1️⃣Les 4 grandes étapes

1- Définir un objectif

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...

2 - Sélectionner et préparer les données

Cette étape est potentiellement la plus longue mais même si les données sont "propres" car la datavisualisation va imposer 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.

3 - Trouver le mode de représentation le plus adapté

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/

4 - Éditorialiser le rendu (forme, contexte)

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...