La visualisation simplifie les donn\u00e9es complexes en les d\u00e9composant en \u00e9l\u00e9ments visuels faciles \u00e0 analyser. D\u2019apr\u00e8s le livre de Colin Ware<\/a>, notre cerveau est plus apte \u00e0 identifier des mod\u00e8les visuels qu’\u00e0 analyser des donn\u00e9es brutes<\/a>. La structure des visualisations, en particulier les graphiques en r\u00e9seaux<\/a>, peut aider les personnes qui les analysent \u00e0 mieux comprendre les relations complexes entre diff\u00e9rents points de donn\u00e9es.<\/p>\n\n\n\n Pendant la pr\u00e9sentation, il a \u00e9t\u00e9 soulign\u00e9 trois techniques principales de visualisation que nous allons passer en revue :<\/p>\n\n\n\n Ce graphique permet, comme son nom l\u2019indique, de comparer facilement des valeurs et des proportions. Les graphiques \u00e0 barres, par exemple, sont couramment utilis\u00e9s pour comparer les valeurs entre diff\u00e9rentes cat\u00e9gories. Les comparaisons sont souvent simplifi\u00e9es par l\u2019utilisation de couleurs et de tailles proportionnelles, ce qui am\u00e9liore l’interpr\u00e9tation rapide des diff\u00e9rences entre les diff\u00e9rentes variables.<\/p>\n\n\n\n Figure 1: Diagramme en barres affichant des d\u00e9nombrements de fr\u00e9quence pour des donn\u00e9es d’enqu\u00eate, Screenshot du site jmp.com, 2024<\/p>\n\n\n\n Ce type de graphique montre les tendances dans le temps pour une variable. Les graphiques lin\u00e9aires et en aires sont id\u00e9aux pour visualiser l\u2019\u00e9volution des donn\u00e9es dans le temps. L’ajout de couleurs et d’annotations aux graphiques temporels permet d\u2019attirer l’attention sur certains \u00e9v\u00e9nements ce qui a pour but de favoriser une compr\u00e9hension plus nuanc\u00e9e des diff\u00e9rentes tendances par exemple.<\/p>\n\n\n\n Figure 2 : Graphique lin\u00e9aire, Screenshot du site datavizcatalogue.com, 2024<\/p>\n\n\n\n Celui-ci met en \u00e9vidence les relations entre les donn\u00e9es. Les graphiques de dispersion permettent de visualiser la relation entre deux variables. En statistiques, la corr\u00e9lation est mesur\u00e9e par des coefficients et elle joue un r\u00f4le crucial dans \u00e9norm\u00e9ment de domaines. Ce type de graphiques est particuli\u00e8rement utile pour mettre en lumi\u00e8re des patterns<\/a> cach\u00e9s, ce qui en fait un outil essentiel pour analyser des donn\u00e9es complexes.<\/p>\n\n\n\n Figure 3 : Diagramme de dispersion du score synth\u00e9tique de math\u00e9matiques en fonction du QI, Nicolas Gauvrit, 2018<\/p>\n\n\n\n Ces techniques offrent des bases solides pour organiser les donn\u00e9es visuellement, de mani\u00e8re claire et efficace.<\/p>\n\n\n\n De plus, la visualisation ne peut se faire sans des outils de visualisation qui permettent de g\u00e9n\u00e9rer ces diff\u00e9rents graphiques. Il existe par exemple le logiciel R, Power BI ou encore Excel que l\u2019on connait tous. Pour avoir un aper\u00e7u des diff\u00e9rents outils qui existent avec leurs avantages, vous pouvez les consulter ici<\/a>.<\/p>\n\n\n\n Avec l’arriv\u00e9e des technologies num\u00e9riques, la visualisation interactive est devenue un outil pr\u00e9cieux pour l’exploration des donn\u00e9es et on ne peut pas parler de visualisation de donn\u00e9es sans parler de Ben Shneiderman. Il est tr\u00e8s connu dans le milieu et il propose \u00e0 travers son article \u00ab The eyes have it: a task by data type taxonomy for information visualizations \u00bb<\/a> que l’interaction avec les donn\u00e9es par le biais de filtres, de zooms et d’autres m\u00e9canismes d’exploration dynamique permet aux utilisateurs de d\u00e9couvrir des insights<\/a> plus profonds. Ces techniques offrent une exp\u00e9rience d\u2019analyse plus engageante et permettent aux utilisateurs de poser leurs propres questions aux donn\u00e9es ce qui facilite grandement la personnalisation de l\u2019affichage. Je vous invite vivement \u00e0 le lire si vous voulez aller plus loin dans ce domaine.<\/p>\n\n\n\n Malgr\u00e9 les avantages de la visualisation des donn\u00e9es, il existe des d\u00e9fis inh\u00e9rents auxquels il faut faire attention. Christa Kelleher et Thorsten Wagener ont \u00e9voqu\u00e9 dans un article<\/a> les probl\u00e8mes d\u2019interpr\u00e9tation lorsque des visualisations sont mal con\u00e7ues ou trop complexes. Une surcharge d\u2019informations ou un manque de clart\u00e9 peut en effet produire l\u2019effet inverse et ainsi nuire \u00e0 l’efficacit\u00e9 des visualisations et cela peut m\u00eame cr\u00e9er de la confusion chez les utilisateurs. Vous trouverez sur ce blog<\/a> des exemples de mauvaises visualisations \u00e0 ne pas reproduire.<\/p>\n\n\n\n Pour terminer, la visualisation de donn\u00e9es est bien plus qu\u2019un simple moyen de pr\u00e9senter des informations. C\u2019est avant tout un outil cl\u00e9 pour donner du sens \u00e0 des donn\u00e9es compliqu\u00e9es et prendre des d\u00e9cisions \u00e9clair\u00e9es. Que ce soit pour comparer des \u00e9l\u00e9ments, analyser des tendances ou d\u00e9couvrir des relations, elle permet de rendre les donn\u00e9es compr\u00e9hensibles en un coup d\u2019\u0153il.<\/p>\n\n\n\n FEW, Stephen, 2012. Show Me the Numbers: Designing Tables and Graphs to Enlighten. 2nd. Oakland, CA, USA : Analytics Press. ISBN 978-0-9706019-7-1.<\/p>\n\n\n\n KELLEHER, Christa et WAGENER, Thorsten, 2011. Short communication: Ten guidelines for effective data visualization in scientific publications. Environ. Model. Softw. Vol. 26, no 6, pp. 822\u2011827. DOI 10.1016\/j.envsoft.2010.12.006.<\/p>\n\n\n\n SHNEIDERMAN, B., 1996. The eyes have it: a task by data type taxonomy for information visualizations. In : Proceedings 1996 IEEE Symposium on Visual Languages, pp. 336\u2011343. septembre 1996. DOI 10.1109\/VL.1996.545307.<\/p>\n\n\n\n WARE, Colin, 2004. Information Visualization: Perception for Design: Second Edition. In : Information Visualization: Perception for Design: Second Edition. journalAbbreviation: Information Visualization: Perception for Design: Second Edition<\/p>\n\n\n\n Diagramme en barres, [en ligne]. Disponible \u00e0 l\u2019adresse : https:\/\/www.jmp.com\/fr_fr\/statistics-knowledge-portal\/exploratory-data-analysis\/bar-chart.html<\/a> [consult\u00e9 le 17 novembre 2024].<\/p>\n\n\n\n Figure 3-Diagramme de dispersion du score synth\u00e9tique de math\u00e9matiques…, ResearchGate<\/em> [en ligne]. Disponible \u00e0 l\u2019adresse : https:\/\/www.researchgate.net\/figure\/Diagramme-de-dispersion-du-score-synthetique-de-mathematiques-PSAT-en-fonction-du-QI_fig1_326106641<\/a> [consult\u00e9 le 17 novembre 2024].<\/p>\n\n\n\n Graphique lin\u00e9aire – En savoir plus sur cette visualisation et les outils pour la cr\u00e9er, [en ligne]. Disponible \u00e0 l\u2019adresse : https:\/\/datavizcatalogue.com\/FR\/methodes\/graphique_lineaire.html<\/a> [consult\u00e9 le 17 novembre 2024].<\/p>\n","protected":false},"excerpt":{"rendered":"Les techniques de visualisation<\/h2>\n\n\n\n
\n
![\"\"](\"https:\/\/campus.hesge.ch\/blog-master-is\/wp-content\/uploads\/2024\/11\/Image1.png\")
<\/figure>\n\n\n\n\n
![\"\"](\"https:\/\/campus.hesge.ch\/blog-master-is\/wp-content\/uploads\/2024\/11\/Image2.png\")
<\/figure>\n\n\n\n\n
![\"\"](\"https:\/\/campus.hesge.ch\/blog-master-is\/wp-content\/uploads\/2024\/11\/Image3.png\")
<\/figure>\n\n\n\n\u00ab Overview first, zoom and filter, then details on demand\u201d<\/h2>\n\n\n\n
<\/h2>\n\n\n\n
Les d\u00e9fis et limites de la visualisation<\/h2>\n\n\n\n
Bibliographie<\/h2>\n\n\n\n
Figures<\/h3>\n\n\n\n