Le titre de votre visualisation est la première chose que le lecteur verra, il doit donc indiquer clairement ce qui est mesuré. Incluez dans le titre des informations sur l'idée que le lecteur se fera de la visualisation. Le lecteur saura ainsi pourquoi vous le montrez, ce qui lui permettra de mieux comprendre le graphique. Il est parfois utile d'ajouter un texte qui explique comment lire le graphique, même s'il est simple (par exemple, cette tendance est-elle positive ou négative ?). D'autres détails peuvent être révélés par d'autres annotations qui tentent de répondre à la curiosité du lecteur (par exemple, pourquoi y a-t-il un pic/décroissance à cet endroit ? Qu'est-ce qui s'est passé à ce moment-là qui a pu déclencher ce changement ?). Les annotations permettent de mieux comprendre le contenu. (Voir Améliorer la lisibilité de la visualisation - annotations).

Les titres, sous-titres, légendes, notes et graphiques fonctionnent ensemble pour transmettre le message clé du graphique et doivent être rédigés dans un langage simple, en évitant les acronymes.

Titre

En fonction des données et du public cible, le titre peut adopter différents styles :

• Titre descriptif (adapté aux publics techniques) : donne un aperçu neutre de l'analyse à venir (exemple).

• Déclaration définitive (adapté aux publics généraux) : communique clairement votre message et les idées (exemple).

• Question (adapté aux publics non techniques) : poser une question claire dans votre titre et y apporter une réponse rendra les données plus accessibles pour votre public (exemple).

Sous-titre

Le sous-titre peut être utilisé pour énoncer votre message clé de manière efficace, en reflétant l'intuition dérivée de votre analyse.

Annotations

Le texte n'est peut-être pas la partie la plus intéressante d'une visualisation, mais une bonne annotation peut améliorer considérablement sa lisibilité et fournir des détails supplémentaires et de la profondeur. De bonnes annotations facilitent grandement la tâche des personnes n'ayant aucune connaissance préalable - ou une connaissance limitée - de l'ensemble des données visualisées. En gros, il existe deux types d'annotations : les annotations de projet et les annotations de graphique. Voir l'image ci-dessous

Si vous publiez une visualisation sur le site web, vous pouvez opter pour un graphique statique ou interactif. La première variable qui influence le choix est le public cible (voir Exploratoire/explicatif : choisir le bon format).

Les graphiques statiques sont souvent une option adéquate, car ils sont faciles d'accès et ne présentent pas le risque de problèmes d'affichage sur votre navigateur ou d'autres applications.

Mais parfois, il est fortement recommandé d'utiliser la version interactive lorsque :

• il y a beaucoup de catégories, et par conséquent beaucoup de couleurs (voir N'utilisez pas plus de six couleurs (environ)) (exemple 1) ;

• si, par manque de place, les étiquettes ne sont pas visibles (Exemple 2) ;

• si les valeurs sont si divergentes que certaines d'entre elles ne seraient pas visibles (exemple 3) ;

• et naturellement, s'il est nécessaire de trier les valeurs ou de filtrer les informations.

Si la visualisation est destinée à une publication PDF ou à une diapositive PowerPoint et que vous devez produire un graphique statique, vous pouvez envisager de présenter vos données d'une manière différente pour éviter les problèmes mentionnés ci-dessus :

Les tableaux sont clairement le meilleur moyen de montrer les valeurs numériques exactes, bien que les entrées puissent également être disposées sous forme semi-graphique. Les tableaux sont préférables aux graphiques pour de nombreux petits ensembles de données... Les tableaux fonctionnent également bien lorsque la présentation des données nécessite de nombreuses comparaisons localisées... Un supertableau est bien meilleur qu'une centaine de petits diagrammes à barres. Edward R. Tufte

Un graphique vaut plus que dix mille mots" mais, d'un autre côté, la représentation graphique est une source d'information moins riche que, par exemple, un bon vieux tableau.

Dans la plupart des cas, un graphique et un tableau sont complémentaires, et les deux devraient être utilisés dans la représentation des données : les chiffres du tableau montrent l'analyse des phénomènes en question, tandis que la représentation graphique fournit une synthèse, permettant une compréhension intégrale et claire.

Réfléchissez à la manière dont votre public va parcourir et lire la visualisation.

• Si de nombreuses données sont affichées, faites un usage judicieux des espaces blancs pour séparer et regrouper les informations

• Utilisez la mise en forme du texte pour donner la hiérarchie souhaitée au contenu

• Appliquez des couleurs de manière intentionnelle pour mettre en évidence le point central de la visualisation des données

Pour mieux transmettre un message, vous devez guider votre public vers les données analysées. La première étape est d'avoir un titre qui se concentre sur votre idée (voir : Dites "pourquoi" et "comment"). Ensuite, vous pouvez mettre en évidence vos données sous forme de graphique, en gardant les autres données en arrière-plan pour donner le contexte et permettre les comparaisons.

On peut faire de même avec toutes sortes de graphiques.

Il est parfois nécessaire d'ajuster un peu le tableau pour laisser émerger l'histoire.

Dans d'autres cas, vous devrez peut-être opter pour un autre type de graphique qui permettra de mieux attirer l'attention du lecteur.

Il est plus important de mettre l'accent sur les données elles-mêmes et de trier votre graphique par attributs de données, plutôt que par attributs non liés aux données (par exemple, des étiquettes comme les noms de pays).

Une fois les données triées, il est plus facile d'effectuer une comparaison correcte entre les nombreuses barres, ainsi que de trouver un pays dans la liste après un examen rapide.

Les diagrammes circulaires fonctionnent mieux lorsqu'ils sont présentés avec des valeurs de données triées. Commencez à 12 heures avec la plus grande tranche et travaillez dans le sens des aiguilles d'une montre. De cette façon, il est beaucoup plus facile de comprendre les relations entre les parties - ce qui est plus grand et ce qui est plus petit - même lorsque les valeurs ne sont pas lisibles ou que les zones sont très similaires.

Si le graphique est interactif, donnez à l'utilisateur la possibilité de modifier l'ordre de tri par défaut et un moyen de filtrer les données pour ne comparer que quelques catégories.

Le présent document a comme vocation de proposer un guide méthodologique pour concevoir et produire des datavisualisations de bonne qualité.

D'autres documents sont produits par OpenDataFrance pour aider les collectivités à s'approprier les enjeux, les méthodes et les outils de datavisualisation :

• les enjeux de l'éditorialisaiton des données au sein des collectivités locales

• des exemples inspirants de datavisualisation (tout type d'acteurs dans le cadre d'une mission de service public)

• sélection d'outils de datavisualisation

• un service de restotution de données nationales à l'échelle locale (dataviz et jeux de données)

Version : 0.0.1 Date : mars 2022 Rédacteur : Licence : CC-BY-SA

Soyez clair lorsque certaines données sont manquantes. Expliquez-en la raison. Utilisez l'axe complet et ne sautez pas de valeurs lorsque vous avez des données numériques.

Si votre graphique ne comporte qu'une seule catégorie de valeurs, il n'est pas nécessaire d'avoir une légende. Les informations nécessaires peuvent être incluses dans le titre. Vous pouvez également étiqueter l'axe directement.

Essayez d'utiliser un langage clair dans le titre et les descriptions de vos tableaux. Évitez les acronymes comme "CL" et utilisez la forme étendue "Collectivité Locale" ou, encore, simplement "Collectivité". Vous pouvez utiliser des abréviations bien connues comme UE ou PIB, ou celles que votre public comprend bien.

Le daltonisme, également appelé déficience de la vision des couleurs (DVC), touche environ 8 % des hommes et 0,5 % des femmes dans le monde. On estime à 300 millions le nombre de daltoniens dans le monde. Vous trouverez ci-dessous un exemple de la façon dont une personne daltonienne percevrait un graphique.

La plupart des daltoniens peuvent détecter les contrastes : l'utilisation d'une combinaison de couleurs claires et foncées rend votre conception plus accessible.

Ne vous fiez pas uniquement à la couleur pour communiquer. Des formes, des motifs et des textures différents peuvent aider à distinguer les différents éléments de conception dans votre visualisation.

Une façon simple d'optimiser votre conception est d'éviter d'utiliser toute combinaison de couleurs. Utilisez une palette monochromatique dans des tons différents.

Il existe des simulateurs de daltonisme faciles à utiliser en ligne pour vous aider à tester votre visualisation, ainsi que des extensions que vous pouvez ajouter à votre navigateur :

• Coblis - Simulateur de daltonisme

• Spectrum - Extension pour Google Chrome

• Colorblinding - Extension Chrome

Prenez le tableau suivant comme exemple des résultats de certaines observations faites dans la rue. Vous voulez voir combien de personnes passant dans la rue portent des lunettes (X) ou ne portent pas de lunettes (Y) dans un laps de temps donné. Lorsque vous n'êtes pas en mesure d'identifier l'une ou l'autre de ces personnes, vous la marquez comme "inconnue". Après 1 000 observations, vous arrêtez de collecter des données.

Le graphique de gauche indique que 33,5 % portent des lunettes (X), 28,6 % n'en portent pas (Y) et 37,9 % sont inconnus (les données manquantes). Le problème avec le graphique ci-dessus est que l'inconnu ne doit pas être traité comme une troisième catégorie différente des deux autres. L'inconnu contient à la fois X et Y, très probablement avec la même distribution. Par conséquent, les données manquantes doivent être supprimées et rapportées séparément. C'est une pratique courante dans toutes les enquêtes statistiques. A droite, le graphique est corrigé sans l'inconnue. Dans ce cas, l'indication d'une marge d'erreur serait également utile.

Si possible, étiquetez les lignes individuellement et évitez les légendes.

Vous voulez permettre une identification instantanée des lignes, mais les rechercher dans une légende prend beaucoup trop de temps. Souvent, la légende se trouve sous le graphique et ses éléments sont dans un ordre arbitraire. Il est préférable de placer les étiquettes à proximité des lignes.

Cependant, placer une étiquette à côté d'une ligne peut devenir un problème lorsque plusieurs lignes se terminent au même point. Dans ce cas, placez une légende sous le graphique.

En savoir plus sur les graphiques linéaires : Doing the line charts right, de Gregor Aisch.

La perfection est atteinte non pas quand il n'y a plus rien à ajouter, mais quand il n'y a plus rien à enlever. Antoine de Saint-Exupéry

Comme le montre l'exemple ci-dessous, il est important de supprimer tout encombrement visuel pour faire ressortir le contenu.

• Supprimez l'arrière-plan

• Supprimez (ou allégez) la grille

• Supprimez le % sur l'axe des Y, s'il est précisé en haut de l'écran

• Supprimez le titre de l'axe des X, s'il n'est pas nécessaire.

• Supprimez la légende si les barres peuvent être étiquetées.

• Supprimez les couleurs si elles ne sont pas nécessaires

• Supprimez tout effet graphique (ombre).

Demandez à "d'autres yeux" de regarder ce que vous avez fait et de vous donner son avis. Vous serez peut-être surpris par ce qui est déroutant - ou éclairant ! - pour les autres.

Très souvent, la superposition de séries chronologiques de deux mesures différentes fait apparaître une forte corrélation. C'est une erreur facile de confondre corrélation et causalité. Un biais peut nous faire conclure qu'une chose doit en causer une autre si les deux changent de la même manière et au même moment.

Par exemple, si vous reportez deux séries de données différentes (A et B) sur le même graphique, vous pouvez remarquer qu'elles suivent toutes deux un schéma similaire dans le temps. Il est extrêmement difficile, voire impossible, de prouver que A a causé B ou vice versa. Il existe tellement de facteurs tiers non tracés qui peuvent influencer A et B. Seule une étude statistique approfondie de tous les facteurs peut donner une indication de la causalité, si elle existe.

En savoir plus sur ce sujet

• https://towardsdatascience.com/correlation-is-not-causation-ae05d03c1f53

• Method for identify true correlation by removing the time-series data

• https://codingwithmax.com/correlation-vs-causation-examples/

En savoir plus sur les diagrammes à barres horizontales : https://www.storytellingwithdata.com/blog/2012/10/my-penchant-for-horizontal-bar-graphs

La pente d'un graphique linéaire doit être proche de 45 degrés pour une meilleure perception.

Dans l'exemple ci-dessous, les mêmes données sont présentées de trois façons. La pente reflète les échelles utilisées sur les deux axes :

Toutefois, dans certains cas, il peut y avoir des raisons légitimes de ne pas s'en tenir à une pente de 45 degrés. Par exemple, pour analyser les données qui révèlent certains schémas, qui autrement ne seraient pas visibles dans la pente à 45 degrés. Voir l'exemple ci-dessous

En savoir plus sur ce sujet :

La catégorisation des couleurs n'est pas aléatoire, et les centres des termes de base relatifs aux couleurs sont très similaires dans toutes les langues. L'utilisation de catégories de couleurs relativement universelles permet de mieux percevoir les différences entre les couleurs. La figure ci-dessous montre l'ordre d'apparition des noms de couleur dans les langues du monde entier. L'ordre est fixe, à l'exception du fait que parfois le jaune est présent avant le vert et parfois c'est l'inverse.

Source : Berlin et Kay (1969)

Utilisez différentes couleurs pour représenter différentes catégories (par exemple, privé/public, types de polluants), et non différentes valeurs dans une fourchette (par exemple, âge, température). Voir la palette de couleurs qualitatives ci-dessous.

Si vous voulez que la couleur indique une valeur numérique, utilisez une gamme qui va du clair au foncé dans l'une des catégories de couleurs universelles. Voir la palette de couleurs séquentielles ci-dessous.

Si vous devez représenter des valeurs numériques divergentes (du chaud au froid, du bon au mauvais, etc.), utilisez deux couleurs comme indiqué dans l'exemple de palette de couleurs divergentes.

N'utilisez pas d'arc-en-ciel pour les valeurs de l'intervalle.

En savoir plus sur l'utilisation des couleurs

• Quelle couleur utiliser pour la visualisation

• Quand utiliser des échelles de couleurs qualitatives/quantitatives ?

• Quand utiliser des échelles de couleurs séquentielles/divergentes ?

• Quand utiliser des échelles de couleurs classées/non classées ?

• Lignes directrices de l'AEE en matière de couleurs

1. Connaissez votre public : modulez la complexité en fonction du niveau d'expertise de votre public.

2. Tenez compte de la taille de l'affichage : considérez la façon dont votre public va consommer vos données. Lors de la conception pour les mobiles, réduisez la quantité d'interactivité. Empilez le contenu verticalement pour les écrans de téléphone.

3. Prévoyez des temps de chargement rapides : pour des conseils d'optimisation, lisez ici.

4. Tirez parti du point idéal : réfléchissez à la façon dont votre public "lira" votre tableau de bord. Utilisez le design (lignes, espaces blancs, couleurs) pour créer une structure et guider le flux.

5. Limitez le nombre de vues et de couleurs : limitez-vous à deux ou trois vues pour ne pas submerger le lecteur. Si vous avez besoin de plus, ajoutez d'autres tableaux de bord ou utilisez une histoire. Réduisez le nombre de couleurs et utilisez-les intentionnellement.

6. Ajoutez de l'interactivité pour encourager l'exploration : ajoutez des filtres et un champ de recherche, et mettez les actions en évidence.

7. Formatez du plus grand au plus petit : du point de vue du formatage, la hiérarchie d'un tableau de bord se présente comme suit : 1. Thème ; 2. cahier de travail ; 3. feuille de travail.

8. Affinez votre tableau de bord : Les infobulles sont un moyen utile de renforcer l'histoire. N'oubliez pas de les personnaliser et de les formater avec précision. La fonction Viz in Tooltip enrichit vos tableaux de bord et vos histoires avec des données pertinentes sans introduire plus de désordre.

9. Éliminez le désordre : chaque élément doit servir un objectif : réduisez le nombre de couleurs, de lignes et de légendes, ainsi que la quantité de texte si cela n'est pas nécessaire.

10. Testez la convivialité de votre tableau de bord.

Cette règle semble triviale, mais elle peut être assez difficile à respecter lorsque les choses peuvent sembler identiques. Par exemple, imaginez l'analyse suivante de la tendance des émissions de CO2 dans le temps en Europe. D'un point de vue simpliste, la tendance dans le temps pour l'UE de 1995 à 2014 semble parfaite. Cependant, l'UE n'était pas composée des mêmes pays au fil du temps et l'UE-12 ne peut donc pas être comparée à l'UE-25 ou à l'UE-28. Les pays qui ont formé l'UE-12 ne sont pas statistiquement égaux aux pays qui faisaient partie de l'UE-28. C'est comparer des choux avec des carottes !

Source : https://stephanieevergreen-com.translate.goog/rate-your-visualization/?_x_tr_sl=auto&_x_tr_tl=fr&_x_tr_hl=fr&_x_tr_pto=wapp

Indiquez à votre public la confiance que vous accordez à vos affirmations en incluant des barres d'erreur chaque fois que vous utilisez des données pour étayer un argument.

Source: The importance of uncertainty, Berkeley Science review.

En savoir plus sur ce sujet :

• Visualizing the Uncertainty in Data | FlowingData

• Visualizing uncertainty still unsolved problem | FlowingData

• References for visualising uncertainty - Visualising Data

• What are error bars, anyway, Berkeley Science review

Vous voulez commenter, corriger, enrichir ce document ?

Merci d'adresser vos messages à

Dans leur version originale

Le présent document a été élaboré à partir des sources suivantes :

Dos and don’ts of data visualisation — European Environment Agency (eea.europa.eu)

10 bonnes pratiques pour créer des tableaux de bord efficaces

Evaluer ma datavisaulisation