Conférence sur "Allier recherche - diffusion de sa recherche - enseignement - est-ce possible ?"

Alors le titre, c'est un peu pour montrer les différentes facettes éventuellement du métier d'enseignant-chercheur qui peuvent paraître parfois un peu difficiles à mener de front. Et donc voilà, sur cet exposé, je vais essayer de montrer comment moi en tout cas j'ai essayé de promouvoir ma recherche à travers de la diffusion de packages, puis après aussi utiliser tout ça pour pendant l'enseignement, et puis aussi, bien, à travers l'exposé, comment rendre accessible son package et un peu promouvoir son package, et à travers son package, sa recherche. Alors, pour me présenter rapidement, je vais vous parler de mes thématiques de recherche. Donc je m'intéresse à ce qui traite des données manquantes, donc à la fois comment gérer les données manquantes dans des tableaux de données qu'on va vouloir analyser par des méthodes d'analyse de données classiques: ACP, ACM, AFM, etc. Et puis aussi utiliser des méthodes pour pouvoir compléter un tableau de données et après avoir complété le tableau de données pouvoir utiliser un peu n'importe quelle méthode statistique. Donc voilà en gros la thématique de recherche. Alors en enseignement, je suis responsable d'une spécialisation de data science dans une école d'ingénieurs en agronomie. Responsable de cursus d'ingénieur, et qui a adossé un master de sciences des données également. Et puis je suis auteur d'un MOOC en analyse de données, donc je reviendrai dessus, et un MOOC sur une thématique un peu particulière qui est la sensométrie, donc le traitement statistique de données sensorielles. Mais ce MOOC-là est plutôt fermé. Et puis après, je participe à quelques formations continues de statistiques avec R, d'analyse de données. Et puis j'ai contribué à l'écriture de divers ouvrages, En fait, il y a plusieurs fois les mêmes, mais en langue. Donc celui-là, R pour statistiques avec R, ou R pour la statistique et la science des données. Donc c'est une nouvelle version qui est également en anglais. Et puis après, un livre d'analyse de données avec R qui est traduit en espagnol et en anglais également. Et puis un livre de statistiques générales pour des exercices sur diverses thématiques de statistiques. Et puis je suis aussi auteur de différents packages, donc FactoMineR pour l'analyse de données, missMDA pour la gestion des données manquantes, Sensominer pour l'analyse de données sensorielles, Factoshiny, je vais y revenir, qui est une interface graphique pour FactoMineR, FactoInvestigate qui permet de faire des rapports un peu automatisés à partir de résultats de FactoMineR également. Et puis un package qui est moins utilisé maintenant, qui est un plugin R Commander pour FactoMineR. Je vais faire une petite introduction avant de parler de ce que j'ai fait moi. Sur la construction de package, en fait construire un package, c'est de plus en plus réalisé. Il y a de plus en plus de doctorants qui vont, à l'issue de leur thèse, à la fin de leur thèse, promouvoir leurs travaux à travers un package. Donc ça leur permet de proposer de nouvelles méthodes qu'ils ont développées ou des méthodologies statistiques. Ça permet de partager le travail avec l'ensemble de la communauté scientifique. Et à travers ce partage du travail, ça permet aussi de confronter la méthode qu'on a développée par rapport aux autres méthodes existantes, parce que les modèles, les algorithmes sont directement disponibles et sont normalement assez faciles à utiliser quand ils sont dans un package. Et puis ça permet éventuellement aussi de rendre disponibles des jeux de données qui ont été recueillis. Alors la construction d'un package, ça prend du temps, c'est pas une simple fonction que qu'on a construit, il a fallu améliorer cette fonction pour la rendre utilisable sur un peu divers jeux de données, mettre des aides, voilà. Et donc ça prend du temps, et ce temps-là, ça doit être bénéfique à la fois à celui qui a conçu le package pour promouvoir ce qu'il a fait, et ça doit aussi être utile à la communauté scientifique. La multiplication des packages, si les packages ne sont pas très intéressants, finalement ça ne va pas aider la communauté scientifique. Donc il faut que ce soit utile pour les deux. Et donc il y a quelques questions à se poser avant la soumission d'un package: c'est un package pour qui? À destination de qui? Est-ce que c'est à destination de quelques chercheurs? Et dans ce cas-là, eh bien, c'est des chercheurs pointus d'un domaine, on n'a pas besoin d'avoir des aides très sophistiquées parce que les gens connaissent en gros les méthodes, ou alors est-ce que c'est pour diffuser à un large public? Et là, dans ce cas-là, il va falloir avoir des aides très complètes. Et puis, bien, un package, pourquoi faire? Est-ce que c'est juste pour promouvoir sa recherche ou est-ce que c'est pour aller un petit peu plus loin? Selon ce qu'on veut faire, selon pour qui on fait le package, on peut le mettre à disposition sur GitHub, ou éventuellement juste compiler son package et diffuser un .zip ou un .tar.gz, ou alors si on veut une audience plus large, on va pouvoir le mettre sur Bioconductor ou sur le CRAN. Quand on va construire son package, il y a des questions à mon avis, qu'il faut se poser dès le début parce qu'une fois que le package est diffusé pour la première fois, il y a des choses qu'on ne va pas pouvoir changer: le nom du package, on ne va pas pouvoir le changer, les principales fonctions qui vont être utilisées, les noms sont très difficiles à changer, les noms des arguments sont difficiles à changer, et donc il faut bien réfléchir à ces aspects-là dès le début, même si le package d'emblée n'est pas complet. On peut avoir un un package qui sera évolutif, mais ce qui est fait au début doit être bien fait. Donc je pense qu'il faut éventuellement avoir un package simple qui sera évolutif, mais ce qui est fait doit être bien fait, parce que si les gens vont voir un package et que ça fonctionne pas la première fois, ils vont plus l'utiliser et c'est un peu perdu, même si après le package s'améliore et serait utile. Donc les choses peuvent être simples mais doivent être bien faites. Et puis il faut aussi que les gens comprennent pourquoi on a fait le package, et donc il faut bien documenter ses fonctions, les aides des fonctions, savoir ce que font chaque fonction, avoir des exemples qui soient parlants, et puis faire une vignette du package pour expliciter ce que fait le package. Alors malgré tout ça, même si on a un bon package, c'est de plus en plus difficile d'être visible parce que si on regarde la courbe d'évolution du nombre de packages qui sont disponibles juste sur le CRAN, il y en avait très très peu jusque dans les années 2008, il y avait environ 1000 packages, et là on est maintenant à 16000 packages avec une courbe qui est exponentielle. Et donc forcément quand on pose un package, quand on met à disposition un package sur le CRAN, Il y a quelques années, il y a une dizaine d'années, on voyait les packages arriver et on pouvait aller regarder le package. Maintenant forcément les gens font plus comme ça, ils vont pas aller regarder les 16 000 packages pour savoir s'il y a un package qui les intéresse. Donc il y a besoin de mettre en avant son package ou de le rendre visible en tout cas. Et donc pour le rendre visible, je pense qu'une fois qu'on a soumis le package, après la première soumission ou après quelques améliorations, Il faut maintenir le package, alors j'ai mis faire vivre le package, je pense que c'est un peu ça, c'est le faire évoluer un peu constamment, corriger les coquilles s'il y en a, je pense qu'il y en a un peu toujours même si on a cherché à minimiser le nombre de coquilles, répondre aux questions des utilisateurs, ça permet aussi en général d'améliorer son package, et puis les utilisateurs sont contents quand ils voient que vous répondez à leurs questions, ça veut dire aussi que vous êtes encore intéressés par le package, faire de nouveaux développements, donc proposer de nouvelles fonctions, ou améliorer la programmation en allant faire du Rcpp par exemple, ou du calcul parallèle pour que les calculs aillent plus vite si besoin. Et puis ce qui est aussi possible, c'est de construire d'autres packages qui sont complémentaires pour étoffer un petit peu élargir le domaine du premier package. Et puis enfin, faire connaître le package et essayer de diffuser ce que fait le package. Je vais montrer un petit peu ce que moi j'ai fait à travers le package FactoMineR. Le package FactoMineR, c'est un package qui s'intéresse à l'analyse de données, aux méthodes d'analyse de données. Mis ici un tableau de données avec des individus en ligne en général et des variables en colonne, et puis autour on va avoir différentes méthodes qui vont permettre d'analyser ce tableau. Analyser dans le sens d'écrire, visualiser le tableau de données, visualiser l'information contenue dans le tableau de données, synthétiser aussi cette information si on a des gros tableaux de données avec beaucoup d'individus, beaucoup de variables, quelle est l'information qui est la plus utile dans ce tableau de données. Les méthodes disponibles dans FactoMineR sont assez nombreuses et dépendent de la nature des variables, donc de l'ACP si les variables sont toutes quantitatives, de l'analyse des correspondances si on est avec des tableaux de contingence, l'analyse des correspondances multiples plutôt pour traiter des questionnaires avec des variables qui seront plutôt qualitatives, l'analyse de données mixtes, c'est un mixte entre l'ACP et l'ACM, avec un tableau avec des variables à la fois quantitatives et qualitatives, toutes les variables étant actives et participant à la construction des plans d'analyse factorielle. L'analyse factorielle multiple, qui va permettre de prendre en compte une structure sur les variables, donc en faisant des groupes de variables et en regardant les liaisons qu'il peut y avoir entre l'information portée par les différents groupes de variables. La FLM multiple hiérarchique, qui est une extension de l'analyse factorielle multiple, où au lieu d'avoir juste des groupes, on peut avoir des groupes, puis à l'intérieur des groupes, des sous-groupes, etc., et essayer de comprendre ce qu'apporte chaque groupe et puis chaque sous-groupe. Et puis il y a une méthode de classification ascendante hiérarchique. Toutes ces méthodes-là sont disponibles dans le package, avec évidemment des graphes mais aussi des indicateurs comme les qualités de représentation, la contribution des individus, des variables. Et puis il y a également une interface graphique qui est disponible en français ou en anglais, donc ça reconnaît la langue de votre ordinateur et puis ça va la mettre en français ou en anglais. C'est Factoshiny qui permet d'utiliser FactoMineR de façon assez simple sans avoir à connaître les lignes de commande qui lancent les analyses, et qui permet aussi d'améliorer les graphiques de façon interactive. On va paramétrer les graphiques et voir tout de suite comment les graphiques s'améliorent. Un package qui permet de gérer les données manquantes. Donc si vous avez un tableau de données avec des données manquantes, vous allez d'abord utiliser ce package-là pour avoir un jeu de données qui sera complété comme il faut, entre guillemets, et puis sur lequel vous allez pouvoir ensuite appliquer l'analyse des données voulue. FactoInvestigate, qui est un autre package qui permet lui de récupérer les résultats des analyses factorielles et qui propose un un rapport automatique, donc un petit rapport sur une interprétation, une tentative on va dire d'interprétation des résultats de l'analyse. Et puis il y a des aides à l'utilisateur, donc un site internet, des vidéos qui permettent de voir comment mettre en œuvre la méthode, des livres et puis un MOOC. Donc je vais revenir en détail sur ces différents aspects. Je vais donner 2 exemples de données dans lesquels je vais montrer les résultats de 2 méthodes à chaque fois. Ça vous permet d'avoir un petit peu une vue des différentes méthodes et quels sont les graphes et les sorties que FactoMineR peut fournir. Donc le premier exemple, c'est un exemple avec des vins, donc 10 vins qui sont décrits par des variables sensorielles. Donc les variables sensorielles, on a demandé en fait à des juges d'évaluer les vins sur l'odeur du fruité par exemple. Ils mettent une note de 0 s'il y a une très faible odeur de fruité et une note de 10 s'il y a une très forte odeur de fruité. Et donc comme ça, on a un tableau avec en en ligne les vins et en colonne les variables quantitatives. Donc il y a 27 variables qui correspondent à des descripteurs sensoriels. Il y a 2 variables qui sont de nature un petit peu différente, c'est pas une description des vins mais c'est une note d'appréciation des vins. Donc je les ai mises en bleu parce que je vais pas avoir envie de considérer ces variables-là comme des variables qui permettent de décrire les vins. Donc je vais décrire les vins qu'avec les variables descripteurs sensoriels en noir, mais ces 2 variables-là, je vais vouloir les utiliser comme variables supplémentaires, variables illustratives. Et puis une dernière variable qui est une variable qualitative, qui est le label du vin, donc soit un Sauvignon, soit un Vouvray. Et donc les questions qu'on se pose sur ce genre de données, c'est quels sont les vins qui se ressemblent globalement du point de vue sensoriel, du point de vue de l'ensemble des descripteurs sensoriels, Est-ce que je peux faire des regroupements de ces vins? Et puis est-ce que je peux caractériser un vin, dire en quoi est-ce que ce vin est différent par rapport aux différents descripteurs sensoriels? Ou alors éventuellement je peux aussi me poser la question: est-ce qu'il y a des descripteurs sensoriels qui se ressemblent? Quand des vins ont une faible note pour un descripteur sensoriel, ils ont également une faible note pour un autre descripteur sensoriel. Donc voilà le graphe de d'ACP, les 2 graphes d'ACP fournis par FactoMineR. Donc un graphe avec les vins, et donc vous voyez ici qu'on a à la fois la position des 10 vins, mais on a en plus l'information sur le label avec une couleur différente pour chaque label, et puis le barycentre de chaque label, Sauvignon et Vouvray ici. Qui sont positionnés. Donc ce graphe-là va être interprété en même temps que le graphe des variables. Et donc on va pouvoir voir, expliquer la séparation qu'il y a entre les Sauvignons qui sont plutôt sur la gauche et les Vouvray qui sont plutôt sur la droite. Donc les Vouvray, par exemple, vont prendre de fortes valeurs pour ces variables sensorielles sur l'odeur de champignons, de fruits confits. Et puis ici, au contraire, les Sauvignons prennent de fortes valeurs pour les variables qui sont sur la gauche: odeur de passion, odeur de fruits, odeur de plantes, etc. Donc on a comme ça une description des individus statistiques, les vins, et des variables, les descripteurs sensoriels. Et puis vous voyez que les variables supplémentaires sur les préférences sont en bleu et en pointillés ici et sont projetés. Donc on va voir qu'il n'y a pas forcément une préférence énorme pour un type de vin, éventuellement une préférence au niveau de l'odeur plutôt vers les sauvignons. Ces deux graphes synthétisent l'information avec les variables actives, les variables descripteurs sensoriels, mais aussi des variables supplémentaires. Donc c'est ça qu'on peut utiliser dans dans FactoMineR, donc il y a toujours la possibilité d'avoir des variables supplémentaires, qu'elles soient quantitatives ou qualitatives. Alors une autre méthode, je vais peut-être passer un peu plus de temps sur cette méthode qui sera moins connue, qui est l'analyse factorielle multiple, où là on va avoir différents groupes de variables, et l'objectif ça va être de de voir les différences qu'il y a entre les individus du point de vue de l'ensemble de variables, mais aussi d'essayer de comprendre ce qu'apporte chaque groupe de variables. Dans les groupes de variables, on peut avoir des variables qui sont quantitatives, toutes quantitatives, ou des variables qualitatives. Mais on peut avoir des groupes qui ont des variables de natures différentes, quantitatives ou qualitatives. Quelques exemples: on peut avoir des enquêtes sur le mieux-vivre par pays, par exemple, où on a 22 indicateurs, mais ces indicateurs sont regroupés dans 5 domaines différents. C'est un domaine social, un domaine économique, etc. Donc on va vouloir comparer les pays du point de vue de l'ensemble des indicateurs, mais aussi savoir comment se caractérise chaque pays du point de vue uniquement social, du point de vue uniquement économique. On peut avoir aussi pour ce type de données des évolutions dans le temps avec par exemple des tableaux qui croisent pays, indicateurs économiques. Donc on a chaque pays avec une batterie d'indicateurs économiques, et puis on a ça répété pour différentes années. Donc un groupe de variables sera les années, et on verra l'évolution comme ça des pays d'une année à l'autre. On peut avoir des questionnaires aussi avec des échelles de Likert et des questions qualitatives. Donc là, c'est pour montrer qu'on peut avoir des variables qualitatives. Et là encore, dans les questionnaires de Likert, on va avoir différents groupes de questions particulières. Et puis on peut aussi avoir des tableaux de contingence qui évoluent dans le temps. Donc on peut imaginer une analyse textuelle d'un mouvement social et puis voir comment ce mouvement social est traité dans les journaux selon différents mois, pour voir l'évolution. Et donc on aurait en ligne par exemple les journaux, et puis en colonne on a les mots, et puis on a ça pour un mois donné, et on répète ce tableau-là à différents mois. Et comme ça on va voir l'évolution du vocabulaire utilisé d'un journal à l'autre dans le temps. Donc pour reprendre le jeu de données sur la description sensorielle, en fait on peut imaginer avoir plusieurs jurys qui ont décrit les mêmes vins. Donc par exemple le jury que j'avais tout à l'heure qui était un jury d'experts qui avait utilisé 27 descripteurs, puis un autre jury de consommateurs, puis un jury d'étudiants. On a ces différents jurys et on va vouloir voir comment les différents jurys décrivent les vins. L'intérêt de l'analyse factorielle multiple, ça va être que cette description va être réalisée dans un même repère, donc ça va être facile à comparer. Parce que si je fais une ACP sur les experts, une ACP sur les consommateurs, une ACP sur les étudiants, je ne vais pas avoir les mêmes axes et ça va être assez difficile de comparer ces analyses parce qu'il peut y avoir une rotation. Très difficile de comparer. Et là, l'intérêt de l'analyse factorielle multiple, c'est qu'on met ça dans un même repère et on va pouvoir directement comparer les analyses. Donc voilà, ces groupes de variables, je vais les mettre en actif. Et puis on peut avoir un groupe de variables sur des appréciations. Donc là, il y a 60 consommateurs qui avaient dégusté les vins et donc ils ont mis des notes. Donc ça, c'est pas de la description, donc je vais le mettre en supplémentaire. Et puis on a toujours notre variable label. Donc les questions, c'est toujours comment caractériser les vins, mais aussi comment est-ce que chaque jury décrit les vins. Est-ce qu'il y a consensus dans la description des vins d'un jury à l'autre? Et les graphiques qu'on va avoir, bien, ça va être le même type de graphique avec un graphique des vins coloriés là encore en fonction d'une variable qualitative, et puis un graphique des variables, alors qui est très chargé Mais c'est normal puisqu'on a beaucoup d'informations, donc faut pas être surpris par ça. Les variables d'un même groupe sont d'une même couleur, d'accord? Donc toutes les variables en rouge sont les variables du groupe expert. Alors après, bien souvent, il va falloir travailler son graphique pour cibler un peu l'information qu'on va vouloir faire ressortir. Donc là, par exemple, on voit que tous les jurys perçoivent la saveur sucrée à peu près de la même façon. Les vins qui sont en bas à gauche ont une saveur sucrée plutôt prononcée. Au niveau de l'acidité, les experts et les consommateurs ont à peu près la même vision de l'acidité, alors que— non, les étudiants, pardon, et les consommateurs ont cette vision-là de l'acidité, alors que les experts ont une autre vision de l'acidité. Donc voilà, on va pouvoir voir si sur certains critères il y a des différences ou pas entre les jurys. Mais au niveau de l'interprétation du graphique, c'est une interprétation qui est assez simple puisque c'est la même que pour l'ACP. Les points qui sont à droite, les vins qui sont à droite ont une forte acidité. Mais alors évidemment, comme on est avec une structure sur nos données avec des groupes, on va vouloir aussi comparer les groupes. Est-ce qu'il y a des groupes qui se ressemblent? Est-ce qu'il y a des groupes qui sont différents? Là, comme j'avais 3 groupes, j'ai 3 points: un point qui représente l'ensemble des variables du groupe expert, un point qui représente l'ensemble des variables du groupe étudiant, et l'ensemble des consommateurs. Ce qu'on va voir, c'est que, par exemple, sur la première dimension, tous les points ont une coordonnée élevée, ça veut dire que tous les groupes perçoivent la première dimension de l'AFM, donc l'opposition qu'il y a entre les vins qui sont sur la gauche et les vins qui sont sur la droite. Et sur la deuxième dimension, bien, ce qu'on voit, c'est que les experts arrivent bien à différencier les vins par rapport à leur deuxième dimension, et les consommateurs un peu moins. Les étudiants sont entre les deux. Donc là, ça, c'est une comparaison synthétique en fait des groupes de variables, le groupe dans son ensemble. Donc ça, c'est assez spécifique à l'analyse factorielle. Factorielle multiple. Et puis il y a une autre, un autre graphe qui est spécifique, c'est ce graphe-là où en fait c'est le graphe que j'avais tout à l'heure des vins avec les 10 vins. Donc laissez les points qui sont en noir, mais après on a chaque point, chaque vin, comment il est perçu par chacun des groupes. Donc ici par exemple, le, ce vin-là, Aubusière Silex, il est ici vu par l'ensemble des groupes. Mais après, vu par le groupe des experts, il est plutôt par ici. Donc il est moins extrême que quand il est vu par les consommateurs. Ou par les consommateurs, les consommateurs le trouvent très extrême sur la première dimension. Donc ça, ça va nous permettre de voir quels sont les vins qui sont perçus de façon très homogène avec tous les groupes. Par exemple, ce vin-là. Qu'on appelle des points partiels, là, sont très proches du point noir, du point moyen, et donc ça veut dire que tous les jurys perçoivent le vin à peu près de la même façon. Et au contraire, quand les points sont très dispersés, ça veut dire qu'il n'y a pas un consensus dans la description du vin. Donc ça, c'est un graphe qui est spécifique de l'AFM, qui va permettre d'aller dans le détail voir les différences qu'il peut y avoir d'un groupe à l'autre. Pour un vin donné. Alors un autre exemple qui est un exemple en linguistique où là ce sont des données que j'avais récupérées. Alors il y a 18 auteurs et les mots qu'ils ont utilisés dans un grand nombre de leurs ouvrages. Alors par exemple Aragon, il y avait 23 textes qui ont été pris, Balzac 49 textes, Kornel 34 textes, etc. Donc on a en colonne ici les auteurs, et puis en ligne les mots, et dans une case le nombre de fois où un auteur a utilisé le mot donné. Alors évidemment, là il y a énormément, énormément de mots, donc j'ai fait un filtre en supprimant tous les mots qui ont été cités moins de 100 fois. Comme il y avait beaucoup, vraiment beaucoup d'ouvrages, voilà, supprimer les mots qui étaient cités moins de 100 fois. Alors sur ce type de tableau, l'idée qu'il y a, qui est l'idée de l'analyse textuelle, c'est de se dire si les auteurs utilisent les mots à peu près dans les mêmes proportions, ça veut dire qu'ils ont à peu près les mêmes, les mêmes centres d'intérêt, d'accord. Donc s'ils citent beaucoup certains mots en proportion, c'est qu'ils sont intéressés par cette thématique-là. Et donc on va vouloir comparer les auteurs par rapport au, alors pas au nombre de mots, mais par rapport au pourcentage de mots qu'ils utilisent. Alors pourquoi pas par rapport au nombre de mots? Parce qu'on le voit, ils ont pas tous des textes qui sont aussi longs, et puis des fois il y en a qui ont plus de textes que d'autres. Donc celui qui a 49 textes et qui fait des textes longs, évidemment il aura plus de mots qu'un auteur qui aura moins de textes et des textes plus courts. Donc ce qui est intéressant de regarder, c'est pas le nombre ici, mais c'est le pourcentage de mots. Et donc pour s'intéresser à ce type de tableaux, qui sont des tableaux de contingence, on va pas faire une ACP, qui s'intéresserait plutôt au nombre de mots, mais on va faire une analyse des correspondances qui va s'intéresser aux pourcentages de mots au texte. En faisant l'AFC sur le tableau, voilà le graphe qu'on obtient sur les auteurs. On voit que 2 auteurs sont proches quand ils ont à peu près le même profil, c'est-à-dire qu'ils ont utilisé les mots dans des pourcentages relativement similaires. Donc on voit par exemple que Corneille et Racine sont proches, donc on va pouvoir considérer que c'est des auteurs qui s'intéressaient un peu aux mêmes problématiques, aux mêmes thématiques. Donc là après, il faudrait rentrer dans le détail pour creuser pourquoi certains auteurs sont proches, pourquoi ils sont éloignés au contraire d'autres auteurs. Là, ça prend un petit peu de temps. Ce qu'on peut rajouter aussi, c'est les dates de décès des différents auteurs. Et si on ajoute les dates de décès des différents auteurs, on voit que il y a une évolution finalement du vocabulaire dans le temps, du vocabulaire et donc des thématiques qui sont associées, avec les premiers ici corneilles et racines, et puis voilà, on augmente jusqu'à arriver vers Éluard ou Aragon ici. Donc une évolution du vocabulaire au fil du temps. Mais alors oui, voilà, et ce qu'on peut faire aussi, c'est se dire, bien, je vais essayer de regrouper les auteurs qui se ressemblent et donc faire des classes d'auteurs, donc faire une classification. Donc ça, c'est une autre méthode, méthode de classification, qui va construire ce qu'on appelle un arbre hiérarchique et mettre dans des mêmes classes des auteurs qui sont proches, donc à peu près les mêmes thématiques. Donc là, la classification propose ce regroupement-là, donc elle construit un arbre hiérarchique, puis après on coupe l'arbre et et ça définit des classes. Ces classes sont construites de façon automatique, et j'ai représenté les classes ici en entourant les auteurs qui appartiennent à une même classe d'une même couleur. Dans cette classification des auteurs, on retrouve des choses qu'on peut expliquer. Les regroupements qui ont été faits, après, on peut On peut essayer de caractériser chacun de ces groupes. Alors voilà, dire que Corneille et Racine sont des classiques. Ici, c'est plutôt des auteurs classiques des Lumières, des réalistes, des naturalistes. Et donc ces regroupements-là, qui ont été faits de façon automatique juste par rapport aux mots, on retrouve du sens en fait d'un point de vue linguistique. Et donc on voit aussi que les auteurs réalistes qui sont ici sont opposés aux romantiques. Non, qu'est-ce que j'ai mis? Aux naturalistes. Les réalistes sont très éloignés de Lamartine. Ah oui, Lamartine et Stendhal, Balzac sont sont opposés. Et donc là, on retrouve une opposition entre les réalistes qui voulaient montrer la société telle qu'elle est, et le roman qui devient un miroir de la société. Donc il y a à la fois les proximités entre auteurs qui montrent que les auteurs utilisent à peu près les mêmes mots, mais aussi l'éloignement qui montre les grandes différences qui existent entre auteurs ou groupes d'auteurs. Et puis dans l'AFC, on a les auteurs, mais on a aussi les mots. Donc là, on a le graphe avec l'ensemble des mots, donc il y a énormément de mots. Et dans ces mots, on peut trouver les mots qui permettent de caractériser chacune des classes. Donc j'ai mis en noir tous les mots qui caractérisent la classe des auteurs qui sont ici en noir, des classiques. Donc caractérisent dans le sens sont suremployés par les auteurs qui sont de la classe noire. Alors pour y voir un petit peu plus clair, on va pouvoir voir quelles sont les thématiques abordées par les auteurs qui sont en noir, abordées en tout cas plus que les autres auteurs. Et donc là encore, on va pouvoir expliquer ce qui caractérise chacun de ces groupes d'auteurs. Et dans ce qui est fait là, on s'attache uniquement au comptage de mots. Si c'était uniquement des auteurs allemands avec des mots allemands, on peut faire la même analyse. Et donc il y a une petite vidéo pour en savoir un peu plus sur cet exemple, sur comment sont trouvés les mots significatifs pour caractériser les différents courants. Voilà sur FactoMineR. Je vais passer à quelques packages complémentaires. En quelques mots, missMDA, qui est un package qui va permettre de gérer les données manquantes. On a le même type de tableau, avec des individus en ligne et puis des variables en colonne. Les variables peuvent être quantitatives, on gérera avec une ACP, qualitatives, on gérera avec une ACM, enfin une méthode issue de l'ACP, une méthode issue de l'ACM. Si c'est un tableau de comptage, une méthode issue de l'AFC, si c'est avec des groupes de variables, une méthode issue de l'AFM. Et donc dans MissMDA, on va pouvoir compléter ce tableau de données, compléter dans le sens où on va imputer les valeurs manquantes par la variable qui est la plus adaptée pour faire l'ACP derrière ou pour faire l'ACM derrière. La variable, la valeur la plus intéressante dans le sens où On retrouve le plan d'ACP sur les individus et les variables en minimisant un critère qui ne s'intéresse qu'aux données qui sont observées, sans s'intéresser aux données qui ont été imputées. Donc ça permet de réaliser les méthodes d'analyse factorielle sur des tableaux incomplets, Et puis en fait, en faisant ça, on s'est aperçu qu'on avait à l'intérieur de l'algorithme une imputation qui était réalisée, et puis on a regardé la qualité de cette imputation, et cette imputation est très intéressante comparée à d'autres méthodes, méthode de forêt aléatoire par exemple, qui sont des méthodes les plus compétitives. En fait, les méthodes issues de l'ACP ou de l'ACM sont très compétitives aussi pour compléter les tableaux de données. Donc on va pouvoir imputer les tableaux de données et utiliser ces tableaux de données pour faire derrière une classification, une régression ou n'importe quelle autre méthode statistique. Ça va bien marcher surtout quand on a des variables qui sont très liées. Un autre package qui est le package Factoshiny, ce que j'ai dit c'est que ça permet de mettre en œuvre les méthodes de FactoMineR sans connaître le code. La seule difficulté, ce sera d'importer le tableau de données, et après on a juste à lancer Factoshiny, et on va pouvoir faire toutes les méthodes que je vous ai présentées. Et l'autre intérêt, c'est de pouvoir améliorer les graphiques de façon interactive. On va cliquer sur colorier par exemple en fonction d'une variable qualitative, et on voit tout de suite comment apparaît le graphique. Et donc cette méthode, il n'y a qu'une fonction à retenir, c'est la fonction Factoshiny, du même nom que le nom du package. Et on lance Factoshiny soit sur le jeu de données, soit sur les résultats de l'ACP, soit sur un résultat de Factoshiny, ce qui permet éventuellement de reprendre l'interface là où on en était. Donc je peux faire une petite démonstration. J'ai lancé Factoshiny et puis importé le jeu de données. Et donc là, je vais juste faire res de Factoshiny de vin. Ça lance l'interface. Et donc dans l'interface, vous avez sur la gauche une description très succincte du jeu de données: nombre d'individus, nombre de variables quantitatives et nombre de variables qualitatives. Après, les méthodes qu'on peut choisir par rapport au jeu de données qu'on a. Ici, comme on a à la fois des variables quantitatives et qualitatives, on va pouvoir faire ACP, AFC, AFDM, alors pas une ACM parce qu'on n'a pas assez de variables qualitatives, il n'y en a qu'une. Et puis il y a une petite vidéo pour aider à choisir la méthode. Une vidéo qui dit, par rapport au tableau de données que vous avez, Voilà les méthodes qui sont disponibles. Après, vous avez les différentes méthodes qui sont proposées avec, pour chaque méthode, une aide. Par exemple ici, je clique sur l'aide, ça me décrit succinctement la méthode. En gros, c'est quelles sont les données sur lesquelles on l'applique, quel est l'objectif de la méthode, et puis ensuite vous avez des liens vers des vidéos de cours pour comprendre la méthode. Description des données, comment on étudie les individus et les variables, et puis les aides à l'interprétation de la méthode. Et puis comme on est dans l'ACP, comment on gère les données manquantes en ACP. Après, si je lance la méthode, ça va m'ouvrir la fenêtre d'ACP et ça fait l'analyse. L'analyse directement, en fait toutes les variables sont considérées comme des variables actives. Moi je vais quand même reparamétrer pour dire que certaines variables sont supplémentaires. Ici je vais dire que les variables préférences d'odeurs sont supplémentaires. Je peux rajouter des individus supplémentaires éventuellement. Dans mon jeu de données, je n'ai pas de données manquantes, mais si j'avais des données manquantes, à la place de pas de données manquantes ici, j'aurais différentes options pour pouvoir compléter le tableau de données. Soit l'option très simple compléter par la moyenne, soit des options plus sophistiquées où on va utiliser le package missMDA pour compléter le jeu de données de façon optimale. Je vais utiliser ce paramétrage-là, et donc ça va mettre à jour mon graphe. Là maintenant, les variables sont sont supplémentaires. Et puis je vais pouvoir modifier mon graphique, donc par exemple je peux augmenter la taille de mes libellés pour les individus, je peux sélectionner les libellés pour uniquement certains individus, ceux qui sont bien projetés sur le plan, vous voyez, donc ceux qui ont un cosinus carré supérieur à 0,6, ça veut dire que je vais supprimer certains individus, je vais supprimer leur libellé. Dans mon exemple ici où je n'ai que 10 points, ce n'est pas très utile, mais si on a énormément de points, et avoir tous les points qui se chevauchent, c'est des graphes qui sont illisibles, ça va être intéressant de ne prendre finalement que les individus qui sont bien projetés sur l'extérieur du graphe. Et puis après, je peux colorier les points en fonction du cosinus carré par exemple. Hop là, pardon. Colorier les points. Qu'est-ce que j'ai là? Colorier les points par une variable qualitative. Colorier les points par une variable quantitative. Il y a un petit bug là. Bon, désolé. Alors ici, je vais avoir un bouton sur le listing avec les différents résultats de l'ACP, les différents indicateurs. Classique. Ici, une description automatique des axes qui va me trier dimension par dimension les variables des plus corrélées ici aux moins corrélées. Donc ça va me permettre de savoir par quelles variables est-ce que je peux caractériser les axes, donc prendre les variables les plus corrélées et puis se dire, bien, je vais essayer de trouver une variable qui synthétise un peu l'information qui est portée par ces variables qui sont très corrélées. Alors très corrélées positivement ou très corrélées négativement. Ensuite, on peut faire une classification à l'issue de l'ACP. Donc là, en fait, en cliquant ici, je lui dis que quand je sortirai de l'ACP, je lui demande de faire une classification juste derrière. Et pour la classification, je peux lui dire combien de dimensions est-ce que je veux qu'il conserve dans l'ACP. Est-ce qu'il conserve 5 dimensions ou plus de dimensions? Donc ça peut changer les résultats de l'ACP évidemment. En général, on va vouloir faire une classification en conservant 80% de l'information ou 85% de l'information. Ensuite, rapport automatique, donc là c'est le package facto-investigate qui permet d'avoir un rapport automatique. Je vais cliquer ici sur rapport automatique en français. Là, il y a des calculs qui sont effectués et un rapport automatique qui est disponible soit au format R Markdown, donc ça permet de le reprendre par la suite dans R, soit au format HTML, soit au format Word. Donc ça prend un petit peu de temps. Et puis vous avez une tentative d'interprétation avec une description du jeu de données qui est très simple. Ensuite, une observation d'individus extrêmes. Donc là, le programme va regarder s'il n'y a pas un point très particulier qui à lui seul contribue énormément à la construction des dimensions, auquel cas il va analyser ce point-là et puis refaire l'analyse sans ce point. Et puis après, il y a une description du pourcentage d'inertie. Donc là, c'est un texte qui est écrit automatiquement par rapport au pourcentage d'inertie qui est donné. Donc là, on vous dit: les 2 premiers axes expriment 68,6% de l'inertie du jeu de données. Ça signifie que 68% de la variabilité totale du nuage des individus est représentée dans ce plan. C'est un pourcentage assez important, et ça compare ce pourcentage par rapport à ce qu'on obtiendrait si on avait des variables qui étaient issues d'une distribution au hasard. Et au hasard, on aurait 44,5%. Donc là, on est à 68%, donc on a beaucoup plus d'inertie que ce qu'on aurait par le hasard. Donc ça veut dire qu'il y a bien une structure dans le jeu de données, il y a bien des variables qui sont liées dans le jeu de données. Donc ça, c'est sur le pourcentage d'inertie. Ensuite, il y a une proposition de plan qui est fournie. Donc le un graphe des individus avec certains individus qui ont un libellé et d'autres qui n'en ont pas. Là par exemple, il y en a 2 qui n'ont pas de libellé. Si on avait beaucoup plus d'individus, ça permet d'avoir uniquement certains individus qui sont avec des libellés et d'autres qui n'en ont pas. Il peut y avoir des variables qualitatives dans le jeu de données qui peuvent être utiles justement pour comprendre l'information. Là par exemple, ces variables qualitatives sont utilisées. Ici, il n'y a qu'une variable qualitative, donc c'est celle qui est utilisée pour dessiner les points avec une couleur différente par modalité. S'il y a plein de variables qualitatives, FactoInvestigate va choisir la variable qui permet de différencier au mieux les groupes, et donc il va faire ce graphe avec cette variable-là qui est la plus intéressante. Donc ça va proposer un graphe avec des ellipses de confiance autour de la modalité, la modalité vouvray ici, qui est le barycentre des individus. Et puis vous avez le graphe des variables, avec là encore certaines variables qui n'ont pas de libellé pour éviter de surcharger trop le graphe. Il n'y a que les variables qui sont bien projetées qui ont un libellé. Et puis il y a un graphe avec les modalités. Là, il n'y a qu'une variable qualitative qui n'a que 2 modalités, donc le graphe n'est pas très intéressant. Voilà ce que ça donne. Et puis il y a une tentative d'interprétation, alors très très succincte, qui dit: la première dimension oppose des individus tels qu'Aubussière, Marigny, etc., qui sont à droite du graphe, caractérisés par une forte coordonnée. Eh bien, ça nous explicite aussi en quoi est-ce que ces individus sont particuliers. Ils sont particuliers parce qu'ils prennent de fortes valeurs pour les variables grade, etc., et puis de faibles valeurs pour telle autre variable. Donc ça caractérise les individus qui sont extrêmes à gauche, à droite, et ça dit en quoi est-ce que ces individus sont particuliers. Après, c'est à nous de faire la synthèse un petit peu de ces différentes variables pour essayer de trouver une explication plus globale sur les différentes dimensions. Par exemple, ici, odeur de plantes, odeur passion, odeur de fleurs, odeur de citron, voilà, c'est des odeurs fraîches d'agrumes. Voilà, faudrait essayer de trouver une explication pour ce graphe, pour cette dimension. Donc ça, il y a ensuite chaque dimension qui est expliquée. Et puis derrière, il y a une classification qui est réalisée, et donc ici une classification en 5 classes, et ça explique aussi les différentes classes. Quelles sont les variables qui caractérisent les différentes classes. Les individus ont une forte valeur pour telle et telle variable dans cette classe par exemple. Éventuellement ici je peux cliquer sur lignes de code, ça me permet de récupérer les lignes de code qui permettent de refaire l'analyse à l'identique. Donc dans une optique de recherche reproductible, je copie-colle ces lignes-là, je les mets dans un fichier, je les remets dans R, ça me retrouve les graphes directement. Et donc là, si je quitte l'application, comme j'avais demandé de faire la classification, il rouvre la classification et puis je peux reparamétrer la classification. Donc là, par défaut, il choisit 5 classes parce que c'est ce qui lui convient le mieux, mais je peux changer et dire finalement je ne veux que 3 classes, etc. Donc là, on peut, dans les paramètres, choisir le nombre de classes et dire je ne veux que 3 classes, par exemple. Ça met à jour les graphes, et après je peux quitter l'application. Une fois que j'ai quitté l'application, si je relance, si je refais Factoshiny, donc sur l'objet résultat, je vais rouvrir mon application d'ACP exactement dans l'état dans lequel elle était, avec le même paramétrage. Plutôt que de parler, je vais le faire. Donc j'ai le même paramétrage avec, j'avais colorié mes individus en fonction d'une variable qualitative, j'avais des variables supplémentaires, etc. Je retrouve ça. Donc FactoInvestigate, c'est ce que je vous ai raconté, c'est à lancer sur un résultat d'ACP, ou alors à travers Factoshiny, ça vous donne directement le rapport. Alors quelques mots sur la diffusion: comment diffuser son package, comment diffuser l'information? Pour FactoMineR, il y a un site internet qui est en français ou en anglais. À chaque fois que j'écris en bleu ici, c'est qu'il y a un lien, donc si vous cliquez dessus, vous allez directement sur le lien. Ça explique un petit peu les méthodes et puis ça donne des exemples, des aides sur les fonctions, des références, etc. Et puis vous voyez qu'il y a les différentes méthodes qui sont explicitées, ce qui se fait au niveau de l'enseignement, au niveau des MOOC, l'amélioration des graphiques, donc là c'est plutôt Factoshiny, la gestion des valeurs manquantes c'est MissMDA, et puis les rapports automatiques c'est plutôt FactoInvestigate. Et puis un Google Group pour poser des questions éventuellement. Donc il y a à la fois FactoMineR et puis tous les packages qui tournent autour de FactoMineR qui sont disponibles ici. Donc il y a un Google Group qui permet de poser des questions soit en français soit en anglais. Les gens doivent répondre aux questions, les gens c'est souvent moi, mais a priori tout le monde peut répondre. Et puis l'autre aspect de la diffusion c'est aussi de promouvoir, ou promouvoir je sais pas si c'est le bon mot, mais de rendre visible son package. Alors on peut par exemple le suggérer dans les CRAN Task View, vous savez dans R il y a des Task View sur différents domaines, donc là suggérer son package dans le Task View qui convient, faire évidemment des exposés aux Rencontres R qui est une conférence autour de R en français, et puis à useR! qui est une conférence internationale, des articles, donc là il y a 2 articles, un sur FactoMineR, un sur mesMDA, en fait il y en a même un 3e sur l'ACM, des articles dans R Journal aussi, plus sur des méthodes par exemple, et puis il y a des possibilités aussi d'écrire des livres. Donc là il y a 2 ouvrages: Analyse de données avec R, qui est vraiment centré sur ACP, AFC, ACM, classification, et à chaque fois il y a des exemples et puis des interprétations qui sont assez poussées sur ces exemples, et il y a à chaque fois les lignes de code qui permettent de faire les graphes. Et donc c'est traduit en anglais et en espagnol. Et puis R pour la statistique et la science des données, donc là c'est un des livres qui présente le logiciel, mais il y a des fiches aussi sur comment mettre en œuvre sur R différentes méthodes, donc la régression, la régression PLS, les comparaisons de moyennes, etc. Donc il y a une trentaine de fiches, et il y a des fiches sur ACP, ACM, AFM, etc. Et donc là, c'est aussi traduit en anglais. Alors, au niveau de l'enseignement, au départ, j'ai commencé à faire des vidéos pour présenter comment utiliser le package, donc elles sont disponibles depuis ma page d'enseignement, disponibles aussi depuis les aides de R. Et puis disponible sur une chaîne YouTube. Donc en fait, ça permet de mettre les vidéos disponibles, YouTube. Donc il y a une soixantaine de vidéos en français et en anglais sur cette thématique. Et donc autour de FactoMineR, il y a un site internet, un Google Group, il y a des packages Factoshiny, FactoInvestigate et MissMDA. Pour les graphes interactifs, pour des rapports automatiques, pour les données manquantes. Il y a de la diffusion avec des livres et des articles dans des journaux. Il y a des vidéos sur YouTube. Et donc avec tout ça, à un moment je me suis dit que ça pouvait être intéressant de mettre toute cette information-là aussi à travers un MOOC. Donc je vais présenter rapidement le MOOC. Un MOOC, ça veut dire Massive Open Online Courses. Et donc j'ai proposé un MOOC d'analyse de données il y a 4 ans, 5 ans, et donc il y aura une 6e édition bientôt. Et donc dans ce MOOC, c'est basé sur les méthodes d'analyse de données ACP, AFC, ACM, classification et AFM. Et en fait chaque semaine on apprend une de ces 5 méthodes avec des vidéos de cours qui décrivent la méthode, des quiz et des exercices sur table qui permettent de voir si on a compris ce qui est dit dans la vidéo. Ça permet de souligner les points importants de la vidéo. Une vidéo aussi pour mettre en œuvre du point de vue logiciel, donc avec FactoMineR ou Factoshiny, et puis un exercice sur ordinateur où on a besoin d'utiliser Factoshiny pour interpréter les résultats de la méthode. Et puis il y a une vidéo aussi pour aller plus loin, pour gérer les données manquantes. Et puis, comme on est dans un MOOC, il y a un forum, donc les gens peuvent discuter entre eux. Et puis il y a un wiki qui permet de confronter ses interprétations sur la mise en œuvre des méthodes à travers des exemples. Donc voilà, on retrouve tout ça chaque semaine. Et donc après, les gens peuvent obtenir un certificat comme quoi ils ont suivi le MOOC s'ils ont obtenu plus de 50%. Aux exercices. Et donc il y a eu la 6e version en français et la 4e version en anglais se joueront en mars 2020. Donc vous pouvez déjà vous inscrire si vous êtes intéressé, et c'est sur la plateforme France Université Numérique. Et donc tous les ans, en gros, il y a 5200 personnes participant en français et 1800 en anglais. Donc en fait, la plateforme FUN est très visible par la communauté francophone, donc il y a beaucoup de Français, énormément. Après, il y a pas mal de participants africains qui suivent le MOOC. Et puis en anglais, la plateforme n'est pas très visible et donc le MOOC n'est pas très visible. Et donc il y a 1800 personnes, ce qui n'est pas beaucoup quand même. Mais après, il y a des gens de 112 pays en tout. Des jeunes et des plus vieux, ça va jusqu'à 78 ans. Et il y a beaucoup de— c'est un MOOC qui est pour des gens qui ont un niveau universitaire assez élevé puisque c'est plutôt pour des masters ou des doctorants, quoi. Et donc il y a des gens d'entreprises, d'instituts de recherche, d'universités qui suivent ce MOOC de différents champs disciplinaires, pas que statistiques, mais biologie, économie, géographie, linguistique, etc. Donc l'audience est très variée et je trouve que c'est intéressant d'avoir une audience qui est très variée comme ça. Et après, j'utilise moi ce MOOC en pédagogie inversée avec mes étudiants. Donc c'est un module de 25 heures d'analyse des données qui est suivi par 192 étudiants de M1 à Agrocampus, donc là où j'enseigne, et on est 3 enseignants ont fait seulement 10 heures parce qu'ils suivent le cours en module inversé. Donc ils ont le même cours, les quiz, les exercices, le forum, le wiki, donc ils peuvent participer au forum, poser des questions aussi dans le forum, mais on rajoute en plus, parce que je ne voulais pas qu'ils suivent que le MOOC mais qu'il y ait des choses en plus, et donc des permanences pour discuter avec eux à la fois du cours et puis d'un projet parce qu'ils seront aussi évalués par un projet. Donc il y a des questions toutes les semaines, enfin il y a 4 méthodes, pour eux il n'y a que 4 méthodes, et donc chacune de ces 4 semaines il y a 2 heures, en général c'est plutôt 1 heure de questions-discussions, et souvent les questions sont très intéressantes parce que les étudiants ont pris le temps de revenir en arrière sur la vidéo et de se poser un peu des vraies questions. Donc c'est des questions qui vont souvent plus loin que ce qui est dit dans le cours, et c'est de ce point de vue-là, je trouve, très formateur. Pour les étudiants qui participent, c'est très formateur. Et puis ils sont évalués par à la fois un quiz, un projet qu'ils ont à faire, donc ils ont à choisir un jeu de données et à travailler sur ce jeu de données, et puis c'est aussi une évaluation par les pairs, donc c'est eux qui évaluent le projet d'autres étudiants, et donc ils doivent dire ce qui va, ce qui ne va pas dans le projet d'autres étudiants. Et faire un petit rapport d'une page. Donc ils sont évalués par ces 3 choses-là: le quiz, le projet qu'ils ont à faire et l'évaluation du projet. Et donc les points positifs que je vois, c'est que les étudiants sont beaucoup plus autonomes, ils apprécient ça aussi de pouvoir suivre le MOOC quand ils en ont envie, donc il y en a qui le font le week-end, le soir plus tard, ils aiment bien ça. Il y en a qui passent beaucoup plus de temps que d'autres, beaucoup plus de temps que si c'était un cours. Les questions-discussions sont souvent très intéressantes. Alors c'est très intéressant quand il y a un étudiant qui pose une question et que c'est un autre étudiant qui lui répond et qui l'a bien compris. Donc là, c'est vrai qu'en tant qu'enseignant, on n'a rien à faire, mais on est très content d'observer ça. Il y a un effet positif aussi des discussions et des commentaires des apprenants du MOOC en général. Donc les gens qui disent, voilà, j'ai cette question-là. En fait, les étudiants s'aperçoivent qu'ils ont les mêmes questions. Ils s'aperçoivent aussi que les gens apprécient le MOOC et donc je pense que ça, c'est un aspect positif. Et puis pour nous, on a plus de temps finalement pour discuter avec eux de leur projet, donc c'est plutôt bien. Ça ne remplace pas le cours en présentiel, c'est quelque chose en plus pour améliorer l'enseignement, mais pas pour remplacer l'enseignement. Enfin, je le vois comme ça en tout cas. Alors les limites, je pense qu'il y en a qui aiment bien la douce tranquillité du présentiel, ils se mettent au fond bien au chaud et puis ils se disent j'ai suivi le cours. Je sais pas si c'est tellement plus efficace que le MOOC, mais ils ont l'impression d'être en cours. Donc là c'est vrai que c'est les étudiants qui sont pas très travailleurs, c'est plus difficile de les détecter et de peut-être de les remotiver. Voilà, c'est pour ça aussi qu'on a fait des quiz pour les qui soient obligés de travailler. Et donc qu'apporte le MOOC selon moi? Eh bien tout ce que j'ai déjà dit, c'est une visibilité aussi accrue. Sur YouTube, en fait, les vidéos sont vues en moyenne, c'est 1000 vues par jour dans les vidéos. Sur le MOOC, il y a eu 130 000 vues, donc c'était vraiment beaucoup, beaucoup plus. Pour moi, c'est aussi un tutoriel de référence très complet pour le package, donc quand les gens me posent des questions sur le package, Je peux les renvoyer vers le MOOC ou vers les vidéos. C'est un guide aussi complet sur l'ensemble des méthodes et une ouverture vers de nouveaux publics. Alors d'un point de vue enseignant, ça incite aussi à repenser l'enseignement et la pédagogie parce qu'il faut des vidéos assez courtes. C'est pas un cours de 2 heures. Un cours de 2 heures va se retrouver sur des vidéos d'une demi-heure, trois quarts d'heure. Et ça, ça demande un fort investissement quand même de faire les vidéos. J'ai mis une heure de cours, 20-30 heures. À mon avis, c'est largement ça, mais plus près de 30 ou de 40. Et donc voilà, c'est chronophage. Et après, la question que je me posais, c'est est-ce que ça vieillira bien dans le temps? Là, ça fait 5 ans, ça vieillit pas trop mal. Mais c'est vrai que c'est plus difficile de mettre à jour une vidéo que de mettre à jour un un diaporama ou un livre, quoi. On est obligé de tout refaire. Et puis, comme on était dans une bibliothèque, j'avais fait une diapositive sur les livres, mais voilà, j'en ai déjà parlé. Donc le livre Analyse de données avec R, qui est en deuxième édition, et puis R pour la statistique et la science des données. Et puis, bien, juste pour dire que tout ça, ça s'est pas fait en un jour. En 2006, il y a eu la première version de FactoMineR sur le CRAN, et puis petit à petit il y a eu des articles, le site internet, et puis des choses qui se mettent à jour, des packages qui apparaissent, etc. Donc tout ça, c'était pas en 2006, j'avais pas un plan en tête avec qu'est-ce que je vais faire dans les 10 prochaines années, anticiper tout ça. C'est plutôt au fil du temps où Je me suis dit, ben voilà, je vais investir là-dessus, je vais proposer un MOOC, je vais proposer des vidéos, etc. Voilà, merci de votre attention.