et c’est l’usage le moins exploité de la base. Les propriétés structurées de chaque décision — juridiction, chambre, formation, solution, date, visa, zones du texte, rapprochements — permettent de compter, de comparer et de dater. Il faut alors soigner la description de la requête et assumer les limites de périmètre liées au calendrier.
Vous savez maintenant ce que votre corpus peut contenir, et à quelle date. Commencez la rédaction avec Tesify : plan, chapitres, cohérence des références — écrits par vous, structurés avec vous.
Rédiger un mémoire sur données secondaires avec Tesify en 2026
Un mémoire sur données secondaires analyse des données déjà collectées par d’autres — enquêtes nationales, bases institutionnelles, jeux de données ouverts — au lieu de mener son propre terrain. La démarche est parfaitement légitime scientifiquement, à condition d’être assumée et justifiée dans la méthodologie.
Réponse rapide : l’analyse secondaire consiste à exploiter un jeu de données existant pour répondre à une question de recherche différente de celle qui a motivé sa collecte. Elle convient particulièrement quand le temps de terrain manque, quand la population est difficile d’accès, ou quand on veut travailler sur de grands échantillons. Attention à ne pas la confondre avec la source secondaire en citation, qui désigne le fait de citer un auteur à travers un autre : ce sont deux notions distinctes.
Qu’est-ce qu’une analyse de données secondaires ?
Les données primaires sont celles que vous collectez vous-même : questionnaires que vous diffusez, entretiens que vous menez, observations que vous conduisez. Les données secondaires ont été produites par quelqu’un d’autre, pour ses propres objectifs, et vous les réexploitez.
Le point qui définit l’analyse secondaire n’est pas la simple réutilisation, mais le déplacement de la question. Vous ne refaites pas l’étude d’origine : vous posez au jeu de données une question qu’il n’avait pas été conçu pour traiter, en croisant des variables autrement, en isolant une sous-population, ou en comparant deux vagues d’enquête.
Une clarification s’impose ici, car la confusion est fréquente. « Source secondaire » en matière de citation désigne le fait de citer un auteur à travers un autre — une question de référencement traitée dans notre article sur la différence entre sources primaires et secondaires. Les « données secondaires » relèvent, elles, de la méthodologie de recueil. Un même mémoire peut parfaitement mobiliser l’une sans l’autre.
L’analyse secondaire pose à un jeu de données existant une question qu’il n’avait pas été conçu pour traiter.
Quand choisir cette approche ?
Ce choix est souvent perçu comme un repli. C’est une erreur d’appréciation : dans plusieurs configurations, il produit un meilleur mémoire qu’un terrain mené dans l’urgence.
Terrain propre ou données secondaires : comment trancher
Situation
Approche recommandée
Moins de trois mois avant le dépôt
Données secondaires
Population difficile d’accès ou vulnérable
Données secondaires
Question exigeant un grand échantillon
Données secondaires
Comparaison dans le temps ou entre territoires
Données secondaires
Question très située, propre à un terrain précis
Terrain propre
Objectif d’apprentissage de la conduite d’enquête
Terrain propre
L’argument décisif est souvent la taille d’échantillon. Un étudiant qui collecte lui-même obtient rarement plus de 100 à 200 réponses ; une enquête nationale en compte des milliers. Pour toute question demandant des croisements fins ou des tests sur des sous-groupes, l’écart de puissance statistique est simplement sans commune mesure.
Où trouver des jeux de données exploitables ?
Les gisements sont plus abondants qu’on ne l’imagine, et beaucoup sont librement accessibles.
Portails de données publiques — statistiques officielles nationales et européennes, données ministérielles, données territoriales.
Bases d’enquêtes en sciences sociales, dont les grandes enquêtes récurrentes déposées par les organismes de recherche.
Entrepôts de données de la recherche, où les chercheurs déposent les jeux associés à leurs publications.
Données d’organisations internationales, particulièrement utiles pour les comparaisons entre pays.
Données produites par votre laboratoire — la piste la plus sous-exploitée : beaucoup d’équipes disposent de corpus non entièrement analysés.
Le recensement détaillé de ces ressources figure dans notre article sur les jeux de données ouvertes exploitables pour un mémoire. Commencez toutefois par la dernière piste : une demande à votre directeur de recherche coûte cinq minutes et donne parfois accès à un corpus déjà nettoyé et documenté.
Comment évaluer un jeu de données avant de s’engager ?
C’est l’étape décisive, et celle que l’on bâcle le plus souvent. S’engager sur un jeu de données inadapté fait perdre plusieurs semaines, parfois découvertes trop tard pour changer de sujet.
La documentation existe-t-elle ? Sans dictionnaire des variables ni note méthodologique, le jeu est inexploitable — vous ne saurez pas ce que mesure chaque colonne.
Les variables dont vous avez besoin sont-elles présentes ? Vérifiez-le sur la documentation avant même de télécharger.
Quelle est la population couverte ? Un échantillon national ne permet pas de conclure sur une région particulière si le sous-effectif y est trop faible.
Les données sont-elles à jour ? Un jeu de 2018 peut rester pertinent, à condition de justifier explicitement ce décalage.
Quelle licence d’utilisation ? Vérifiez le droit de réutilisation à des fins de recherche et les conditions de citation.
Un test pragmatique clôt l’évaluation : téléchargez le jeu et produisez trois tris à plat sur vos variables clés. Si l’opération se fait sans obstacle, le jeu est exploitable. Si vous butez déjà, l’analyse complète sera pire.
Sans dictionnaire des variables ni note méthodologique, un jeu de données reste inexploitable.
Comment structurer le mémoire ?
La structure générale ne change pas, mais deux sections demandent un traitement spécifique.
La méthodologie doit consacrer un développement au jeu de données lui-même : qui l’a produit, dans quel but, selon quel protocole d’échantillonnage, sur quelle population et à quelle date. Ce passage remplace la description de votre protocole de collecte, et il doit être aussi rigoureux que celui-ci l’aurait été.
Il faut ensuite expliciter le travail de préparation, trop souvent passé sous silence : recodages effectués, traitement des valeurs manquantes, construction de variables composites, filtres appliqués. Ces opérations sont votre contribution méthodologique propre et doivent être traçables — un lecteur doit pouvoir reproduire votre échantillon d’analyse à partir du jeu d’origine.
Un jury évalue toujours favorablement une limite reconnue et discutée. Sur données secondaires, quatre limites reviennent systématiquement et doivent figurer explicitement :
L’inadéquation partielle des variables — les indicateurs disponibles approchent votre concept sans le mesurer exactement.
L’absence de maîtrise du protocole — vous héritez de choix d’échantillonnage et de formulation que vous n’avez pas faits.
Le décalage temporel, si le jeu date de plusieurs années.
L’impossibilité de revenir sur le terrain pour lever une ambiguïté ou approfondir un résultat inattendu.
La bonne pratique consiste à ne pas se contenter de les énoncer, mais à indiquer en quoi elles affectent l’interprétation, et ce qu’un travail ultérieur devrait faire pour les lever.
Comment Tesify aide sur ce type de mémoire
Le mémoire sur données secondaires déplace la charge de travail : moins de temps sur le terrain, davantage sur la justification méthodologique et la rédaction analytique. C’est précisément là que Tesify intervient utilement — structurer la section méthodologie, formuler avec précision la description du jeu de données et de ses limites, et maintenir un registre académique constant sur des passages techniques.
Le travail scientifique reste entièrement le vôtre : le choix du jeu, les recodages, les analyses et leur interprétation. L’outil intervient sur la mise en forme du raisonnement, pas sur sa production.
Questions fréquentes
Un mémoire sur données secondaires est-il moins bien noté ?
Non, à condition que le choix soit justifié méthodologiquement. L’analyse secondaire est une démarche scientifique reconnue. Ce qui est sanctionné, c’est un choix subi et non assumé, ou une description sommaire du jeu de données — pas le recours à des données existantes en tant que tel.
Quelle différence entre données secondaires et source secondaire ?
Ce sont deux notions distinctes. Les données secondaires relèvent de la méthodologie : vous analysez des données collectées par d’autres. La source secondaire relève de la citation : vous citez un auteur à travers un autre auteur. Un mémoire peut mobiliser l’une sans l’autre.
Comment savoir si un jeu de données est exploitable ?
Vérifiez cinq points : l’existence d’une documentation et d’un dictionnaire des variables, la présence des variables dont vous avez besoin, la population couverte, la date de collecte et la licence de réutilisation. Puis testez en produisant trois tris à plat sur vos variables clés.
Faut-il quand même une problématique originale ?
Oui, et c’est même le cœur de l’exercice. L’analyse secondaire ne consiste pas à refaire l’étude d’origine mais à poser au jeu de données une question différente : nouveau croisement de variables, focalisation sur une sous-population, comparaison entre deux vagues d’enquête.
Quelles limites faut-il déclarer dans le mémoire ?
Quatre principalement : l’inadéquation partielle entre les variables disponibles et vos concepts, l’absence de maîtrise du protocole de collecte, le décalage temporel éventuel, et l’impossibilité de retourner sur le terrain. Indiquez aussi en quoi elles affectent l’interprétation.
Où chercher en priorité un jeu de données ?
Commencez par votre propre laboratoire : beaucoup d’équipes disposent de corpus non entièrement exploités, souvent déjà nettoyés et documentés. Explorez ensuite les portails de données publiques, les bases d’enquêtes en sciences sociales et les entrepôts de données de la recherche.
Où Trouver des Jeux de Données Ouvertes (Open Data) pour son Mémoire : 25 Sources par Discipline 2026
Trouver des données à analyser — et non simplement des articles à lire — est l’un des blocages les plus fréquents lors de la rédaction d’un mémoire de master. La confusion est compréhensible : bases bibliographiques et entrepôts de jeux de données sont des outils distincts. Un jeu de données ouvert (open data) est un fichier brut — tableau CSV, fichier SPSS, géodonnées, séries temporelles — que vous importez dans votre logiciel d’analyse pour produire vos propres résultats. Accéder aux bons jeux de données open data pour son mémoire peut transformer une étude de cas fragile en une démonstration empirique solide et citable.
Cette liste recense 25 sources classées par discipline ou domaine d’usage. Pour chaque entrée : ce qu’elle contient, le type de données proposé, la condition d’accès (libre, inscription gratuite ou restreint sur dossier) et un conseil de citation au format APA 7. La plupart sont gratuites et accessibles depuis un compte étudiant ordinaire ; quelques-unes demandent un dossier justificatif, notamment en santé.
En résumé : Pour un mémoire de master, les portails les plus accessibles sont data.gouv.fr (données publiques françaises, libre), Zenodo (multidisciplinaire, libre) et Eurostat (données UE, libre). Pour les sciences sociales françaises, Quetelet-Progedo est la référence. En santé, le Health Data Hub reste soumis à dossier. Chaque jeu de données doit être cité avec son DOI ou URL stable au format APA 7.
Pourquoi utiliser des données ouvertes dans son mémoire ?
L’analyse secondaire de données existantes présente plusieurs avantages concrets par rapport à la collecte primaire. D’abord, les échantillons sont souvent bien plus larges que ce qu’un étudiant peut obtenir seul via un questionnaire diffusé sur les réseaux. Ensuite, les données officielles (INSEE, Eurostat, OMS) bénéficient d’une méthodologie documentée et reconnue par les jurys. Enfin, citer un jeu de données avec un DOI permanent renforce la reproductibilité de votre analyse, ce qui est attendu dans tout mémoire à visée quantitative.
Avant de commencer, pensez à rédiger un plan de gestion des données (PGD) même sommaire : notez l’origine de chaque fichier, sa licence, la date de téléchargement et le traitement que vous lui avez appliqué. C’est une bonne pratique qui facilitera la rédaction de votre section méthodologique.
1. Portails généralistes
Ces cinq plateformes couvrent plusieurs disciplines et constituent le premier point d’entrée pour la majorité des recherches.
Principales catégories de portails open data accessibles aux étudiants en master : du généraliste à la donnée disciplinaire
1. data.gouv.fr
La plateforme nationale des données publiques françaises, gérée par la direction interministérielle du numérique (DINUM). Elle recense plus de 71 000 jeux de données provenant de l’État, des collectivités territoriales et d’organismes publics : résultats électoraux, statistiques de transport, données foncières, comptes des collectivités, etc.
Type de données : Fichiers CSV, GeoJSON, XLS, API REST
Accès : Libre (sans inscription pour le téléchargement)
Citation APA 7 : Producteur, A. (année). Titre du jeu de données [Jeu de données]. data.gouv.fr. https://www.data.gouv.fr/datasets/[identifiant]
2. Recherche Data Gouv
L’entrepôt national dédié aux données de la recherche académique française. Hébergé par le MESRI et labellisé CoreTrustSeal, il regroupe des données produites par des équipes de recherche universitaires. Chaque dépôt est versionné et se voit attribuer un DOI permanent. Contrairement à data.gouv.fr, le contenu est ici orienté vers les jeux de données produits dans le cadre de projets de recherche publiés.
Type de données : Données de sondage, données expérimentales, corpus textuels, données géospatiales
Accès : Libre pour les dépôts publics ; inscription gratuite pour déposer
Citation APA 7 : Auteur(s). (année). Titre (version X.X) [Jeu de données]. Recherche Data Gouv. https://doi.org/xxxxx
3. Zenodo (CERN)
Entrepôt généraliste créé par le CERN et financé par la Commission européenne. Zenodo accueille des données de toutes disciplines, avec attribution automatique d’un DOI. C’est l’une des références mondiales pour le dépôt de données associées à des publications en accès ouvert.
Type de données : Multidisciplinaire (données, logiciels, preprints, présentations)
Accès : Libre pour les dépôts publics
Citation APA 7 : Auteur(s). (année). Titre [Jeu de données]. Zenodo. https://doi.org/10.5281/zenodo.[ID]
4. Kaggle Datasets
Plateforme communautaire orientée data science et machine learning. Kaggle héberge des milliers de jeux de données nettoyés et annotés, souvent accompagnés de notebooks d’analyse en Python ou R. Très utile pour les mémoires en gestion, marketing, ou informatique qui mobilisent des approches prédictives.
Type de données : CSV structurés, images, textes, données de compétitions
Accès : Inscription gratuite obligatoire
Citation APA 7 : Auteur. (année). Titre [Jeu de données]. Kaggle. https://www.kaggle.com/datasets/[identifiant]
5. Google Dataset Search
Un moteur de recherche dédié aux jeux de données indexés sur le web (datasetsearch.research.google.com). Google Dataset Search n’héberge pas les données mais permet de trouver des fichiers référencés sur des milliers de dépôts institutionnels. Utile pour des requêtes thématiques larges quand on ne sait pas encore où chercher.
Type de données : Tous types (lien vers la source d’origine)
Accès : Libre (moteur de recherche uniquement)
Citation APA 7 : Citer la source originale trouvée via le moteur, pas Google Dataset Search lui-même
2. Données officielles françaises
Ces cinq sources émanent directement d’institutions publiques françaises. Leur rigueur méthodologique est documentée, ce qui facilite la justification de votre cadre empirique devant le jury.
6. INSEE — Données brutes et fichiers détail
L’Institut national de la statistique et des études économiques publie bien plus que des tableaux en ligne : des fichiers détail anonymisés (recensements, enquêtes Emploi, SRCV, DADS, etc.) sont téléchargeables. La section « Fichiers de données » de chaque enquête donne accès aux micro-données pour les analyses statistiques avancées.
Type de données : Démographie, emploi, revenus, prix, logement (micro-données et agrégats)
Accès : Libre pour les agrégats ; les fichiers détail les plus sensibles passent par le CASD (voir ci-dessous)
Citation APA 7 : INSEE. (année). Titre de l’enquête ou du fichier [Jeu de données]. https://www.insee.fr/fr/statistiques/[identifiant]
7. Banque de France — Webstat
Le portail Webstat de la Banque de France donne accès à ses séries chronologiques : taux d’intérêt, agrégats monétaires, balance des paiements, statistiques bancaires. Les données sont exportables en CSV ou Excel, avec historique parfois centenaire pour certaines séries.
Type de données : Séries temporelles économiques et monétaires
Accès : Libre
Citation APA 7 : Banque de France. (année). Nom de la série [Jeu de données]. Webstat. https://webstat.banque-france.fr/
8. DREES — Direction de la recherche, des études, de l’évaluation et des statistiques
La DREES (rattachée aux ministères sanitaires et sociaux) publie des données sur la santé, le social et la dépendance : dépenses de santé, revenus des professionnels de santé, données hospitalières, minima sociaux, personnes âgées. Ses données sont accessibles via son site et via data.gouv.fr.
Type de données : Santé, protection sociale, handicap, personnes âgées
Accès : Libre
Citation APA 7 : DREES. (année). Titre [Jeu de données]. Ministère de la Santé. https://drees.solidarites-sante.gouv.fr/
9. SIES — Système d’Information sur l’Enseignement Supérieur
Le SIES (Ministère de l’Enseignement Supérieur et de la Recherche) publie les statistiques sur les étudiants, les formations, l’insertion professionnelle des diplômés et les personnels de l’ESR. Indispensable pour tout mémoire portant sur l’enseignement supérieur français.
Type de données : Effectifs étudiants, résultats, insertion professionnelle, ressources des universités
Accès : Libre
Citation APA 7 : MESRI-SIES. (année). Titre de la publication statistique [Jeu de données]. https://www.enseignementsup-recherche.gouv.fr/
10. Nakala (Huma-Num / CNRS)
Entrepôt de données en sciences humaines et sociales (SHS) géré par l’infrastructure nationale Huma-Num. Nakala assigne un DOI à chaque ressource déposée et prend en charge des formats variés : images de manuscrits, corpus audio, enquêtes ethnographiques, bases prosopographiques. C’est la plateforme de référence pour les données patrimoniales et culturelles numériques.
Type de données : Corpus textuels, images, archives orales, données de terrain SHS
Accès : Libre pour les dépôts publics ; inscription gratuite pour déposer ou accéder à certains corpus
Citation APA 7 : Auteur(s). (année). Titre [Jeu de données]. Nakala/Huma-Num. https://doi.org/xxxxx
3. Sources européennes et internationales
11. Eurostat
L’office statistique de l’Union européenne produit des données harmonisées couvrant les 27 États membres : emploi, PIB, commerce, environnement, santé, éducation, agriculture. Toutes les données sont téléchargeables via le navigateur de données ou l’API. La comparabilité entre pays est un atout majeur pour les mémoires à dimension comparée.
Type de données : Indicateurs socio-économiques et sectoriels harmonisés à l’échelle de l’UE
Accès : Libre
Citation APA 7 : Eurostat. (année). Nom de l’indicateur [Jeu de données]. Commission européenne. https://ec.europa.eu/eurostat/databrowser/
12. data.europa.eu
Le portail officiel de données ouvertes de l’Union européenne agrège les publications d’Eurostat, du Parlement, de la Commission, des agences européennes et des États membres. Depuis juillet 2026, les données INSPIRE (géospatiales) y sont également indexées. Il offre un niveau de couverture thématique plus large qu’Eurostat seul.
Type de données : Géospatiales, politiques, environnementales, statistiques institutionnelles
Accès : Libre
Citation APA 7 : Nom de l’institution productrice. (année). Titre [Jeu de données]. data.europa.eu. https://data.europa.eu/data/datasets/[identifiant]
13. Banque mondiale — World Bank Open Data
La Banque mondiale propose un accès gratuit et ouvert à des milliers d’indicateurs de développement mondial : PIB par habitant, pauvreté, accès à l’eau, mortalité infantile, scolarisation. La DataBank permet des sélections personnalisées et des exports en CSV ou Excel. La Microdata Library donne accès aux enquêtes auprès des ménages de pays en développement.
Type de données : Indicateurs macroéconomiques, sociaux, environnementaux (190+ pays)
Citation APA 7 : Banque mondiale. (année). Nom de l’indicateur [Jeu de données]. https://donnees.banquemondiale.org/
14. OCDE Data Explorer
Depuis 2024, l’OCDE a adopté un modèle d’accès ouvert pour la quasi-totalité de ses données statistiques. Le Data Explorer (data-explorer.oecd.org) centralise les séries sur l’éducation (Education at a Glance), la santé, la productivité, les inégalités et les finances publiques des pays membres. Particulièrement pertinent pour les mémoires en économie, sciences de l’éducation ou politiques publiques.
Type de données : Éducation, santé, économie, emploi, gouvernance (38 pays OCDE)
Accès : Libre depuis 2024
Citation APA 7 : OCDE. (année). Nom de la série [Jeu de données]. OCDE Data Explorer. https://data-explorer.oecd.org/
15. OMS — Global Health Observatory
L’Observatoire mondial de la santé de l’Organisation mondiale de la santé propose des données épidémiologiques, de mortalité, de couverture vaccinale et de systèmes de santé pour plus de 190 pays. Les fichiers sont exportables en CSV et des API permettent l’intégration directe dans R ou Python.
Type de données : Épidémiologie, mortalité, santé maternelle, couverture sanitaire universelle
Accès : Libre
Citation APA 7 : OMS. (année). Titre de l’indicateur [Jeu de données]. Organisation mondiale de la santé. https://www.who.int/data/gho/
4. Sciences sociales et humanités
Ces plateformes sont spécialisées dans les enquêtes quantitatives sur les comportements, attitudes et conditions de vie des populations. Elles requièrent généralement une inscription gratuite avec justificatif académique.
16. Quetelet-Progedo Diffusion
Service national de diffusion des données en sciences sociales, rattaché à l’infrastructure PROGEDO et hébergé sur Recherche Data Gouv. Quetelet-Progedo met à disposition les grandes enquêtes françaises (enquête Emploi, ESPS, PISA, European Social Survey, Eurobaromètre, baromètres politiques CEVIPOF). C’est la porte d’entrée principale pour tout mémoire en sociologie, science politique ou économie du travail.
Type de données : Fichiers SPSS, Stata, CSV issus d’enquêtes en population
Accès : Inscription gratuite avec adresse institutionnelle ; certaines enquêtes nécessitent un engagement de confidentialité
Citation APA 7 : Producteur de l’enquête. (année). Nom de l’enquête (vague N) [Jeu de données]. Quetelet-Progedo Diffusion. https://doi.org/xxxxx
17. CDSP — Centre de données socio-politiques (Sciences Po)
Le CDSP archive et diffuse des données sur la vie politique et électorale française : sondages post-électoraux, enquêtes sur les attitudes politiques, données de résultats électoraux géolocalisés. Il est particulièrement utile pour les mémoires en science politique, sociologie électorale ou communication politique.
Type de données : Enquêtes électorales, sondages d’opinion, données de vote agrégées
Accès : Inscription gratuite
Citation APA 7 : Auteur(s). (année). Titre de l’enquête [Jeu de données]. CDSP/Sciences Po. https://cdsp.sciences-po.fr/
18. UK Data Service
Principal entrepôt de données en sciences sociales du Royaume-Uni, financé par le UK Research and Innovation (UKRI). Il héberge des enquêtes longitudinales de référence mondiale (British Household Panel Study, Understanding Society) et le dépôt de l’European Social Survey. Incontournable pour les approches comparatives franco-britanniques ou les analyses de panel.
Type de données : Enquêtes longitudinales, données de panel, données qualitatives transcrites
Accès : Inscription gratuite avec adresse institutionnelle
Citation APA 7 : Auteur(s). (année). Titre [Jeu de données]. UK Data Service. https://doi.org/xxxxx
19. GESIS — Leibniz Institute for Social Sciences
L’archive de données sociales allemande GESIS propose des enquêtes comparatives européennes et internationales : ALLBUS, ISSP (International Social Survey Programme), Eurobarometer. L’ISSP couvre des thématiques annuelles comparables entre 40 pays (genre, religion, inégalités, travail), ce qui en fait une ressource précieuse pour les analyses comparatives cross-nationales.
Type de données : Données d’enquêtes comparatives internationales (40+ pays)
Accès : Inscription gratuite
Citation APA 7 : ISSP Research Group. (année). ISSP [thème] [année] [Jeu de données]. GESIS. https://doi.org/xxxxx
5. Santé et sciences médicales
20. Health Data Hub
La Plateforme des données de santé (HDH) est le guichet unique pour accéder aux données de santé à grande échelle en France : Système national des données de santé (SNDS), données hospitalières PMSI, cohortes nationales. En 2026, le HDH finalise la migration de son hébergement vers une infrastructure souveraine certifiée SecNumCloud, ce qui devrait élargir les accès approuvés d’ici la fin de l’année.
Type de données : Données médico-administratives, diagnostics, séjours hospitaliers, consommation de soins
Accès :Restreint — dossier de demande obligatoire, examen par un comité (réservé aux équipes de recherche constituées, pas aux mémoires de master seuls)
Citation APA 7 : Health Data Hub. (année). Nom de la base [Jeu de données]. https://www.health-data-hub.fr/
21. PhysioNet
Hébergé par le MIT et financé par le NIH américain, PhysioNet donne accès à des données cliniques et physiologiques : signaux ECG, données de réanimation (MIMIC-IV), données de sommeil, séries de fréquence cardiaque. Indispensable pour les mémoires en bioingénierie, informatique médicale ou sciences infirmières qui mobilisent des analyses de signal.
Type de données : Signaux physiologiques, données de réanimation, données de sommeil
Accès : Inscription gratuite + formation CITI obligatoire pour certaines bases (MIMIC)
Citation APA 7 : Auteur(s). (année). Titre de la base (version X) [Jeu de données]. PhysioNet. https://doi.org/10.13026/xxxxx
6. Environnement et géographie
22. Copernicus Climate Data Store (CDS)
Le service Copernicus de l’Union européenne propose des données climatiques réanalysées et prévisionnelles : ERA5 (réanalyse atmosphérique depuis 1940), températures de surface, précipitations, indices d’extrêmes climatiques. Les données sont disponibles via une API Python (cdsapi) ou en téléchargement direct. Ressource clé pour les mémoires en géographie, sciences de l’environnement, ou agronomie.
Type de données : Données climatiques grillées, réanalyses atmosphériques, projections
Accès : Inscription gratuite
Citation APA 7 : Hersbach, H., et al. (2020). ERA5 hourly data on single levels from 1940 to present [Jeu de données]. Copernicus Climate Data Store. https://doi.org/10.24381/cds.adbb2d47
23. FAOSTAT (FAO)
La base de données statistiques de l’Organisation des Nations Unies pour l’alimentation et l’agriculture couvre la production agricole, le commerce agroalimentaire, la sécurité alimentaire et les émissions liées à l’agriculture dans plus de 245 pays. Les données sont exportables en CSV et actualisées annuellement.
Type de données : Production agricole, commerce alimentaire, sécurité alimentaire, émissions GES secteur agricole
Accès : Libre
Citation APA 7 : FAO. (année). Nom de l’indicateur [Jeu de données]. FAOSTAT. https://www.fao.org/faostat/
7. Économie et finance
24. FMI — IMF Data
Le Fonds monétaire international met à disposition ses bases de données statistiques : Perspectives de l’économie mondiale (WEO), Balance of Payments Statistics, International Financial Statistics. Les données peuvent être exportées via l’API ou en fichiers CSV depuis le portail IMF Data (imf.org/en/Data). Utile pour les mémoires en macroéconomie, économie internationale ou finance publique.
Type de données : Indicateurs macroéconomiques, balances des paiements, dette publique, réserves de change
Accès : Libre
Citation APA 7 : FMI. (année). Nom de la base/série [Jeu de données]. https://www.imf.org/en/Data
25. FRED — Federal Reserve Bank of St. Louis
FRED (Federal Reserve Economic Data) est l’une des bases de données macroéconomiques les plus utilisées dans le monde académique : plus de 800 000 séries temporelles issues de dizaines de sources (BEA, BLS, OECD, World Bank). Son API permet des extractions directes dans R (package fredr) ou Python. Bien que d’origine américaine, FRED héberge de nombreuses séries mondiales et européennes.
Type de données : Séries macroéconomiques et financières (PIB, inflation, chômage, taux, etc.)
Accès : Libre (API gratuite avec inscription)
Citation APA 7 : Federal Reserve Bank of St. Louis. (année). Nom de la série [code FRED] [Jeu de données]. FRED. https://fred.stlouisfed.org/series/[CODE]
Comment citer un jeu de données dans son mémoire (APA 7)
Citer un jeu de données suit une logique identique à celle d’un article ou d’un rapport, mais quelques éléments spécifiques sont attendus. En APA 7, la structure de base est la suivante :
Auteur(s). (année). Titre du jeu de données (version le cas échéant) [Jeu de données]. Éditeur ou entrepôt. https://doi.org/xxxxx
Structure d’une référence de jeu de données en APA 7 : auteur, année, titre entre crochets, entrepôt et DOI permanent
La mention [Jeu de données] entre crochets est obligatoire : elle signale au lecteur que la source est une donnée brute et non une publication narrative. Si un DOI existe, il est toujours préférable à une URL classique car il est permanent. Si vous avez téléchargé plusieurs vagues d’une même enquête, citez chaque vague séparément et précisez la date de téléchargement dans une note de bas de page.
Pour les données que vous citez sans en proposer une analyse propre — pour calibrer vos hypothèses ou décrire votre contexte — il suffit de les mentionner dans le texte et de les lister en bibliographie. Pour les données qui constituent votre corpus d’analyse principal, décrivez dans la section méthode : la source, la vague ou l’édition, la taille de l’échantillon initial, les variables retenues et les traitements appliqués.
Attention aux biais propres à l’analyse secondaire : le jeu de données a été conçu pour répondre à une question qui n’est peut-être pas la vôtre. Identifiez explicitement les limites que cela impose à vos conclusions. Pour la sélection d’un sous-échantillon depuis un grand fichier, reportez-vous aux méthodes d’échantillonnage probabiliste ou raisonné selon votre objectif.
Enfin, si votre mémoire mobilise plusieurs jeux de données, pensez à consigner dans un plan de gestion des données la licence de chaque source, la date de téléchargement et le traitement appliqué. Cette traçabilité est exigée par un nombre croissant d’établissements et facilite la conservation de vos données après la soutenance conformément au RGPD.
FAQ — Jeux de données ouvertes pour un mémoire
Quelle différence entre une base bibliographique et un entrepôt de jeux de données ?
Une base bibliographique (Google Scholar, Scopus, PubMed) référence des publications — articles, thèses, ouvrages. Un entrepôt de données (Zenodo, data.gouv.fr, Quetelet-Progedo) héberge des fichiers bruts : tableaux CSV, fichiers SPSS, images, corpus audio. Pour un mémoire quantitatif, c’est le second type dont vous avez besoin pour conduire votre propre analyse statistique.
Un étudiant en master peut-il accéder aux données du Health Data Hub ?
En pratique, l’accès aux données du SNDS via le Health Data Hub est réservé aux équipes de recherche constituées avec un responsable scientifique, une convention avec un organisme reconnu et un avis favorable d’un comité éthique. Un étudiant seul en master ne peut pas déposer de dossier à titre individuel. Pour un mémoire en santé, préférez les données DREES, les données hospitalières agrégées disponibles sur data.gouv.fr, ou les enquêtes épidémiologiques publiques (Baromètre santé Santé publique France).
Comment trouver un jeu de données quand on ne connaît pas l’entrepôt adapté ?
Commencez par Google Dataset Search (datasetsearch.research.google.com) avec des mots-clés décrivant votre variable principale. Consultez ensuite les articles empiriques de référence de votre champ : ils citent généralement leurs sources de données en annexe ou en note de bas de page. Quetelet-Progedo et le UK Data Service publient par ailleurs des catalogues thématiques qui permettent de parcourir les enquêtes disponibles par domaine.
Peut-on utiliser des données Kaggle dans un mémoire académique ?
Oui, à condition de vérifier la licence de chaque jeu de données (CC0, CC BY, etc.) et de tracer son origine réelle : un jeu Kaggle a souvent été extrait d’une source officielle (UCI, Banque mondiale, Eurostat). Citez toujours la source primaire lorsqu’elle est identifiable, et mentionnez Kaggle comme intermédiaire de distribution. Précisez dans votre méthode les éventuels traitements déjà appliqués au fichier par son auteur.
Est-il obligatoire d’avoir un DOI pour citer un jeu de données ?
Non, un DOI n’est pas obligatoire mais fortement recommandé car il garantit la pérennité du lien. Si la source ne dispose pas de DOI, indiquez l’URL complète et précisez la date de consultation entre parenthèses. Pour les entrepôts institutionnels comme INSEE ou Eurostat, l’URL de la page de téléchargement spécifique à l’édition consultée est suffisante.
Analyser vos données avec l’aide de l’IA
Vous avez trouvé votre jeu de données, mais la rédaction de la section résultats et discussion reste un défi ? Tesify vous aide à structurer l’interprétation de vos analyses, à rédiger les parties empiriques de votre mémoire dans un registre académique rigoureux et à formuler vos limites méthodologiques de façon professionnelle.
