À propos
Ce projet, réalisé dans le cadre du BUT Science des Données, porte sur l'analyse de la cohorte Agrican (Agriculture et Cancer). L'enjeu était de segmenter une population de 12 310 agriculteurs en profils homogènes selon leurs activités professionnelles passées afin de faciliter de futures études épidémiologiques.
Organisation du travail
Le projet a été mené en équipe de trois personnes (Louis Milon, Mandir Diop et moi-même). Nous avons dû manipuler des matrices complexes de ratios de pratique (activités professionnelles et tâches agricoles) et assurer une cohérence scientifique entre l'analyse statistique et l'interprétation métier.
Démarche et résultats
Nous avons mis en œuvre une méthodologie d'analyse multivariée rigoureuse :
- Préparation : Calcul des matrices de ratios de pratique pour chaque individu sur la période étudiée (1950-1970).
- Réduction de dimension : Réalisation d'une ACP (Analyse en Composantes Principales) permettant de synthétiser 76% de l'information initiale sur 7 axes factoriels.
- Segmentation : Application de la méthode des k-means pour regrouper les agriculteurs.
- Validation : Utilisation de la courbe de l'inertie interclasse (méthode du coude) pour valider la pertinence d'une segmentation en 5 clusters.
Résultats de la segmentation :
- Le Cluster 2 est fortement marqué par l'élevage bovin (94% de ratio de pratique).
- Le Cluster 5 regroupe quasi exclusivement des profils viticoles (97%).
- L'analyse a révélé que les profils du Cluster 5 présentent la plus forte proportion de fumeurs (58%).
Acquis personnels
Compétences Techniques
Maîtrise des techniques de Data Mining (Clustering, ACP), manipulation de gros volumes de données sous RStudio et rédaction de rapports scientifiques sous LaTeX.
Esprit d'Analyse
Capacité à interpréter des résultats statistiques complexes pour en tirer des profils métiers concrets et exploitables en santé publique.
Détails des analyses graphiques
Analyse en Composantes Principales (ACP)
Le cercle des corrélations a permis de visualiser les liens entre les types de cultures et les axes. On y distingue clairement l'opposition entre les cultures céréalières et les cultures spécialisées comme la vigne.
Méthode du Coude (Inertie)
Ce graphique montre la décroissance de l'inertie. Le point d'inflexion (le "coude") entre 4 et 5 clusters justifie le choix de notre segmentation pour équilibrer précision et lisibilité.
Caractérisation des Clusters
Ce visuel présente les variables dominantes par groupe. Il met en évidence la spécialisation métier : certains groupes sont dédiés à la polyculture tandis que d'autres sont monothématiques (Vigne, Bovins).
