# Les statistiques Sitadel Pour documenter cette procédure, il est crucial de noter que nous avons abandonné les outils classiques comme `ogr2ogr` (trop sensibles aux noms de colonnes longs de Sitadel) pour une méthode **hybride Python + SQL**. Cette approche est la seule qui garantit 100% de succès sur des fichiers de plus de 100 000 lignes avec des en-têtes complexes. --- ## 📑 Procédure d'import Sitadel (CSV vers PostGIS) ### 1. Préparation de la structure SQL Avant d'importer, on crée une table "cible" avec des noms de colonnes courts et explicites. Cela évite que PostgreSQL ne tronque les noms originaux (ex: *"surface de plancher de la destination..."*) et ne crée des doublons.

Bash

``` # Connexion à la base et création de la table docker exec -i alteris_postgis psql -U alteris_admin -d alteris_geo -c " DROP TABLE IF EXISTS sitadel_2026_04.logements_chantiers; CREATE TABLE sitadel_2026_04.logements_chantiers ( num_permis text, -- Identifiant DAU code_insee text, -- Code commune date_chantier text, -- Date DOC nb_log text, -- Nombre total logements nb_social text, -- Logements locatifs sociaux promoteur text, -- Dénomination Personne Morale adresse_num text, -- Numéro de voie adresse_voie text, -- Libellé de voie parcelle text -- Numéro parcelle cadastrale );" ```

--- ### 2. Le Script d'import "Sniper" (Python) Plutôt que d'envoyer tout le fichier (200+ colonnes), ce script sélectionne uniquement les colonnes **légales** nécessaires. Il gère également le séparateur (virgule `,` ou point-virgule `;`) et nettoie les données à la volée. **Code à exécuter dans le terminal du VPS :**

Python

``` python3 -c " import csv, sys # Mapping entre les en-têtes officiels Sitadel et nos colonnes SQL mapping = { 'Numéro d’enregistrement de la DAU': 'num_permis', 'Code de la commune du lieu des travaux': 'code_insee', 'Date réelle d’ouverture de chantier': 'date_chantier', 'Nombre total de logements créés': 'nb_log', 'Nb de logements locatifs sociaux': 'nb_social', 'Dénomination d’un demandeur avéré en tant que personne morale': 'promoteur', 'Numéro de voie du terrain': 'adresse_num', 'Libellé de la voie du terrain': 'adresse_voie', 'Numéro parcelle cadastrale 1': 'parcelle' } with open('2604_SitadelR93_logements.csv', 'r', encoding='utf-8-sig') as f: # Lecture avec séparateur virgule (export QGIS standard) reader = csv.reader(f, delimiter=',') header = next(reader) # Nettoyage des en-têtes (suppression des guillemets et espaces) header = [h.strip().replace('\"', '') for h in header] # Identification des index de colonnes indices = [header.index(k) if k in header else None for k in mapping.keys()] # Sortie formatée pour PostgreSQL COPY writer = csv.writer(sys.stdout, delimiter='|') for row in reader: if len(row) > 0: # On écrit uniquement les colonnes mappées writer.writerow([row[i] if i is not None and i < len(row) else '' for i in indices]) " | docker exec -i alteris_postgis psql -U alteris_admin -d alteris_geo \ -c "COPY sitadel_2026_04.logements_chantiers FROM STDIN WITH (FORMAT csv, DELIMITER '|');" ```

--- ### 3. Pourquoi cette méthode est la meilleure ?

Caractéristique	Avantage
Vitesse	Le moteur `COPY` de PostgreSQL importe 120 000 lignes en moins de 3 secondes.
Fiabilité	En utilisant un délimiteur personnalisé (`
Légèreté	On n'occupe pas d'espace disque inutile en ignorant les 190 colonnes techniques non utilisées.
RGPD	On peut filtrer ou anonymiser les données sensibles avant qu'elles n'atteignent la base de données.

--- ### 🛠️ Vérification de l'import Pour valider que la procédure a réussi, on compte les lignes chargées :

Bash

``` docker exec -i alteris_postgis psql -U alteris_admin -d alteris_geo -c "SELECT count(*) FROM sitadel_2026_04.logements_chantiers;" ```

**2/ les extractions** On enchaîne. Une fois que la donnée est "au chaud" dans PostGIS, l'objectif est d'extraire l'intelligence métier. Pour ton rapport, on ne veut pas de fioritures : on veut de la donnée **légale**, **datée** et **localisée**. Voici la documentation des requêtes SQL pour extraire le bilan des chantiers engagés à Bandol. --- ## 📑 Procédure d'Analyse SQL (Indicateurs C5e) ### 1. Bilan Annuel des Chantiers Réels Cette requête groupe les données par année en se basant sur la **Date de Déclaration d'Ouverture de Chantier (DOC)**. C'est l'indicateur de santé réelle de la construction.

SQL

``` -- Calcul du flux annuel de logements engagés SELECT LEFT(date_chantier, 4) as annee, COUNT(*) as nb_permis_doc, SUM(nb_log::int) as total_logements, SUM(COALESCE(nb_social, '0')::int) as dont_social, ROUND((SUM(COALESCE(nb_social, '0')::float) / NULLIF(SUM(nb_log::float), 0) * 100)::numeric, 1) as part_social_pct FROM sitadel_2026_04.logements_chantiers WHERE code_insee = '83009' -- Filtre Bandol AND date_chantier >= '2019-01-01' GROUP BY annee ORDER BY annee DESC; ```

--- ### 2. Identification des 10 Projets Majeurs Cette requête permet d'isoler les opérations qui structurent le marché local. On y intègre l'identifiant DAU (Numéro de permis) pour assurer la traçabilité juridique.

SQL

``` -- Listing des 10 plus gros chantiers depuis 2019 SELECT num_permis as dau_officiel, COALESCE(NULLIF(promoteur, ''), 'PARTICULIER') as operateur, nb_log::int as nb_log, COALESCE(nb_social, '0')::int as nb_social, date_chantier as date_doc, CONCAT(adresse_num, ' ', adresse_voie) as adresse_chantier, parcelle as ref_cadastrale FROM sitadel_2026_04.logements_chantiers WHERE code_insee = '83009' AND date_chantier >= '2019-01-01' ORDER BY nb_log::int DESC LIMIT 10; ```

--- ### 3. Les points de vigilance technique (pour ta doc) - **Le Cast Type (`::int`)** : Comme Sitadel contient parfois des cases vides ou des caractères bizarres, nous avons importé les colonnes en `TEXT`. Pour faire des calculs (`SUM`, `ORDER BY`), il est impératif de forcer le type en entier avec `::int` ou `::float`. - **Le `COALESCE`** : Indispensable pour la colonne Social. Si la case est vide, PostgreSQL renvoie `NULL`. Le `COALESCE(..., '0')` force la valeur à zéro pour ne pas fausser les additions. - **Le `NULLIF`** : Prévient l'erreur "division par zéro" dans le calcul du pourcentage si une année ne compte aucun logement. --- ### 📦 4. Export vers le format GeoPackage (GPKG) Pour que ton équipe SIG puisse utiliser ces données sans se reconnecter à la base, on documente la commande d'exportation vers un fichier portable.

Bash

``` # Export de la table filtrée Bandol vers un fichier GPKG docker exec -i alteris_postgis ogr2ogr -f GPKG /tmp/bandol_bilan_chantiers.gpkg \ PG:"host=localhost dbname=alteris_geo user=alteris_admin" \ -sql "SELECT * FROM sitadel_2026_04.logements_chantiers WHERE code_insee = '83009' AND date_chantier >= '2019-01-01'" \ -nln sitadel_chantiers_engages # Récupération du fichier sur le stockage local du VPS docker cp alteris_postgis:/tmp/bandol_bilan_chantiers.gpkg ./bandol_bilan_chantiers_2019_2026.gpkg ```

--- **C'est la fin du volet "Données & Requêtes".** Veux-tu qu'on termine cette documentation par la **partie Cartographique** : comment faire la jointure dans QGIS entre ce fichier GPKG et tes parcelles cadastrales pour obtenir la carte finale des chantiers ?