Makina Corpus a assisté à cette conférence et vous propose une sélection des interventions majeures sur le sujet. Au programme : bonnes pratiques de design, l'importance de l'objectif, la considération de son audience et des travaux sur l’interactivité en dataviz.

Retrouvez les épisodes précédents :

1. Manuel Lima présente les principes de design utilisé chez Google

Lisa Charlotte Muth nous rappelle l'importance de l'objectif de nos visualisations

Designer et blogueuse chez Datawrapper, Lisa Charlotte Muth a travaillé pour plusieurs journaux comme NPR, Bloomberg, SPIEGEL & ZEIT Online. Elle est l'auteure de plusieurs articles éclairants sur les règles de la visualisation de données.

Voir le tweet

Si vous ne connaissez pas encore le blog de Datawrapper, foncez ! Elle y détaille notamment plusieurs règles avec des exemples et indications précises pour améliorer nos visualisations.

 

De "bonnes" règles

Dans sa conférence, Lisa explicite ce qui fait une bonne règle en visualisation de données. C'est de cette manière qu'elle a construit ses articles explicatifs. Pour elle, une règle doit être :

• Complète : intégrer le sens commun, même si cela semble évident pour certaines personnes,
• Rapide à lire à première vue : la lecture est plus aisée avec des images exemples "pas idéal" / "mieux". Si besoin on peut lire le texte en description pour avoir plus de détails,
• Évidente : montrer et prouver le pourquoi de cette règle, pour que tout le monde puisse se l'approprier sans juste "croire" une recommandation,
• Expliquée : en explicitant le pourquoi d'une règle, cela permet de transférer cette connaissance à d'autres visualisations,
• Optionnelle : ces règles ne sont pas à appliquer aveuglément. Les articles sont intitulés "Ce qu'il faut considérer …" plutôt que "Ce que vous devez faire …" ,
• Conditionnelle : une règle est une aide pour permettre une lecture plus efficace d'une visualisation. Mais cette "efficacité" dépend des buts recherchés dans ce cas. C'est pourquoi Lisa nous sensibilise quant à l'importance de se questionner sur ses objectifs et à construire sa visualisation en fonction.

   

Que veut-on atteindre, permettre, en créant une visualisation ?

Lisa explicite plusieurs buts au travers d'un parallèle avec le monde de l'art :

• Le formalisme
• L'instrumentalisme
• L'expressionnisme
• L'imitation
• L'institutionnalisme

Regardons ces buts de plus près avec des exemples du monde de la visualisation de données.

   

Le formalisme juge une œuvre sur sa composition, son usage des couleurs et des formes. En dataviz, cela revient à mettre l'emphase sur le style, l'esthétique et l'innovation.

Elle donne comme exemple les Royal Constellations de Nadieh Bremer :

 

L'instrumentalisme s'intéresse plutôt à l'utilité, l'impact social d'une œuvre. La visualisation de données aussi peut être un outil pour prouver un point de vue, faire réfléchir le grand public. C'est un aspect qui trouve un écho chez une autre conférencière, Sandra Rendgen, qui montre qu'une visualisation qui ne suit pas les règles peut quand même être considérée comme un succès car elle aura un impact sur les gens :

voir le tweet

 

L'expressionnisme s'attache aux émotions véhiculées et créées à travers l'art. C'est un parti pris différent qui s'applique aussi à la visualisation de données, où l'on peut voir des réalisations plus subjectives, à échelle humaine.

Voici un bel exemple dans l'oeuvre de Giorgia Lupi avec Bruises :

   

L'imitation comme les œuvres qui s'attache à décrire la réalité dans tous ses détails, aussi précisément que dans une photographie, se retrouve aussi dans la visualisation de données pour essayer de décrire fidèlement une situation complexe, montrer la nuance.

 

L'institutionnalisme du monde de l'art, tourné vers les récompenses, l’approbation par les pairs, qui influencent ensuite les réalisations d'autres artistes. C'est aussi une tendance du monde de la visualisation de données avec les Kantar Information Awards et l'Iron Viz par exemple. Cela permet à la dataviz d'avoir une tribune, montrer ses réalisations mais elle pousse peut-être à une certaine uniformité.

  

Et pour autant, ces buts assez distincts sont poreux, on peut vouloir en atteindre plusieurs en une seule visualisation. C'est par exemple le cas de la visualisation de Stephanie Posavec sur les modifications aux 6 éditions de "L'origine des espèces" de Charles Darwin qui s'attache autant à la forme (formalisme) et à l'exhaustivité du contenu (imitation) :

Stephanie Posavec - modifications aux 6 éditions de "L'origine des espèces" de Charles Darwin

C'est aussi le cas de beaucoup de publications scientifiques qui cherchent à la fois à être une description fidèle à la réalité (l'imitation) et à être utile (instrumentalisme).

À travers la description de ces objectifs possibles, Lisa Charlotte Muth nous rappelle qu'il est crucial de se poser la question : "Pourquoi veut-on que notre visualisation soit jugée ?". En connaissant nos buts, nous pouvons mieux naviguer dans l'ensemble des règles disponibles et choisir de suivre celles qui sont pertinentes dans ce cas.

Rendez-vous pour le prochain épisode de cette série avec Andy Kirk qui va nous parler de l'audience de nos visualisations.

 

📊 Le saviez-vous ? Makina Corpus propose des formations sur la visualisation de données 📊

 

La visualisation pour comprendre, valoriser et communiquer à partir des données

La visualisation de données nécessite d'acquérir un socle de connaissances de base pour créer des visualisations pertinentes, nous vous proposons une journée d'acculturation pour acquérir ces notions de base et ensuite créer vos propres visualisations en suivant les bonnes pratiques de conception et de présentation.