VIDAS
Comprendre et expliquer la VIsualisation des données et les DAta Stories
Les données brutes, surtout quand elles sont collectées massivement, ne permettent pas de comprendre facilement un sujet. Elles sont composées d’une quantité importante de chiffres que l’être humain n’est pas en mesure de visualiser et d’interpréter par ses propres moyens. Au fur et à mesure que les données s’accroissent, le besoin d’une meilleure maîtrise et compréhension de ces données augmente également.
Selon Dykes (2020), la maîtrise des données peut être définie comme la capacité à comprendre et à communiquer des données. Ce besoin d’intelligibilité des données est voué à prendre de l’importance à l’avenir. Selon Lupi (2017), les projets et les opportunités dans le domaine de la visualisation des données sont de plus en plus complexes et challengeant, et la discipline grandit et devient plus populaire.
Parallèlement, certaines séries de fiction rencontrent un succès retentissant. Pourtant, parfois, il s’agit d’une fiction qui joue avec les faits, les détourne, voire les invente, mais nombreux sont les spectateurs prenant pour vrai ce qui est dépeint à l’écran. Une des raisons serait que l’histoire est bien racontée, par conséquent elle s’ancre dans le spectateur différemment que si on soumettait à ce dernier la simple énonciation des faits.
Raconter les données permet de mieux les comprendre. C’est ce que permettent les Data Stories. D’après Duarte (2019, p.63), « [if] the brain light up when a story is told, imagine the power of using elements of storytelling to help your audience understand your Data[Point of View (POV)]». Les Data Stories donnent également à voir la véracité des choses, si elles ne sont pas manipulées. Ces dernières pourraient en effet éviter les fausses histoires, ou les histoires biaisées, si on place les données comme les protagonistes des récits. Les Data Stories faciliteraient par ailleurs la prise de décision et l’action.
Un Data Story est constitué de trois éléments importants : la donnée, le récit et le visuel. L’équilibre entre ces trois éléments est primordial et il est indispensable de toujours partir de la donnée et de l’insight (l’information qui ressort) (Dykes 2020).
La visualisation de données fait partie intégrante des Data Stories. Cependant, ce terme de visualisation de données est souvent utilisé à mauvais escient et donc mal compris. Il n’existe pas de clarté terminologique et il réside ici un besoin de la communauté scientifique. Il est donc indispensable de faire un état de l’art, une classification des visualisations ainsi que de saisir leur rôle selon les objectifs poursuivis.
Le terme Data Stories englobe divers types d’éléments qui sont utilisés pour raconter une histoire, comme la narration, la forme ou le support employés. Il est donc important, là encore, de les identifier et de vérifier également s’il existe des prototypes.
Ce faisant, il s’agit en outre de prendre en compte l’existence de travaux sur la perception et l’impact des Data Stories.
Objectifs du projet
Le projet présente quatre grands objectifs. Tout d’abord, la création d’une classification des différents types de visualisation de données. Deuxièmement, la définition de la structure et de la construction de chaque type de visualisation, avec une attention particulière sur les Data Stories. Troisièmement, l’évaluation des divers prototypes de Data Stories découverts. Enfin, la création de Data Stories en collaboration avec les partenaires du projet MIDAS.
Data Stories
Les Data Stories que nous avons élaborées sont basées sur des données météorologiques et s’adressent à trois types de publics : public scientifique, grand public et jeune public. Elles sont présentées en ligne et décrites dans ce carnet de bord, ainsi que notre démarche et les étapes suivies pour leur réalisation.
Références
DUARTE, Nancy, 2019. Data Story. Explain Data and Inspire Action through Story. Ideapress Publishing. ISBN 978-1-940858-98-2
DYKES, Brent, 2019. Effective Data Story. How to drive change with data, narrative, and visuals. World Scientific. New Jersey : World Scientific. ISBN 9781119615712
LUPI, Giorgia, 2017. Data Humanism, the Revolution will be Visualized. Print Magazine : The Latest in Design [en ligne]. 30 janvier 2017. [Consulté le 22 janvier 2021]. Disponible à l'adresse: www.printmag.com/post/data-humanism-future-of-data-visualization
Tél: 022 388 18 66
rene.schneider@hesge.ch
Javier Lloret Pardo
Laetizia Sabatini Choquard
laetizia.sabatini-choquard@hesge.ch
Gaia Bongi
