datagouv-toolkit

Outils génériques pour explorer, télécharger, inspecter et analyser des jeux de données publiés sur data.gouv.fr.

Réutilisations

• 20 ans d’accidents corporels en France — BAAC 2005–2024

Architecture

• datagouv.py : exploration et résolution de datasets data.gouv.fr.
• download_resources.py : téléchargement générique de ressources.
• dataset_workflow.py : enchaînement résolution → téléchargement → audit CSV.
• inspect_csv.py : audit structurel générique d'un CSV.
• catalog_stats.py : statistiques reproductibles à partir d'un snapshot du catalogue.
• normalize.py : normalisation des métadonnées.
• tests/ : tests unitaires.
• datasets/ : pipelines spécifiques à certains jeux de données.
• datasets/baac/ : premier cas d'usage, données BAAC.

Exemples

Rechercher un dataset

python datagouv.py search "accidents corporels"

Inspecter ses ressources

python datagouv.py resources \
  "accidents corporels" \
  --producer "Ministère de l'intérieur"

Télécharger une ressource

python download_resources.py \
  "accidents corporels" \
  --producer "Ministère de l'intérieur" \
  --format csv \
  --resource-title "Caract_2024" \
  --output data

Télécharger et auditer automatiquement

python dataset_workflow.py \
  "accidents corporels" \
  --producer "Ministère de l'intérieur" \
  --format csv \
  --resource-title "Caract_2024" \
  --output data

Auditer un CSV local

python inspect_csv.py fichier.csv

Pour rediriger un audit volumineux :

python inspect_csv.py fichier.csv > audit.txt

Analyser un snapshot du catalogue

python catalog_stats.py "transport" \
  --snapshot snapshot/2026-08-25

Filtres disponibles notamment :

python catalog_stats.py "énergie" \
  --snapshot snapshot/2026-08-25 \
  --license fr-lo-2.0 \
  --frequency annual

Qualité

ruff check .
mypy .
pytest -q
bandit -q *.py