Data visualisation :
comment communiquer
sur des données ?

Dans le monde du Big Data, il est indispensable de savoir représenter visuellement des données complexes. C’est le rôle de la data visualisation, qui permet d’analyser et de communiquer les informations contenues dans ces données. Pour vous donner des clés sur la visualisation de données, nous sommes allés à la rencontre de Stephen Few. Consultant et formateur en design de l’information pendant plus de 20 ans, il est aussi l’auteur du livre Show Me the Numbers. Découvrez les conseils de cet expert en data visualisation.

Exemple de data visualisation

Les spécificités de la data visualisation

La data visualisation est une discipline de la data science qui permet de représenter des données sous forme de visuels qui délivrent un message. Son objectif est de transmettre des informations via des représentations graphiques accessibles à tous. Celles-ci constituent un bon moyen de simplifier et de faciliter l’accès à des données riches et complexes.

Une bonne communication passe par des schémas, des cartes, des graphiques, des tableaux. Ils jouent un rôle important dans la capacité de vos lecteurs à s’intéresser à vos contenus et à les comprendre. « A l’oral, il est important de s’exprimer avec des termes simples et clairs, qui sont familiers à votre auditoire. Visuellement, c’est pareil. Utiliser un graphique spécialisé que personne ne comprend est totalement contre-productif. » selon Stephen Few.

Le choix du support de visualisation

Du reste, de nombreux aspects de l’information quantitative ne peuvent être compris que s’ils sont présentés sous forme visuelle. Par exemple, les tendances sont difficiles à saisir avec des mots ou une série de chiffres dans un tableau. « Pour bien comprendre une tendance, on doit pouvoir la voir. Dans ce cas, les graphiques sont souvent la seule forme de communication qui fonctionne. » De plus, notre cerveau reçoit plus rapidement les informations liées à la perception, que celles résultant d’une réflexion.

Aussi, la data visualisation permet une perception rapide de l’information. Tableaux, graphiques, diagrammes, cartes ou encore nuages de points : les formes de data visualisation sont nombreuses. Selon la situation, certains types de représentations sont à privilégier.

Les tableaux : précision des données

« Les tableaux sont utiles, mais uniquement à des fins spécifiques, souligne Stephen Few. Puisque les données sont organisées en colonnes et en lignes, de façon alphabétique ou chronologique, un tableau permet de retrouver facilement et rapidement des valeurs particulières dans une série de données.

L’autre grande force des tableaux, c’est leur capacité à fournir des valeurs précises. Si un nombre doit être exact au 10ème chiffre après la virgule, il faut privilégier un tableau. Les représentations graphiques n’apportent pas un tel niveau de précision.

Les graphiques : des représentations variées

Il existe une multitude de graphiques et de diagrammes pour visualiser toutes sortes d’informations : histogrammes, courbes, diagrammes circulaires… Ils offrent une vision claire des données présentées. Les graphiques sont à privilégier dans les cas suivants : montrer des évolutions et des tendances, souligner des valeurs inhabituelles, établir des relations, comparer une série de valeurs à une autre, ou encore visualiser une grande quantité d’informations.

Conseils d’un expert en data visualisation

Le choix du type de visualisation est donc guidé par le type de données, mais aussi par le message à faire passer et par l’audience à laquelle elle est destinée. Certaines astuces peuvent être utilisées pour mieux faire passer un message, ou l’adapter à une audience.

Prenons par exemple le cas du tableau : son usage peut sembler à première vue limité. Stephen Few suggère une façon originale de s’en servir pour présenter visuellement de nombreuses données et les comparer entre elles. Le tableau ci-dessous contient différents indicateurs de la qualité de vie dans plusieurs pays.

Tableau qui présente différents indicateurs de la qualité de vie dans plusieurs pays.

Ce tableau peut être utilisé pour chercher des valeurs pour un pays, ou un indicateur en particulier. Imaginons cependant que nous devions répondre aux questions suivantes :
• Quels sont les pays avec le taux de suicide le plus important ?
• Quels sont les pays avec la meilleure espérance de vie ?
• Quels pays semblent obtenir de bons résultats pour chaque indicateur, sauf un ?

Pour ce faire, il est possible de lire les nombres un à un, mais cela prend beaucoup de temps. Afin de surmonter cette difficulté, un tableau peut – et dans certains cas, doit – être mis en forme. C’est le cas du tableau ci-dessous. Stephen Few propose d’utiliser des codes couleurs : les résultats supérieurs à la moyenne sont bleus (plus le bleu est foncé, plus les résultats sont bons), ceux inférieurs à la moyenne sont rouges (plus le rouge est foncé, plus les résultats sont mauvais), et les valeurs proches de la moyenne sont gris clair. Cette mise en forme visuelle permet de distinguer les valeurs inhabituelles et les tendances plus rapidement.

Tableau qui présente différents indicateurs de la qualité de vie dans plusieurs pays, en couleurs

Les graphiques en 2D ou en 3D

Les graphiques peuvent également être optimisés pour gagner en clarté. « Quand un scientifique présente des données et qu’il ou elle a un message à faire passer, certaines informations sont souvent plus importantes que d’autres. Dans ce cas, il doit mettre l’accent sur ces informations prioritaires en les faisant ressortir visuellement. »

Il y a différentes façons d’y parvenir. Dans l’exemple ci-dessous, la courbe qui représente l’Europe a été mise en valeur en lui attribuant une couleur foncée. A l’inverse, les autres courbes sont atténuées en privilégiant des couleurs claires.

graphique 2D

Une autre manière de faire ressortir ces informations aurait été de dessiner pour l’Europe une ligne plus épaisse que pour les autres continents. En matière de communication quantitative, l’auteur du visuel doit savoir clairement quel message il veut faire passer, et ensuite concevoir le meilleur media pour le transmettre.

Contrairement à certaines idées reçues, la représentation graphique en 3 dimensions de données quantitatives est inutile, sauf si la 3e dimension représente des données. Dans le graphique ci-dessous, les lignes sont en 3D, mais leur profondeur n’a pas de signification – elle est simplement décorative. « Une 3ème dimension dénuée de sens entrave la communication, car elle apporte des complications ou des distractions inutiles. »

graphique 3D

Ce qu’il faut retenir

Expliquer les big data n’est finalement pas un big problème. Grâce à la data visualisation, on peut identifier des corrélations, des tendances et des motifs qui auraient été difficiles à trouver autrement. La data visualisation est également un outil puissant pour l’analyse des données, la prise de décision et le partage d’informations.

La data visualisation nécessite de choisir la bonne représentation graphique, en fonction du type de données à communiquer, des messages à transmettre et du public concerné. Ainsi, pour montrer une tendance, il est préférable d’utiliser un graphique. Au contraire, pour mettre en avant une valeur, mieux vaut utiliser un tableau. Diagramme, tableau, graphique : pensez à les dégainer quand vous serez confrontés à une grande quantité de données.

Partagez cet article

> Graphisme

Sur le même thème

2023-10-17T11:23:06+02:00

About the Author: