Le concept de datavisualisation

Publié le 18 août 2022 par Alexandre Meyer

La dataviz ou encore datavisualisation désigne tout simplement le fait de mettre en forme des données brutes. Nous y sommes confrontés tous les jours et dans tous les domaines.

Jouons à un petit jeu. Sauriez-vous me dire en 5 secondes quelle température fait-il à Paris selon les tableaux ci-dessous ?

Brest	Lyon	Biarritz	Cherbourg	Tours	Clermont-Ferrand	Perpignan	Rennes	Nancy	Limoges
5°C	5°C	10°C	8°C	5°C	6°C	13°C	7°C	5°C	5°C

Marseille	Nantes	Strasbourg	Bordeaux	Alençon	Nice	Lille	Dijon	Toulouse	Ajaccio
12°C	4°C	5°C	7°C	5°C	17°C	7°C	6°C	10°C	14°C

Bourg-Saint-Maurice	Auxerre	Bourges	Belfort	Reims	Gap	Paris	Montélimar	Vichy	Montpellier
3°C	4°C	4°C	3°C	3°C	8°C	5°C	9°C	4°C	11°C

Compliqué n’est-ce pas ? Il n’est pas facile de tirer du sens, même de tableaux de chiffres très simples ! 

📈 En quelque décennies¹, la quantité d’informations reçue par une personne a été multipliée par 5 ! Notre cerveau sature et préfère les images. Comme dit l’expression, une image vaut mille mots ! C’est pour cela que la datavisualisation est omniprésente dans notre quotidien.

La dataviz permet de présenter et de résumer des données de façon visuelle. Sans cette démarche, il nous serait compliqué de nous retrouver parmi l’abondance de données sur un sujet. Son objectif n’est pas uniquement de faire joli. Le but est de transmettre une information claire et pertinente à son lecteur.

Data Visualisations avec des données à titre d’exemple : diagrammes linéaire et circulaire

Les secteurs qui utilisent la dataviz sont nombreux : le journalisme, la communication, la science, la culture, l’environnement, la santé, le management, la sécurité, le commerce, l’énergie, l’urbanisme… Et ce depuis bien plus longtemps que nous pouvons l’imaginer !

Rapide historique

Bien que le concept de datavisualisation soit pratiqué depuis plusieurs siècles, arrêtons-nous sur le travail du pionnier français de la représentation visuelle au XIXe siècle, Charles Joseph Minard. Ingénieur civil, Minard conçut de nombreuses cartes pour analyser et mettre en lumière les avancées économiques et sociales que le monde a connues. L’une de ses plus grandes représentations de données fut la carte figurative des pertes en hommes de l’armée française dans la campagne de Russie 1812-1813 de Napoléon.

La couleur claire indique le flux d’hommes entrant en Russie et celle foncée de ceux qui en sortent. La largeur des traits nous donne une indication sur le nombre d’hommes disponibles. Sur la carte figure également les températures des différentes villes traversées (on peut en déduire que la météo n’a pas aidé l’avancée des troupes…) Cette représentation visuelle était très riche d’informations. Plusieurs données sont couplées pour offrir une information claire et structurée.

Le bon support pour transmettre un message structuré

Aujourd’hui, avec l’évolution des moyens technologiques, l’expression des données peut se réaliser de plusieurs façons.

Avec de la vidéo

En infographie

Avec du code

Je vous invite à consulter cette superbe frise interactive qui retrace la datavisualisation à travers le temps : https://history.infowetrust.com/

Face à la multitude de données, une datavisualisation résulte très souvent du travail de plusieurs métiers (graphiste, vidéaste, développeur, ergonome, statisticien, sociologue, géographe, mathématicien, économiste etc…). Le Data Scientist va récupérer les données et les analyser. Le Data Analyst va choisir les données pertinentes. Le Développeur/graphiste/vidéaste va à la fin les mettre en forme.

Cependant il ne faut pas oublier que notre message doit se transmettre sur un support adapté à l’environnement de diffusion. Chaque vecteur a son objectif :

• L’infographie est adaptée à la communication d’informations (avec Photoshop, Illustrator…)

• L’animation permet la scénarisation d’événements journalistiques (avec After Effects)

• L‘interactif donne la possibilité à l’utilisateur de consulter et d’interagir avec l’information (avec du code)

Tous ces vecteurs permettent de transmettre un message selon un objectif. Cependant pourquoi accordons-nous autant d’importance aux données ? Que peuvent-elles nous apporter ? Pourquoi créer ou lire une dataviz ?

À quels défis répond la datavisualisation ?

Face à une croissance exponentielle des données récoltées, nous devons pouvoir les organiser, les hiérarchiser et les comprendre. On les met en forme pour leur donner du sens et diminuer le temps dédié à leurs analyses.

Les données sont des ressources très précieuses pour les organisations². C’est pour cela qu’elles se tournent de plus en plus vers les tableaux de bord (dashboard). Ceci permet de repérer les valeurs aberrantes et les tendances ainsi que de révéler les corrélations au sein de données complexes. Mais que gagne-t-on ?

• Une prise de décision efficace face aux projets
• Une aide aux décisions managériales
• Un gain de temps pour les professionnels
• Une aide face aux manques de compétences analytiques
• La compréhension en un coup d’œil car tout est consolidé et arrangé en un seul écran

Le nombre important de données nécessite d’être visualisé afin d’être traduit en information et en TBDM (Tableau de bord sur données massives). Cette multitude de données que nous avons besoin de mettre en forme pour en tirer du sens est sans cesse en expansion. Mais comment ces données sont récoltées ? D’où proviennent-elles ?

Où et comment sont procurées les données ?

Les mégadonnées (Big Data)

Le big data désigne le fait de récolter massivement des données provenant d’internet. Ces données proviennent des réseaux sociaux (like, partage, commentaire, heure de connexion, temps de sessions, publicités cliquées), de nos mails, de nos historiques de recherches Google, de nos achats ou encore de capteurs de température dans la ville etc… 

Le big data peut être utilisé pour de nombreux usages : le ciblage marketing/publicitaire, l’analyse des comportements des utilisateurs mais aussi la détection des pannes dans un réseau, l’amélioration de l’expérience etc… On réalise donc des dashboard pour déchiffrer de grosses masses de données.

Le principe de données ouvertes (Open Data)

L’open data est LA source de données pour le dataviz. Elles sont distribuées par des collectivités ou des États. Le principe est simple : rendre disponible, réutilisable et participatif des données publiques ayant un intérêt général. L’open data garantit le libre accès des données, sans aucune restriction (même commerciale). Ceci permet d’encourager les représentations innovantes et la création de connaissances de la part de tous.

La notion d’open data a déjà été introduite par le père du web, Tim Berners-Lee. L’open permet aussi les projets participatifs comme OpenStreetMap.

L’Etat français ainsi que la Ville de Paris, la région Ile-de-France, la SNCF et la RATP proposent leur plateforme d’open data.

• Où sont les toilettes ?
• Où recycler ?

⛓️ L’open data est très souvent accompagnée d’une API. L’Interface de Programmation Applicative (en français) offre la possibilité à des programmes de communiquer entre eux sur un réseau. Très utilisée dans le web, l’API permet de récupérer et d’envoyer des données entre un client et un serveur via le protocole HTTP. Les données renvoyées par le serveur sont utilisées par le développeur pour les afficher en dataviz interactive. La plateforme IFTTT permet de jouer avec des API en no-code.

Par exemple, Google utilise plusieurs bases de données (cf. API) pour récupérer les informations nécessaires pour ses dataviz

La dataviz a été démocratisée grâce à l’opendata et au freemium des logiciels tels que Microsoft PowerBI et Tableau Server. Avant, la visualisation de données était réservée aux experts et aux scientifiques.

Une dataviz ne repose pas seulement sur des données brutes mises en forme. Pour qu’elle soit comprise, sa réalisation exige l’utilisation de plusieurs outils du design et sémiologique pour mesurer, associer, sélectionner, ordonner, quantifier et décoder un message visuel.

L’apparence visuelle des données doit amoindrir l’effort cognitif du lecteur (gain d’énergie et de temps) afin qu’il puisse se concentrer uniquement sur l’analyse des données. Le choix des couleurs, des formes, des mots et du storytelling sont à réaliser en fonction du contexte et des données de la datavisualisation. Mais nous parlerons de la boîte à outils et des théories de la perception visuelle dans un prochain article 🙂 N’hésitez pas à me suivre sur twitter pour être au courant des prochaines publications !

Follow @AlexMeyerAM

¹HILBERT Martin, How much information is there in the “information society”?, Significance, 2012

²ANDRY Tiffany, Une approche sémiotique de la conception d’outils d’analyse de données massives, Presses Universitaires de Bordeaux, 2018

Bibliographie complémentaire

Livres et revues

• RENDGEN Sandra, GROOTENS Joost, Le Système Minard, B42, 2020
• BERTIN Jacques, Sémiologie graphique : les diagrammes, les réseaux, les cartes, Mouton, 1967
• BONACCORSI Julia, «Chapitre 6. Approches sémiologiques du web» dans Barats Christine, Armand Collin, 2013
• COTTON Anne-Marie, «European Communication Monitor 2016 : 10 ans de recherche pan-européenne sur la communication stratégique», Revue Communication & professionnalisation, 2017
• FEW Stephen, Information Dashboard Design: The Effective Visual Communication Of Data, O’Reilly Media, 2006
• LLOVERIA Vivien, «Data design-moi un mouton», Communication & Organisation, 2006
• KIRK Andy, Data visualisation: a handbook for data driven design, Sage Publications, 2016

Vidéos

• Toulouse Dataviz, 2020, Comment Mentir avec des Graphiques ? Les dessous de nos médias, Vimeo, https://vimeo.com/381895600
• ATOL Conseils et Développements, 2020, [Webinar] DataViz Open Source : Quelles solutions ? Quels usages ?, Youtube, https://www.youtube.com/watch?v=4S0hKjdOwfM
• Banque des territoires, 2019, #DATAVIZ : Cœur de Ville, Youtube, https://www.youtube.com/watch?v=eAWXkyrNa2E
• ARTE, 2020, Jurassic Web, Une préhistoire des réseaux sociaux, Youtube, https://www.youtube.com/watch?v=mLEbi2MAoL8

Sites

• Le Monde en cartes, https://twitter.com/lm_encartes
• Savoir détecter les infox basées sur la manipulation des images, https://alain-michel.canoprof.fr/eleve/culture-numerique/2.Fake-news-et-manipulations-des-images-02/
• The Data Visualisation Catalogue, https://datavizcatalogue.com/

Cet article est un extrait revisité de mon cours “Introduction au concept de datavisualisation”. CC BY-NC-SA 4.0