Cette fois, notre histoire commence il y a environ cinq ans, peut-être un peu plus. Ma fille était passionnée de trains, alors nous construisions des circuits avec ses petits trains en bois. Parfois, nous envahissions le sol de la cuisine.
Elle me demandait de lui lire des histoires de Thomas le petit train avant de dormir, et son émission préférée était « Thomas et ses amis » de la BBC. Quel rapport avec JMP ? Eh bien, à l'époque, aucun. Je ne travaillais même pas pour JMP à ce moment-là. Mais comme je ne voyage plus ( parce que le monde est en train de devenir fou), je me suis un peu replongée dans mes premières amours, le graphisme, et j'étudie la visualisation de données. C'est vraiment passionnant.
J'ai visionné des présentations vidéo de notre collègue Xan Gregg ( @XanGregg ), relu mes notes d'autres présentations et lu des ouvrages d'Edward Tufte et de Stephen Few. J'ai même eu l'occasion de suivre quelques cours avec Nick Desbarats.
Ces derniers mois, j'ai eu un déclic : tous ces experts en visualisation de données suivent la même voie (si vous me permettez l'expression). Si l'on devait résumer tout ce que disent les experts en visualisation de données à une seule idée, on pourrait la trouver tout droit sortie d'un livre de Thomas le petit train : une visualisation n'a qu'une seule ambition : être utile .
Trains de luxe contre trains en service
Dans les livres (dont les droits d'auteur sont largement utilisés) de ma fille, les trains anthropomorphes s'efforcent généralement d'être utiles. Mais chacun a sa propre personnalité : certains aiment la propreté, d'autres n'hésitent pas à être un peu rudes, et d'autres encore aiment se faire remarquer. Il en faut pour tous les goûts, n'est-ce pas ? Mais au final, le plus grand compliment qu'un humain puisse faire à ces locomotives, c'est de dire qu'elles ont été « vraiment utiles ». Non pas qu'elles étaient jolies, tape-à-l'œil ou un peu rustiques, mais simplement qu'elles étaient utiles.
Si l'on devait personnifier un graphique, il pourrait susciter une impression similaire. Alors, comment un graphique devient-il utile ? Tout commence par un énoncé de problème, un message ou une conclusion que le graphique est censé communiquer. Examinons quelques exemples, comparons-les à leurs objectifs déclarés, puis voyons comment les améliorer.
Ce graphique est apparu dans mon fil d'actualité il y a quelque temps. Son objectif déclaré était de « [montrer] comment les activités se classent en fonction du risque de coronavirus » selon quatre facteurs définis dans l' article .
Alors, ce graphique a-t-il bien atteint l'objectif de l'exercice de visualisation ? Pour moi, la réponse est : « C'est acceptable, mais on aurait pu faire beaucoup mieux. » Nous reviendrons plus tard sur les raisons de ce constat, mais l'essentiel est qu'il est difficile de déterminer d'un coup d'œil quelles activités sont risquées et de comparer les niveaux de risque entre elles.
Dans cet exemple, je vais appliquer mes propres principes et utiliser une visualisation que j'ai créée pour mon article d'Halloween 2020. J'ai analysé le texte de la diffusion par Orson Welles de « La Guerre des mondes ». Vous pouvez consulter mon analyse ici . Cette visualisation avait pour but de résumer tous les termes du script radio et de mettre en évidence les thèmes ou termes importants.
Comment ai-je fait ? Disons que j'ai lamentablement échoué. Pourquoi ? Eh bien, nous y reviendrons plus tard, mais les nuages de mots relèvent davantage de l'art des données. On les voit utilisés comme logos, supports marketing, t-shirts, etc., car ils sont amusants ou visuellement percutants. En revanche, comme outil de communication d'informations – même avec une mise en évidence pertinente – ils sont plutôt médiocres.
Ah, les diagrammes en toile d'araignée… mon vieux cauchemar. Désolé, j'avoue avoir un certain a priori contre eux. Mais laissez-moi vous expliquer pourquoi ils m'agacent autant (désolé pour le jeu de mots). Voici la légende d'un diagramme en toile d'araignée tiré d' un article scientifique : « Le diagramme en toile d'araignée des cinq attributs sensoriels de 14 types de bière est présenté dans [le graphique]. Chaque échantillon possédait ses propres caractéristiques sensorielles, et les échantillons 8, 10, 14, 11, 9 et 2 présentaient individuellement les saveurs les plus prononcées d'acide, d'amertume, de douceur, de goût caprin, d'acidité et d'« autres saveurs ». » Et voici le graphique :
Oui. C'est plutôt mauvais. Mais c'est une situation assez courante dans ces graphiques.
L'un des inconvénients de se pencher sur la visualisation des données, c'est qu'une fois les problèmes identifiés, il est difficile de les ignorer . Or, dans le monde actuel, le problème réside dans la production quotidienne d'une quantité considérable de graphiques. Entre la pandémie et les élections américaines, nous sommes submergés de visuels. Si ces visualisations peuvent être attrayantes et soignées, ou au contraire plus rudimentaires, la plupart sont tout simplement inutiles. Nous nous retrouvons donc avec un monde de graphiques tristes et inexploités. (C'est désolant, n'est-ce pas ?) Heureusement, c'est la période des fêtes, alors remédions à cela. Pour commencer, il nous faut identifier le problème à la source.
Ce qui est joli n'est peut-être pas utile, mais ce qui est utile l'est toujours.
Pourquoi trouve-t-on autant de graphiques inutiles ? (Je ne les qualifierai pas de mauvais ; ce n’est pas leur faute s’ils sont inutiles, ils ont simplement été conçus ainsi). À mon avis, cela tient à une méconnaissance d’un concept fondamental : une chose peut être belle sans être utile, mais une chose utile est intrinsèquement belle . Et par « belle », j’entends une élégance de forme propre à un objet qui remplit parfaitement sa fonction.
Nick Desbarats utilise le terme grec « telos » pour décrire ce concept. Dans ce domaine, nombreux sont ceux (moi y compris) qui, obnubilés par le dépassement des limites de la visualisation, oublient que la visualisation de données est avant tout une question de communication . Dès lors que l'on visualise pour le simple plaisir de visualiser, en négligeant la dimension communicationnelle, nos graphiques risquent de devenir inutiles. Attention, cela ne signifie pas que ces graphiques inutiles soient laids, simplement qu'ils ne constituent pas des outils de communication optimaux.
Restez sur la voie facile
Alors, que faire ? Je vous ai montré des graphiques qui ne sont pas aussi utiles qu'ils pourraient l'être. Et justement, parce qu'ils ne le sont pas, ce sont des graphiques décevants. On ne veut pas de graphiques décevants, n'est-ce pas ? Non ! Alors, corrigeons le tir.
Dans ces premiers exemples, le problème réside dans le fait que les auteurs n'exploitent pas les atouts des systèmes de traitement visuel du cerveau. Si l'on suit le raisonnement développé par Daniel Kahneman dans son ouvrage « Thinking, Fast and Slow » , on peut dire que nous possédons deux systèmes de traitement de l'information : l'un, inconscient, est d'une efficacité redoutable (Système 1) ; l'autre, plus réfléchi, est conçu pour résoudre des problèmes complexes (Système 2). L'utilisation de ce second système est également plus énergivore, ce qui risque de fatiguer le spectateur. Ainsi, lorsque les graphiques demandent un effort de réflexion trop important, ils deviennent inutiles (d'où l'expression « graphiques tristes ») et notre cerveau se fatigue (d'où l'expression « cerveau triste »). Pour remédier à ce problème, l'astuce consiste à privilégier le premier système de traitement, plus instinctif.
Le Système 1 est conçu pour la reconnaissance rapide de formes, l'évaluation des distances linéaires et les tâches similaires. Imaginez : si, il y a des milliers d'années, une telle capacité avait été nécessaire pour prendre des décisions cruciales en une fraction de seconde, le Système 1 aurait traité l'information. C'est pourquoi les experts en visualisation de données insistent sur la supériorité des graphiques à barres. Nous sommes plus à même d'évaluer les distances linéaires (lignes droites) que les courbes ou les surfaces. En général, nous traitons les graphiques à barres avec le Système 1. Autrement dit, nous sommes naturellement programmés pour lire et traiter rapidement les informations contenues dans un graphique à barres. Le chemin le plus court entre deux points est une ligne droite, et le chemin le plus rapide dans notre cerveau l'est aussi !
Pour revenir au premier graphique, le problème fondamental est que nous créons une représentation visuelle qui nous oblige à utiliser le Système 2. Nous devons définir une échelle arbitraire, quantifier chaque case correspondant à une activité par rapport à cette échelle, puis additionner les valeurs de chaque case. Tout cela pour obtenir un score de risque total. Et nous devons recommencer si nous voulons comparer les activités. (Rien que d'y penser, je suis épuisé !) Alors, pourquoi ne pas tout faire directement sur le graphique ? Voici quelques alternatives (deux que j'ai créées avec JMP et une de l' Association médicale du Texas ) conçues pour utiliser le Système 1 :
Vous voyez comme ceux-ci sont plus faciles à lire ?
Laissez la fonction guider la forme
Revenons à cette locomotive à vapeur qui a inspiré toute cette réflexion. Vous êtes-vous déjà demandé pourquoi une locomotive a cette apparence ? Mon grand-père est un passionné de trains miniatures, alors je suppose que mes réflexions sur le sujet sont d'origine génétique. Ou peut-être sont-elles le fruit des étés que j'ai passés enfant à admirer ses trains ou à aller en magasin pour acheter sa dernière acquisition. Quoi qu'il en soit, j'ai toujours trouvé une certaine élégance dans l'allure d'une locomotive à vapeur.
Source: https://en.wikipedia.org/wiki/Steam_locomotive_componentsSource : https://en.wikipedia.org/wiki/Steam_locomotive_components
Même lorsqu'ils ont décidé de moderniser l'apparence, la fonction a dicté la forme :
Source: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpgSource : https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
De même, il convient toujours de commencer un exercice de création de graphiques par un énoncé d'objectif . N'oubliez pas que, pour être utile, un graphique doit avoir un but. Dans le cadre d'une analyse exploratoire, cet énoncé peut même prendre la forme d'une question qui oriente la recherche.
Dans le cas du nuage de mots que j'ai utilisé, l'objectif était de mettre en évidence les thèmes principaux du scénario. Or, le nuage de mots n'y parvient pas vraiment. Comme je l'ai dit, il s'agit davantage d'une forme d'« art des données » que d'une véritable « visualisation de données ». Les nuages de mots ont tendance à tromper la perception visuelle, car les mots plus longs paraissent plus importants du simple fait de leur longueur. Dans l'exemple ci-dessous, j'ai légèrement retravaillé les données et transformé la représentation visuelle en un graphique parallèle. Il est préférable de suivre l'association de chaque personnage ou groupe de personnages avec différents thèmes, ce qui offre une vision plus pertinente et moins susceptible d'induire le spectateur en erreur. (Cette visualisation est interactive ; n'hésitez pas à explorer les données à l'aide du filtre de données locales situé à gauche.)
L'essentiel ici est que l'esthétique est importante, mais que le fondement d'une visualisation utile repose sur un énoncé clair de l'objectif et le respect de cet objectif.
Ne vous laissez pas prendre au piège par l'essieu.
La méthode la plus simple pour rendre un graphique attrayant (oui, j'ai bien dit attrayant ; et alors ?) consiste à prendre un graphique cartésien (avec des axes x et y) et à l'enrouler autour d'un axe central. On obtient ainsi des diagrammes circulaires, des graphiques radar, des diagrammes en toile d'araignée, etc. Et ils sont attrayants… mais sont-ils aussi utiles qu'ils pourraient l'être ?
La réponse à cette question est généralement « non ». L'être humain n'est pas naturellement porté à comparer les distances ou les tailles selon une échelle radiale (les diagrammes circulaires, lorsqu'ils sont utilisés correctement, constituent une exception). De plus, la visualisation peut rapidement devenir illisible. Malheureusement, beaucoup de personnes dans le monde de la visualisation de données tombent dans ce piège, y compris des experts.
Oh ! Et, plutôt que de s'acharner sur le diagramme en toile d'araignée (… encore et encore ), convenons tous avec Xan Gregg que les diagrammes en toile d'araignée ne sont pas particulièrement utiles et examinons d'autres exemples de ce problème.
La spirale de la mort arctique (oui, elle mérite bien une majuscule) illustre parfaitement le problème. Son nom est indéniablement dramatique, et c'est peut-être là le but ultime de cette image : convaincre.
L'objectif direct de cette visualisation est de communiquer que le volume de la banquise ne se reconstitue pas d'année en année et que, de fait, la situation s'aggrave. Le problème (de cette visualisation) est qu'en transformant les données en un système de coordonnées radiales, on sollicite davantage notre cerveau (système 2) pour comprendre le message. Alors, pourquoi ne pas opter pour une solution plus intuitive (système 1), comme celle-ci ?
Ce graphique montre clairement que : a) la tendance est à la baisse, et b) nous sommes bien en dessous des niveaux observés ces 40 dernières années. De plus, l’utilisation d’un graphique à barres sollicite le Système 1, ce qui signifie que vous êtes probablement parvenu à ces conclusions beaucoup plus rapidement qu’avec le premier graphique.
Ce deuxième graphique est celui qu'Alberto Cairo utilise pour évaluer les visualisations sur six échelles. Il l'a initialement proposé dans son premier ouvrage, Infographie 2.0, puis l'a repris dans L'Art fonctionnel .
L'objectif de ce graphique est de communiquer, selon six dimensions, la performance d'un graphique en termes de complexité et d'intelligibilité. Dans le cadre de notre premier exemple, il évalue le graphique (conceptuellement) selon son utilisation du Système 1 par rapport au Système 2. Ces dimensions sont présentées sous forme de paires de concepts de conception (Abstraction vs Figuration, Fonctionnalité vs Décoration, Densité vs Légèreté, Unidimensionnalité vs Multidimensionnalité, Originalité vs Familiarité et Nouveauté vs Redondance). Cependant, en disposant ces dimensions autour d'un axe central, le lecteur doit parcourir le graphique pour consulter le score de chaque élément de la paire. (De plus, relier les scores donne un résultat qui ressemble étrangement à un diagramme en toile d'araignée, mais passons.) Pourquoi ne pas simplement procéder comme ceci ?
La même information est communiquée, et elle repose sur la rapidité du Système 1 de cognition pour y parvenir ! Vous obtenez donc l'information plus rapidement .
Ce que j'essaie de dire, c'est que, sauf raison valable, il est probablement préférable d'éviter les graphiques radiaux pour les graphiques vraiment utiles.
Soyez toujours honnête.
C'est un sujet délicat, et je ne prétends pas accuser qui que ce soit de tromper délibérément. Le problème de la véracité en analyse de données survient lorsque nos biais personnels influencent nos résultats. L'analyse et la visualisation des données comportent une part de subjectivité inhérente à la science. Toute représentation visuelle créée contient une part d'opinion, ou du moins d'interprétation des données. J'ai entendu dire (notamment par Xan au Sommet de la découverte et lors de l'émission JMP On Air ) que tous les graphiques sont biaisés, et que certains sont utiles (une sorte de variation sur la célèbre citation de George Box). L'important, pour créer une représentation visuelle fidèle, est que les choix effectués lors de sa construction et de l'interprétation des données soient transparents. Il suffit parfois d'indiquer clairement l'idée principale dans le titre du graphique.
Ou en fournissant une annotation utile :
L'important est que nos graphiques assument leurs hypothèses et leurs conclusions, et ne tentent pas de les dissimuler.
Pour conclure
Il y a beaucoup de choses que je n'ai pas abordées dans cet article. En réalité, dans le contexte de mon propos, il s'agit simplement de différentes stratégies pour créer des graphiques utiles. Si nous restons concentrés sur l'objectif de créer des graphiques vraiment utiles, le reste suivra naturellement.
Les graphiques radiaux sont généralement moins utiles que les graphiques linéaires ; notre cerveau fonctionne différemment. Omettre d'expliciter ses hypothèses et interprétations rend le graphique moins pertinent, car le lecteur ne comprend pas le raisonnement ni les biais inconscients. Surtout, l'absence d'un énoncé de problème ou d'une thèse rendra inévitablement la création d'un graphique utile plus difficile.
En fin de compte, souvenons-nous tous qu'un graphique utile est un graphique agréable. Et nous devrions tous faire de notre mieux pour que nos graphiques soient aussi utiles et agréables que possible. Que tous vos graphiques (et vos fêtes) soient joyeux ! La neige commence à tomber ici à Toga Springs, alors je vais me faire un peu de chocolat chaud et méditer . À l'année prochaine !
