arrow-left

Toutes les pages
gitbookPropulsé par GitBook
1 sur 3

Loading...

Loading...

Loading...

Choisir des couleurs adaptées

La couleur, une information à part entière

Le choix des couleurs pour une datavisualisation n’a rien d’anodin. Les couleurs sont en elles-mêmes porteuses de sens, celui-ci pouvant varier selon les pays et les contextes (cf. ci-dessous)

D’une façon générale, en France, les couleurs chaudes (rouge, orange et jaune) véhiculent l’énergie, l’action, les couleurs froides (bleu, vert, violet) dégagent des sensations plus paisibles. La nature des données, la cible de la datavisualisation, le contexte géographique, le message que l'on souhaite véhiculer sont autant de paramètres qui interfèrent dans le choix des couleurs.

Mais dans tous les cas on préfèrera la sobriété, gage de lisibilité de la dataviz. Plus il y aura de couleurs, plus le graphique sera difficile à comprendre.

Quelques évidences dans le choix des couleurs

La couleur, source potentielle d'exclusion

Le daltonisme ou déficience de la vision des couleurs (DVC), touche environ 8 % des hommes et 0,5 % des femmes dans le monde. Il doit conduire à privilégier des contrastes élevés entre les couleurs et à éviter certaines combinaisons comme rouge et verts, marron et verts ou bleu et violet.

Les couleurs, des symboliques variables en fonction des pays

La signification des couleurs n'a rien d'universel et leur usage doit être adapté au public cible. La datavisualisation suivante montre toute cette diversité dans l'association des couleurs à des valeurs.

Le rouge symbolisera la gauche/ les partis progressistes dans une dataviz sur la vie démocratique en France, cette même couleur étant celle des conservateurs/républicains aux Etats-Unis. Utilisé dans une carte de chaleur, le rouge sera spontanément interprété comme une zone de danger.

circle-info

Le site de création de dataviz Datawrapper propose très complet avec une dimension accessibilité visuelle : il es possible de choisir des combinaisons de couleurs adaptées aux différentes visions des couleurs.

un guide des couleursarrow-up-right
Exemple de combinaisons de couleurs qui pourraient déstabiliser le lecteur et une proposition d'alternative (source : Datawrapper)
Les couleurs à éviter pour les daltoniens et celles à privilégier (source guide EEA)
Les couleurs et leur symbolique selon les culture (via www.informationisbeautiful.net)

Des outils pour choisir les couleurs

La plupart des plateformes et logiciels de datavisualisation proposent des nuanciers de couleurs prêts à l'emploi. Mais il est aussi possible de créer sa propre gamme de couleurs, en jouant sur le nombre de couleurs, sa teinte ou sa saturation.

Leurs références sont exportables au format HEX ou HTML.

roue chromatique de Paletton

Ces outils utilisent une "roue chromatique" pour créer en quelques clics une gamme respectant les règles d'harmonie chromatique : couleurs monochromes, complémentaires ou encore situées dans une même zone du spectre. on citera :

  • Adobe color CCarrow-up-right 👍

Palettonarrow-up-right
Scheme colorarrow-up-right

Minimiser le nombre de couleurs

Pour représenter des catégories (groupes politiques, compétences, nature des dépenses/recettes....) on utilisera des couleurs différentes. On se limitera cependant au maximum à six couleurs différentes, quitte à faire des regroupements.

Pour représenter la variation d'une valeur numérique (ex : taux de chômage, population, niveau de revenu...) on privilégiera un dégradé entre une ou deux couleurs.

Un dégradé sur une seule couleur (séquentiel) induira une progressivité et une continuité dans les données (ex : une densité de population).

Un dégradé entre deux couleurs permet :

  • de mettre en valeur les données extrêmes

  • de rendre plus lisibles les valeurs intermédiaires et notamment celles autour de la médiane qui sépare en deux l'effectif

circle-info

Certains auteurs, à l'image d'Edward Tufte, plaident pour une simplification à l'extrême du nombre de couleurs. Voir ci-dessous ce que cela peut donner.

Quelle échelle de couleur utiliser ? Un sujet abordé par du blog de Datawrapper (en anglais)
Source :
ce post arrow-up-right
https://www.darkhorseanalytics.com/portfolio-data-looks-better-naked arrow-up-right