Séquence 12
La datavisualisation pour les collectivités territoriales
Dernière mise à jour
CC-BY-SA 2023
La datavisualisation pour les collectivités territoriales
Dernière mise à jour
CC-BY-SA 2023
Si la collecte des données n'a jamais été aussi importante, leur valeur demeure dans la possibilité d'en extraire des informations exploitables par le plus grand nombre, la datavisualisation apparaît alors comme un outil incontournable, notamment pour les collectivités territoriales. Dans cette séquence, nous vous proposons de découvrir les enjeux de la datavisualisation pour les collectivités territoriales et les étapes pour d'une "dataviz" réussie.
Permettre aux apprenants de découvrir comment valoriser les données grâce à la datavisualisation.
Exploiter des données :
Durée : entre 10 et 30 minutes
Type d'activité : lecture
Niveau : intermédiaire
Instructions : lors de cette seéquence, nous vous invitons à lire attentivement la synthèse ci-dessous puis de compléter l'activité pédagogique, elle est très importante ! N'hésitez pas par la suite à partager vos résultats sur le forum.
La datavisualisation, traduction du mot anglais “datavizualisation”, souvent raccourci en dataviz, consiste à transformer des données en une forme graphique pour en extraire le sens. Une datavisualisation peut être statique - pour une publication papier ou web- mais elle est de plus en plus souvent interactive, répondant à des critères de sélection des usagers.
Elle n'est pas une affaire de mode mais de nécessité à l'heure où les acteurs publics sont submergés de données et ouvrent massivement leurs propres données. La dataviz est un moyen de transformer la donnée en un "actionnable" pour aider sa cible (citoyen, décideur...) à comprendre, dialoguer, agir et anticiper. Elle ne se substitue pas à la donnée mais vient l'éclairer, la mettre en perspective.
La datavisualisation concerne tous les domaines et n'est plus cantonnée à quelques services traditionnellement producteurs de graphiques (finances, RH, études...). Le besoin de visualiser des données va de pair avec la transformation numérique des métiers et l'outillage des agents en applications, capteurs et autres générateurs de données.
La dataviz s'impose enfin pour aider les citoyens à s'approprier les données publiques, à appréhender des sujets complexes, voire à changer des comportements.
Pour certaines données comme celles produites en temps réel par des capteurs (comptage, température, polluants...), la dataviz est enfin des rares moyens pour rendre la donnée exploitable.
On ne fait pas un graphique pour "faire joli" mais pour donner du sens aux données, les mettre au service d'une finalité. Une datavisualisation par définition n'est pas neutre : elle fait des choix dans ce qu'elle veut montrer. Définir un objectif, c'est aussi définir une cible : à qui s'adresse-t-on ? à des agents qui connaissent le sujet ? à des élus qui ont un besoin d'être aidés dans la prise de décision ? à des citoyens à qui l'on veut expliquer un phénomène complexe ou que l'on veut inciter à modifier le comportement ? La cible influence l'ensemble du projet : le choix et l'organisation des données, le mode de représentation, le message, l'esthétique...
Cette étape est potentiellement la plus longue, même si les données sont "propres", car la datavisualisation impose un travail de préparation spécifique, lié au logiciel utilisé. Il s'agit notamment d'opérer une sélection de données (éliminer certaines colonnes par exemple) en déterminant celles qui sont les plus pertinentes pour le message que l'on veut faire passer. Il s'agit aussi de réaliser des regroupements, des classements, des transpositions (...) pour que les données puissent être correctement interprétées par l'outil de visualisation. Cette étape doit aider à affiner le choix éditorial en "anglant" la dataviz sur un message clé.
Il s'agit de trouver à ce stade le mode de représentation des données le plus adaptée. Cette étape peut être alimentée par la recherche de datavisualisations inspirantes sur des thématiques similaires. Elle peut aussi s'alimenter de la consultation de catalogues de datavisualisation ou de sites spécialisés dans la veille sur la datavisualisation. On citera la veille proposée par OpenDataSoft via son club des utilisateurs ou des sites comme https://informationisbeautiful.net/
Cette étape consiste à produire la datavisualisations à l'aide d'un logiciel ou d'une plateforme. L'éditorialisation des données passe par le choix des couleurs, l'ajout de textes explicatifs ou d'informations contextuelles permettant de comprendre les données. Cette étape doit intégrer les contraintes inhérentes au support de diffusion : papier, présentation, mobile...
Vérifiez vos données : pas de dataviz efficace sans des données de qualité.
Faites des tests : avant de produire votre dataviz, faites des graphiques pour explorer les données, affiner le message.
Cherchez de l'inspiration en ligne : les catalogues de datavisualisation vous aideront à trouver la représentation la plus adaptée.
Adaptez le graphique à votre cible : la cible est indissociable du choix du mode de représentation. L'efficacité, la simplicité doivent être privilégiées sur l'effet "waouh".
Ne négligez pas les textes : les données ne parlent pas d'elles-mêmes. Une dataviz doit avoir un titre, une légende voire un élément de contexte.
Indiquez des valeurs repères : afficher une valeur c'est bien, avoir un point de comparaison c'est mieux. Donnez au lecteur une référence : moyenne, médiane, ratio...
Tenez compte des déficients visuels : préférez des couleurs contrastées, évitez certaines alliances (rouge/vert).
Utilisez les couleurs avec modération : les couleurs participent de l'efficacité du graphique. Elles doivent servir le message et aider à le claritier.
Méfiez-vous de l'automatisation : certains outils proposent une mise à jour automatique des graphiques. Mais ces représentations fonctionnent-elles toutes dans le temps ?
Vérifiez la compatibilité mobile : la majorité des internautes utilisent un smartphone ou une tablette. Vérifiez que votre datavisualisation fonctionne bien sur ces supports.
OpenDataFrance a publié un "Guide sur l'éditorialisation des données publiques" très complet : https://opendatafrance.gitbook.io/editorialisation-des-donnees-publiques/
Après cette riche lecture autour de la datavisualisation, nous allons mettre en pratique toutes ces informations à l'aide du fichier ci-dessous. Celui-ci compile des données concernant le nombre d'accidents de voiture dans le département de l'Oise entre 2010 et 2022.
Grâce aux données du fichier, nous allons pouvoir représenter, à l'aide d'une datavizualisation, le profile (age) des victimes des accidents de la route dans le département de l'Oise.
Voici les étapes à suivre :
Téléchargez le fichier ci-dessous (Extraction_ONISR.xlsx)
Rendez-vous sur https://www.datawrapper.de/ (outil de datavizualisation).
Cliquez sur "start creating".
Importez le fichier "Extraction_ONISR.xlsx" en cliquant sur "téléchargement XLS/CSV", à ce moment le tableau s'affiche sur la droite de l'écran.
Cliquez sur "continuer" pour arriver à l'étape qui vous permet de générer une datavizualisation.
Plusieurs graphiques sont à votre disposition, choisissez celui qui est, selon vous, la plus adéquat et téléchargez le en cliquant sur "publier" et en renseignant votre adresse e-mail.
Rendez-vous sur le forum et partagez votre datavizualisation. Expliquez-nous le choix du graphique et les enseignements que vous en tirez.
En 2021, OpenDataFrance a développé une formation entière autour de la datavisualisation. Elle aborde les étapes, principes et points clés dans le détail, n'hésitez pas à la consulter pour approfondir vos connaissances : Guide sur l'éditorialisation des données publiques (OpenDataFrance, 2021).
Base "Inventaire des outils d'acculturation aux données - Culture D" + filtre par Compétence = "Exploiter des données "
