Dans le cadre d'un projet de détection de l'économie parallèle, le robot de scraping a récupéré des milliers de données brutes sur des pages Facebook et des sites de e-commerce. Ces données sont actuellement mal structurées et contiennent des informations inutiles ou manquantes. Pour qu'elles soient exploitables par les agents du fisc, nous devons les nettoyer et les standardiser. Consignes En utilisant le langage Python, écrivez une fonction qui transforme une liste de données brutes en une liste propre et uniformisée. Votre script doit : Parcourir une liste de dictionnaires (données brutes). Créer une nouvelle liste ne contenant que les champs essentiels renommés ainsi : shop_name devient nom contact_phone devient telephone location devient adresse Gérer les données manquantes : Si le téléphone ou l'adresse est vide (None), remplacez la valeur par le texte "Non renseigné". Exemple Donnée en entrée (Brute) : [ {"id": 42, "shop_name": "Mode Tunis", "contact_phone": None, "location": "Ariana", "likes": 120} ] Sortie attendue (Nettoyée) : [ {"nom": "Mode Tunis", "telephone": "Non renseigné", "adresse": "Ariana"} ]