Données de base pour les tarifs des gestionnaires de réseau de distribution suisses

Bienvenue dans les ressources numériques de l’ElCom ! Nous collaborons avec le service LINDAS et l’outil Visualize Swiss Open Government Data pour vous proposer des prestations supplémentaires concernant les données de l’ElCom.Vous trouverez ci-dessous des informations utiles pour l’analyse des données via LINDAS ainsi que sur la manière de créer par vos propres moyens des visualisations simples avec les données tarifaires de l’ElCom. Vous pouvez également continuer à obtenir les données brutes des tarifs ici.

Accès aux données tarifaires brutes via LINDAS

Nous vous invitons à découvrir les données tarifaires complètes de l’ElCom. Nous allons au-delà des tableaux Excel statiques traditionnels et favorisons désormais une approche dynamique et interactive avec SPARQL. SPARQL est un langage de requête pour consulter des données au format RDF. Cette approche garantit que les données actuelles sont directement disponibles pour tous via HTTP à partir du même terminal que celui que nous utilisons pour le site consacré au Prix de l’électricité en Suisse et pour visualiser les données ouvertes de l’administration publique suisse. Toutes les visualisations de données sont mises à jour de manière dynamique. Ces données, fournies par l’ElCom, vous sont mises à disposition en direct et de manière actualisée. Nous avons préparé avec nos prestataires de services deux Jupyter Notebooks pour celles et ceux qui souhaitent s’immerger dans le modèle de données et explorer les requêtes possibles. Vous trouverez ici un aperçu et des exemples pratiques :

Tarifs de l’électricité en Suisse (en anglais) : ce Notebook propose une introduction complète au modèle de données du cube OLAP de l’ElCom en format RDF, ainsi que des exemples de requêtes SPARQL. C’est un excellent point de départ pour comprendre le concept du cube.
Combien allez-vous payer pour l’électricité l’an prochain (en anglais) ? Un autre Notebook, créé en 2022, montre comment calculer d’éventuelles augmentations de prix directement via SPARQL.

Si vous avez des demandes spécifiques ou besoin d’aide, n’hésitez pas à nous contacter : data@elcom.admin.ch. De plus, le chatbot ChatGPT est très compétent en RDF & SPARQL.

En outre, vous pouvez les ouvrir dans Google Colab.

Enfin, LINDAS propose deux points d’accès SPARQL publics pour son environnement de production :

https://ld.admin.ch/query : il s’agit du point d’accès public officiel utilisé dans tous les Jupyter Notebooks. Nous recommandons de l’utiliser pour développer et tester les nouveaux tarifs dès qu’ils sont annoncés.
https://lindas-cached.cluster.ldbar.ch/query : ce point d’accès est identique au précédent, mais il met en cache toutes les requêtes HTTP afin de permettre un accès plus rapide et plus fiable. Nous recommandons de l’utiliser pour les sites en ligne ou dès que les données pour la nouvelle année sont publiées.

Visualize

Élément de l’écosystème LINDAS (Linked Data Service), Visualize (www.visualize.admin.ch) est une application web qui permet de créer et de publier en quelques étapes des visualisations de données enregistrées sous forme de Linked Data dans la banque de données (Triplestore) de LINDAS. Visualize consiste à proposer un outil convivial et intuitif pour créer des visualisations sans connaissance des Linked Data. Les visualisations peuvent être partagées via des liens ou intégrées dans des pages web.

Nous avons préparé quelques exemples et nous vous invitons à travailler avec eux :

Évolution des tarifs (communes)
Prix médian du courant par canton
- Temps / Line Chart
- Carte
Évolution des tarifs (Suisse)
Gestionnaires de réseau et zone d’approvisionnement

Important : Nous vous prions de noter que les graphiques Visualize intégrés sont destinés à un public plus restreint et ne sont pas idéaux pour les sites web qui reçoivent un grand nombre de visiteurs (p.ex. les sites web des médias dominants). Si, pour la préparation, vous récupérez comme d'habitude les données directement de LINDAS et les enregistrez dans vos propres mémoires de données au lieu d'intégrer directement Visualize, vous ne devriez pas rencontrer de problèmes de performance.