Introduction au cours et objectifs pédagogiques
1. Objectifs pédagogiques
Le cours vise à mobiliser la visualisation de données pour analyser des informations et soutenir des décisions éclairées. À l’issue du cours, l’étudiant doit pouvoir :
| Domaine cognitif | Domaine affectif |
|---|---|
| Interpréter un jeu de données et suivre des indicateurs clés. | Présenter son travail devant un public et justifier ses choix de visualisation et d’axe d’analyse. |
| Communiquer les résultats d’une analyse et concevoir des tableaux de bord analytiques. | Faire preuve d’esprit critique pour proposer des façons de visualiser et d’analyser. |
| Mettre en place un outil de pilotage analytique. | Synthétiser le travail dans une présentation claire, intuitive, logique et impactante. |
| Faciliter la décision par une restitution claire, simple et actionnable. | Questionner un besoin pour y répondre au mieux. |
La démarche professionnelle associe compréhension du besoin métier, mise en place de systèmes de visualisation clairs, automatisés et fiables, puis transmission des méthodes et des outils.
2. Programme et calendrier
| Date | Contenu et activités |
|---|---|
| Mercredi 28/10/26 | 8h30–12h30 : découverte de la dataviz, théorie et exercices. 13h30–17h30 : découverte de Tableau, principes de dashboarding et exercices pratiques. Mini-évaluations 1 et 2. |
| Jeudi 29/10/26 | 14h–14h30 : présentation du projet de groupe et questions-réponses. 14h30–15h30 : découverte du sujet et des données, constitution de 7 groupes. 15h30 : annonce des groupes, tirage des sujets et questions-réponses. 16h–18h : travail autonome, avec un point de 15 min par groupe. |
| Vendredi 30/10/26 | 8h30–12h30 : travail autonome, avec un point de 15 min par groupe. 14h–17h : présentation des projets devant la classe et mini-évaluation 3 (revue des projets). |
3. Évaluations
| Évaluation | Pondération | Modalités |
|---|---|---|
| Évaluations individuelles | 50 % | Questions de théorie, de pratique et d’analyse : 20 min + 40 min sur Moodle le 28/10, 3 h sur les avis concernant les projets le 30/10, puis 1 h de partiel le 17/11. |
| Projet de groupe | 50 % | 1 jour de préparation à partir d’un jeu de données et d’une problématique fournis, puis 20 min de présentation devant la classe. Le travail porte sur la conception, le développement et la présentation d’un tableau de bord. |
À retenir : la visualisation de données doit rendre l’analyse compréhensible et actionnable afin de faciliter la prise de décision.
Dataviz : définition, origine et rôle
1. Définition et rôle
La visualisation de données (dataviz) regroupe les méthodes de représentation graphique d’informations et de données : graphiques, cartes, schémas, etc. Elle rend des données abstraites plus accessibles à la compréhension.
La dataviz transforme des données en représentations visuelles pour en faciliter la compréhension.
2. Origine
L’histoire des représentations visuelles passe du dessin à l’écriture, puis aux graphiques. Au XIVᵉ siècle, Nicole Oresme compte parmi les premiers à concevoir un système de coordonnées à deux axes : les abscisses et les ordonnées. Son travail est repris par Blaise de Parme en 1482 et 1505.
3. Pourquoi visualiser les données ?
Des statistiques seules peuvent masquer des structures différentes. Le quartet d’Anscombe (1973, Francis Anscombe) rassemble quatre jeux de données de 11 points ayant les mêmes statistiques descriptives :
| Statistique commune aux quatre jeux | Valeur |
|---|---|
| Moyenne des | 9,0 |
| Variance des | 10,0 |
| Moyenne des | 7,5 |
| Variance des | 3,75 |
Leur représentation graphique révèle pourtant des formes et des points atypiques différents. Les statistiques résumées ne suffisent donc pas toujours : visualiser les données permet d’en examiner la structure.
4. Exemple : l’épidémie de choléra à Londres
En 1854, le docteur John Snow cartographie les décès dus au choléra : un trait représente une mort, placé à l’adresse correspondante. La carte fait apparaître la concentration des décès autour de la pompe à eau de Broad Street, dont l’eau était contaminée. La pompe fut démontée et l’épidémie stoppée.
Repérer les erreurs et biais de visualisation
1. Repérer les erreurs et biais de visualisation
Une visualisation peut être trompeuse sans être factuellement fausse. Il faut examiner à la fois les données représentées, leur encodage visuel et les choix de regroupement.
Une dataviz doit rendre explicites les données montrées et les choix qui influencent leur interprétation.
2. Vérifier ce que représente le graphique
Dans un graphique météo, des nombres associés à des barres ne suffisent pas à comprendre l’information : il faut savoir ce que codent les barres et les valeurs — température, précipitations, vent ou indice de confiance, par exemple. Une légende et des unités claires évitent les interprétations erronées.
3. Contrôler les échelles
Dans une pyramide des âges, les effectifs des femmes et des hommes sont comparés de part et d’autre de l’axe central. Les deux côtés doivent utiliser des échelles cohérentes, notamment des intervalles et des graduations comparables. Une échelle asymétrique peut exagérer ou minimiser visuellement les différences.
4. Examiner les classes et les couleurs
Une carte choroplèthe peut représenter correctement les valeurs tout en orientant la lecture par son choix de classes et de couleurs. Dans l’exemple du Green Future Index (MIT Technology Review Insights, 2021), les États-Unis ont un score de 4,66, juste en dessous du groupe vert, alors que le dernier groupe compte 6 pays au lieu de 10. Ces seuils et effectifs inégaux peuvent accentuer certaines ruptures ou donner une impression disproportionnée.
| Point à contrôler | Question à se poser |
|---|---|
| Encodage | Que représentent les formes, tailles, couleurs et nombres ? |
| Échelles | Les graduations et les intervalles permettent-ils une comparaison équitable ? |
| Regroupements | Les seuils des classes sont-ils cohérents et leur répartition visible ? |
| Couleurs | La palette suggère-t-elle des catégories ou des écarts qui ne sont pas justifiés ? |
Perception visuelle et principes de la dataviz
1. Définir un graphique
Un graphique est une transcription de données par le dessin (Le Robert). Plus précisément, il représente des données qualitatives, ordonnées ou quantitatives en mobilisant la perception visuelle et les lois de la graphique (Larousse).
2. La perception visuelle
Le cerveau ne traite pas les éléments visuels comme une simple juxtaposition : il organise les stimuli et en déduit des informations, souvent rapidement et sans effort conscient. Cette perception peut toutefois être trompée par le contexte : deux cases de même couleur peuvent sembler différentes selon leur environnement.
Pour lire un graphique, il faut notamment repérer l’échelle, les ordres de grandeur, la taille et l’écart des valeurs, leur ordre, leur couleur et leur position par rapport à zéro. Ces choix influencent directement ce que le lecteur perçoit.
3. Organisation perceptive : Gestalt
Au début du XXᵉ siècle, la Gestalt, ou psychologie de la forme, établit que la perception et la représentation mentale appréhendent les phénomènes comme des formes globales plutôt que comme une addition d’éléments isolés.
| Principe | Idée générale |
|---|---|
| Simplicité | Tendance à percevoir la forme la plus simple possible |
| Proximité | Les éléments proches sont perçus comme liés |
| Similarité | Les éléments semblables sont regroupés |
| Destin commun | Les éléments qui évoluent de la même façon sont associés |
| Continuité | Les éléments alignés ou suivant une trajectoire sont perçus comme continus |
| Clôture | Le cerveau complète une forme incomplète |
En 1967, le cartographe et géographe Jacques Bertin publie la première édition de Sémiologie Graphique. Il étudie les stimuli visuels et leur interprétation par le cerveau, soulignant leur efficacité pour déduire une information, consciemment ou non.
4. Attributs pré-attentifs
Les attributs pré-attentifs sont des caractéristiques visuelles détectées rapidement, avant une analyse consciente approfondie. Leur efficacité dépend du type d’information à communiquer.
| Type | Attribut | Perception quantitative | Perception catégorielle / qualitative |
|---|---|---|---|
| Forme | Longueur | Excellent | Mauvaise |
| Largeur | Limitée | Mauvaise | |
| Orientation | Mauvaise | Mauvaise | |
| Taille | Limitée | Mauvaise | |
| Forme | Mauvaise | Excellente | |
| Encadrement | Mauvaise | Limitée | |
| Spatial | Position 2D | Excellente | Mauvaise |
| Regroupement spatial | Mauvaise | Excellente | |
| Couleur | Teinte | Mauvaise | Excellente |
| Intensité | Limitée | Mauvaise |
Pour comparer des valeurs quantitatives, privilégier la longueur ou la position 2D ; pour distinguer des catégories, privilégier la forme, le regroupement spatial ou la teinte.
Panorama des graphiques et choix selon l’objectif
1. Une grande variété de graphiques
Le choix d’un graphique dépend d’abord de l’objectif de visualisation : montrer une relation, décrire une répartition, suivre une évolution ou comparer des groupes.
| Graphiques | Exemples |
|---|---|
| Comparer des valeurs | Graphique en barres, barres empilées |
| Suivre une évolution | Graphique en courbe, zones empilées |
| Représenter une répartition | Camembert, donut, treemap, waffle chart |
| Montrer une relation ou une distribution | Nuage de points, bubble chart, boîte à moustaches |
| Représenter des données sous forme de matrice | Carte de chaleur |
| Situer des données dans l’espace | Carte géographique |
| Présenter des valeurs ou des informations | Tableau simple, nuage de mots |
| Combiner plusieurs représentations | Graphiques combinés |
Cette liste n’est pas exhaustive : un même type de graphique peut répondre à différents besoins selon les données et la question posée.
2. Choisir selon l’objectif
Avant de réaliser un graphique, se demander : « Quel est le but de mon graphique ? » Par exemple :
- Souhaite-t-on montrer une corrélation ?
- Veut-on étudier une répartition ?
- Faut-il suivre une évolution dans le temps ?
- Cherche-t-on à comparer des groupes ?
3. Guides de référence
Le Data Visualisation Catalogue permet de parcourir les graphiques par catégorie ou de consulter l’ensemble des types, chacun accompagné d’une fiche. Le Visual Vocabulary de FT Graphics, adapté sur Tableau, constitue un autre guide de référence.
Exercices de choix et d’analyse de graphiques
1. Choisir un graphique en fonction de la question
Le graphique adapté dépend de l’analyse recherchée : comparaison globale, évolution dans le temps ou lecture d’une valeur à une période donnée. Un même jeu de données peut donc justifier plusieurs graphiques, mais pas pour répondre aux mêmes questions.
| Question à traiter | Graphique pertinent dans l’exercice | Ce qu’il permet d’observer |
|---|---|---|
| Quel segment a le plus gros chiffre d’affaires cumulé sur 2021 et 2022 ? | Ventes cumulées par segment | Comparer les totaux entre segments. |
| Le segment Consumer a-t-il toujours dépassé les autres ? | Évolution des ventes par segment | Comparer les segments à chaque trimestre. |
| Quel est le chiffre d’affaires total au T4 2022 ? | Évolution des ventes totales distribuées par segment | Lire le total d’un trimestre, avec les valeurs des segments réparties dans le total. |
À retenir : on choisit d’abord le graphique à partir de la question, et non l’inverse.
2. Repérer les défauts d’un graphique
Dans l’exemple sur le désir d’avoir des enfants aux États-Unis, quatre réponses sont accompagnées de pourcentages pour 1990, 2003 et 2013. Or, les catégories présentées ne totalisent pas 100 % : en 1990, 73 + 17 + 3 + 4 = 97 %. Il faut vérifier la cohérence des données avant d’interpréter leur visualisation.
Le diagramme en anneau est également mal adapté pour montrer l’évolution des réponses dans le temps. Les petits pourcentages y sont visuellement amplifiés : 3 % occupe un quart de cercle, tandis que 6 % occupe la moitié du cercle dans le zoom présenté. Cette représentation peut donc donner une impression trompeuse des écarts.
Pour analyser une évolution entre plusieurs années, il faut privilégier une représentation qui facilite la comparaison dans le temps, plutôt que des anneaux distincts.