Cours - Visualisation d’information

Supports complémentaires :

[Diapositives du cours : 2 par page] [Diapositives du cours : 1 par page]

Introduction

Ce cours s’appuie en grande partie sur les travaux de Pierre Cubaud (professeur au Cnam Paris), Petra Isenberg et Anastasia Bezerianos (Inria / Université Paris-Saclay), ainsi que Peter Aldhous.

Motivation

La visualisation de données sert à comprendre, apprendre, communiquer, décider et convaincre. Cela résume bien lle fait qu’il s’agit à la fois d’un outil d’analyse (pour soi, pour explorer et comprendre des données) et d’un outil de communication (pour autrui, pour transmettre un résultat ou un argument).

On distingue usuellement la visualisation de données (data visualization, ou data viz), qui couvre toute représentation graphique de données, de la visualisation d’information (information visualization, ou info viz), qui désigne plus spécifiquement la représentation de données abstraites (non spatiales, non numériques, multidimensionnelles) avec l’objectif d’amplifier la cognition humaine. C’est cette seconde acception qui nous intéresse dans ce chapitre.

Pourquoi visualiser plutôt qu’analyser numériquement ?

L’exemple classique du Quartet d’Anscombe [Anscombe73] illustre parfaitement la limite des statistiques descriptives seules. Quatre jeux de données distincts partagent exactement les mêmes valeurs de moyenne, variance, corrélation et droite de régression. Pourtant, leurs distributions sont radicalement différentes : une relation linéaire, une courbe parabolique, des données avec un point aberrant, une relation presque parfaite perturbée par un seul outlier. Seule la visualisation permet de les distinguer immédiatement.

La Datasaurus Dozen de [MF17], voir Fig. 80 pousse le même argument plus loin : une douzaine de jeux de données ont des statistiques descriptives quasi-identiques, mais leurs formes visuelles vont du dinosaure à l’étoile en passant par un cercle. Ce résultat démontre qu’un résumé numérique ne remplace pas la représentation visuelle pour saisir la structure d’un jeu de données.

Fig. 80 Jeux de données très différents avec des statistiques descriptives identiques (illustration issue de [MF17])

Au-delà de ces exemples pédagogiques, visualiser présente plusieurs avantages cognitifs :

• La vision est notre sens dominant : une plus grande part du cortex cérébral est dédiée au traitement visuel qu’à tout autre sens. Nous sommes particulièrement efficaces pour reconnaître des motifs, des anomalies ou des tendances dans une image.

• La visualisation décharge la mémoire de travail : en externalisant une représentation dans le monde visuel plutôt que de la maintenir mentalement, on libère des ressources cognitives pour raisonner.

• Elle permet la surveillance simultanée de nombreux indicateurs (tableaux de bord, centres de contrôle).

• Elle facilite l”exploration d’un espace de paramètres, en permettant de naviguer interactivement dans les données.

Histoire et exemples

La visualisation de données n’est pas une discipline récente. Quelques jalons historiques marquants :

Charles Minard (1781–1870) est l’auteur de la célèbre carte figurative Fig. 81 de la campagne de Russie de Napoléon (1869), souvent citée comme la meilleure visualisation statistique jamais réalisée. En une seule image, elle encode six variables : la position géographique de l’armée, sa direction, sa taille (en épaisseur du trait), la température pendant la retraite, les dates et les franchissements de rivières.

Fig. 81 Carte de Minard de la campagne de Russie de Napoléon (1869). L’image est dans le domaine public.

William Playfair (1759-1823), ingénieur et économiste écossais, est considéré comme l’inventeur de la plupart des graphiques que nous utilisons quotidiennement : le graphique en courbe (1786), le diagramme à barres (1786) et le graphique circulaire ou « camembert » (1801). Il utilisait ces outils notamment pour analyser les échanges commerciaux entre l’Angleterre et ses partenaires.

Jacques Bertin (1918-2010), cartographe français, publie en 1967 la Sémiologie graphique [Bertin67], ouvrage fondateur qui formalise pour l a première fois les principes théoriques de la représentation graphique. Il identifie les composantes élémentaires de toute visualisation (qu’il appelle « variables visuelles ») et établit leurs propriétés perceptives. Son travail reste la référence théorique du domaine.

Edward Tufte (1942- ) est l’auteur de plusieurs ouvrages de référence, dont The Visual Display of Quantitative Information [Tufte83], qui définit les principes d’excellence graphique et introduit notamment le concept de data-ink ratio (voir plus loin).

Hans Rosling (1948-2017), médecin et statisticien suédois, a rendu célèbre la visualisation animée de données de développement mondial via le projet Gapminder. Ses présentations TED, où des bulles animées représentent l’évolution de pays entiers sur des décennies, montrent comment la visualisation interactive peut déconstruire des idées reçues sur le monde et rendre des données complexes accessibles à tous. L’outil est accessible sur https://www.gapminder.org/tools/.

Aujourd’hui, la visualisation de données est omniprésente : centres de contrôle (habitacles, salles de marché, tableaux de bord industriels), sciences (de la biologie moléculaire à l’astrophysique), journalisme de données, applications grand public.

Principes de la visualisation

Définition de la visualisation

Une définition de [Chen06], souvent citée, caractérise la visualisation d’information comme la représentation visuelle de la sémantique de l’information, en précisant qu’elle traite typiquement de données non numériques, non spatiales et de grande dimension, par contraste avec la visualisation scientifique qui porte sur des phénomènes physiques (simulation, imagerie médicale, etc.).

Une formulation complémentaire souligne l’objectif cognitif : la visualisation d’information produit des représentations visuelles interactives de données abstraites pour renforcer la cognition et la perception humaines, permettant ainsi à l’observateur d’acquérir une connaissance de la structure interne des données et des relations causales qu’elles contiennent.

Principes d’excellence graphique

Tufte énonce dans [Tufte83] plusieurs principes pour une visualisation de qualité :

• Contenu et design : une bonne visualisation présente des données intéressantes avec un design soigné. L’esthétique n’est pas optionnelle, elle conditionne l’attention et la mémorisation.

• Clarté, précision, efficacité : des idées complexes doivent être communiquées de manière claire et sans ambiguïté. La précision s’entend aussi bien au sens visuel (proportions exactes) qu’au sens sémantique (pas de tromperie sur les données).

• Économie d’encre et d’espace : un grand nombre d’idées doit être communiqué en peu de temps, avec peu d’espace. Chaque élément graphique doit justifier sa présence par l’information qu’il apporte.

• Honnêteté : la visualisation ne doit pas induire en erreur sur les données.

Un exemple de Tufte illustrant ces principes est sa représentation des températures journalières à New York pour l’année 2003, comparées à une année normale et aux records historiques, avec les précipitations mensuelles cumulées, voir Fig. 82. En un seul graphique on lit la saisonnalité, la variabilité, les extrêmes et les anomalies, sans légende redondante ou décoration inutile.

Fig. 82 Météo de New York City en 2003, par Edward Tufte.

Le pipeline de la visualisation

Produire une visualisation est un processus en plusieurs étapes, chacune pouvant introduire des erreurs ou des biais :

1. Acquisition des données : collecte, mesure, extraction.

2. Transformation : nettoyage, filtrage, agrégation, calcul de nouvelles variables.

3. Mapping visuel : association des variables de données aux variables visuelles (position, couleur, taille, forme).

4. Rendu : production de l’image ou de l’interface interactive.

5. Interaction : navigation, filtrage, détail à la demande.

Les risques à chaque étape sont nombreux : données fausses ou de mauvaise qualité, structure de données inadaptée à la représentation choisie, suppression d’informations importantes lors du filtrage, représentation visuelle inadéquate (type de graphique mal choisi), mauvaise présentation (échelles trompeuses, manque de contexte), interactions inadaptées à l’exploration souhaitée.

Types de données

Le choix d’une représentation dépend en premier lieu du type des variables à représenter, on distingue ici trois grandes catégories :

Données nominales (ou catégorielles) : des valeurs qui appartiennent à des catégories sans ordre intrinsèque, par exemple types de fruits (pomme, orange, banane), pays, noms de personnes, catégories de produits. On peut tester l’égalité entre deux valeurs, mais ni l’ordre ni la distance n’ont de sens.

Données ordinales (ou ordonnées) : des valeurs qui peuvent être ordonnées, mais dont les intervalles ne sont pas mesurables, par exemple niveaux de qualité (A, AA, AAA), échelles de Lickert (très insatisfait, insatisfait, neutre, satisfait, très satisfait). On peut comparer deux valeurs (l’une est supérieure à l’autre), mais on ne peut pas définir une distance.

Données quantitatives : des valeurs numériques sur lesquelles on peut effectuer des calculs. On distingue les données d”intervalle (où l’origine est arbitraire, 0° Celsius ne signifie pas « absence de chaleur ») des données de ratio (l’origine est absolue : les masses, distances, revenus, ici 0 signifie l’absence de la quantité). La distinction importe pour certaines représentations, par ex. une carte de températures ne devrait pas commencer à zéro.

Les données peuvent aussi être classées selon leur dimensionnalité (nombre de variables) : unidimensionnelles (une série temporelle), bidimensionnelles (des coordonnées géographiques), tridimensionnelles (des données volumétriques), ou de haute dimension (des données tabulaires avec de nombreuses colonnes). Les arbres et les graphes constituent une catégorie à part, avec leurs propres représentations.

Composants de la visualisation : la sémiologie graphique

La sémiologie graphique de [Bertin67] identifie les composants élémentaires de toute représentation graphique, c’est-à-dire les éléments visuels que l’œil humain peut percevoir et distinguer.

Marques visuelles

Une représentation graphique est composée de marques qui occupent de l’espace :

• Un point représente une position dans le plan, sans longueur ni surface. Sa signification est indépendante de la taille ou de la forme du signe qui le matérialise.

• Une ligne représente un phénomène qui a une longueur mesurable mais pas de surface (une frontière, un lien, une trajectoire). Sa signification est indépendante de l’épaisseur du trait.

• Une surface (ou aire) représente quelque chose dont la taille est mesurable par l’étendue couverte. Une aire peut changer de position, mais pas de taille ni de forme sans que cela affecte la signification perçue.

Fig. 83 Les marques visuelles (suivant [Bertin67])

Variables visuelles

À ces marques s’associent des variables visuelles, c’est-à-dire des dimensions graphiques que l’on peut faire varier pour encoder de l’information :

• Position (sur les axes X et Y) : la variable la plus précise. L’œil humain compare les positions avec une grande acuité.

• Taille : longueur, surface, volume. Efficace pour les données quantitatives, sachant toutefois que l’estimation des surfaces est moins précise que celle des longueurs (et, naturellent, des volumes).

• Valeur (luminosité, du clair au foncé) : bien adaptée aux données ordonnées. Attention : une variation de valeur suggère toujours un ordre.

• Texture : motif de remplissage. Utile pour distinguer des catégories, mais moins efficace que la couleur.

• Couleur (teinte) : très efficace pour les données catégorielles. Attention : la couleur suggère rarement un ordre à elle seule. Par ailleurs, tous les humains ne sont pas dotés des mêmes capacités de perception des couleurs.

• Orientation : angle d’une marque. Utile pour montrer des directions, mais difficile à lire pour de nombreuses catégories.

• Forme : cercle, carré, triangle, etc. Efficace pour distinguer un petit nombre de catégories (5 au maximum).

Fig. 84 Les variables visuelles (suivant [Bertin67])

Bertin caractérise chaque variable selon ses propriétés perceptives :

• Sélective : peut-on isoler visuellement tous les éléments d’une même valeur ? La couleur est sélective, la forme l’est moins.

• Associative : les éléments de valeurs différentes se perçoivent-ils comme appartenant à un même ensemble ? La forme est associative.

• Ordonnée : perçoit-on un ordre naturel dans les valeurs ? La taille et la valeur (luminosité) sont ordonnées, la teinte ne l’est pas naturellement.

• Quantitative : peut-on estimer un rapport entre valeurs ? La longueur est quantitative, la couleur ne l’est pas.

Les variables étendues, apparues avec les ordinateurs, ajoutent à cette liste la transparence, le flou, le clignotement, l’animation, etc.

Le tableau suivant résume les propriétés des principales variables visuelles selon le type de données (catégorielles, ordonnées ou quantitatives) à représenter :

Variable visuelle	Catégorielle	Ordonnée	Quantitative
Position	✓	✓✓	✓✓
Taille	—	✓	✓✓
Couleur (teinte)	✓✓	✗	✗
Valeur (luminosité)	—	✓✓	✓
Forme	✓✓	✗	✗
Orientation	✓	✓	✗

(✓✓ = très adapté, ✓ = utilisable, — = à éviter, ✗ = inapproprié)

Représentations

Données multivariées

On parle de données multivariées quand chaque observation est décrite par au moins trois attributs (variables). Un tableau de véhicules automobiles avec les colonnes [prix, nombre de places, consommation, vitesse maximale, émissions CO2] est typiquement multivarié. Pour deux attributs, un nuage de points (scatterplot) suffit. À partir de trois attributs, des représentations spécifiques sont nécessaires.

Tableaux : la représentation la plus simple reste le tableau, mais un tableau brut est difficile à explorer quand il y a de nombreuses lignes. Des techniques comme le tri, le codage de couleur des cellules (heatmap tabulaire, Fig. 85) ou le regroupement de lignes permettent d’améliorer la lisibilité.

Fig. 85 Heatmaps tabulaires

Coordonnées parallèles (parallel coordinate plot, A. Inselberg 1959, Fig. 86) : chaque attribut est représenté par un axe vertical et chaque observation est une ligne brisée reliant ses valeurs sur tous les axes. Cette représentation permet de visualiser simultanément de nombreuses dimensions et de repérer des corrélations (les lignes sont quasi-parallèles entre deux axes corrélés positivement, quasi-croisées pour une corrélation négative), des groupes (des faisceaux de lignes similaires) et des outliers (des lignes qui s’écartent des principaux faisceaux).

Fig. 86 Coordonnées parallèles et version avec regroupement

Diagramme en étoile (radar chart, spider chart, Fig. 87) : les axes rayonnent depuis un centre commun. Chaque observation forme un polygone. Efficace pour comparer un petit nombre d’observations sur un petit nombre de dimensions (5 à 8).

Fig. 87 Diagramme en étoile

Petits multiples (small multiples, [Tufte83], Fig. 88) : plutôt qu’une seule visualisation complexe, on produit une série de graphiques identiques (mêmes axes, même échelle), chacun montrant une sous-partie des données. Par exemple, un nuage de points par catégorie, ou un graphique temporel par pays. Le principe est que la comparaison visuelle entre graphiques juxtaposés est plus facile que la comparaison à l’intérieur d’un seul graphique surchargé.

Fig. 88 Petits multiples (avec des diagrammes en étoile)

Données hiérarchiques

Dendrogrammes, Fig. 89 : représentation en arbre, issue de la classification hiérarchique. Les feuilles sont les observations et les nœuds internes représentent les fusions successives. La hauteur d’un nœud interne indique la dissimilarité au moment de la fusion. Très utilisés en biologie (phylogénèse), en fouille de données (clustering hiérarchique) et en linguistique.

Fig. 89 Dendrogramme

Treemaps, Fig. 90 : représentation d’une hiérarchie par des rectangles imbriqués. Chaque nœud de l’arbre est un rectangle dont la surface est proportionnelle à une valeur quantitative (chiffre d’affaires d’une division d’entreprise, taille d’un répertoire sur le disque, capitalisation boursière). La couleur peut encoder une seconde variable (croissance, performance). Les treemaps permettent de visualiser des hiérarchies très profondes dans un espace compact, mais la lecture des petits rectangles devient difficile.

Fig. 90 Trois versions de treemaps

L’algorithme squarified treemap [Bruls00] dispose les rectangles de façon à minimiser leur ratio d’aspect (en cherchant des formes proches du carré), ce qui améliore la lisibilité. D’autres algorithmes (strip, slice) privilégient l’ordre ou la stabilité lors des mises à jour.

Interaction

Le mantra de Shneiderman

Ben Shneiderman a formulé dans [Shneiderman96] le principe directeur de la visualisation interactive en une phrase concise, souvent appelée le visual information seeking mantra : Overview first, zoom and filter, then details on demand. Cela décrit une séquence d’interactions idéale :

1. Vue globale (overview). L’utilisateur commence par une vue d’ensemble qui lui permet de saisir la structure générale des données : les grandes tendances, les groupes, les anomalies évidentes.

2. Zoom et filtrage (zoom and filter). L’utilisateur sélectionne les zones ou sous-ensembles qui l’intéressent et masque le reste. Le zoom réduit l’espace visualisé, le filtrage réduit le nombre d’éléments affichés.

3. Détails à la demande (details on demand). En sélectionnant un élément particulier, l’utilisateur accède à ses détails complets : une fiche, une table, un graphique de détail.

Ce mantra n’est pas une contrainte rigide mais un guide : des visualisations efficaces permettent de naviguer librement entre ces niveaux, souvent de manière non linéaire.

Zoom

Le zoom sémantique : au fur et à mesure que l’utilisateur zoome, la représentation change qualitativement (et non seulement quantitativement). Google Earth en est l’exemple le plus connu : à petite échelle, on voit les continents ; en zoomant, apparaissent les pays, puis les villes, puis les rues, puis les bâtiments. Chaque niveau utilise une représentation différente et révèle des informations pertinentes par rapport au niveau.

Différentes techniques cherchent à maintenir simultanément la vue globale, qui donne le contexte mais manque de détails, et la vue détaillée, qui donne les détails mais fait perdre le contexte. Ainsi, les techniques de distorsion (focus+context) maintiennent la vue globale tout en amplifiant une région d’intérêt. La zone focale est agrandie (éventuellement avec plus de détails), tandis que le reste du graphe est compressé mais reste visible, assurant le contexte. Pour fisheye view [Furnas81] (la technique de distorsion la plus connue), la zone sous le « fish-eye » est agrandie et les zones périphériques sont progressivement comprimées.

Filtrage

Le filtrage interactif permet à l’utilisateur de masquer dynamiquement des sous-ensembles de données selon des critères qu’il définit. Les dynamic queries [Ahlberg92] sont une forme populaire de filtrage : des curseurs, des cases à cocher ou des menus permettent de filtrer les données en temps réel, et la visualisation se met à jour instantanément. Cette immédiateté est essentielle : si le délai de réponse dépasse ~100 ms, l’utilisateur perd le sentiment de contrôle direct et l’exploration devient laborieuse.

Bonnes pratiques

Choisir le bon type de graphique

Le choix du type de graphique dépend de ce que l’on veut montrer. On peut organiser les cas d’usage en quatre grandes familles :

Distribution d’une variable continue : histogramme, courbe de densité, boîte à moustaches (boxplot), violin plot. L’histogramme montre la forme de la distribution en détail mais dépend du choix de la largeur des intervalles. Le boxplot (quartiles + limites des données atypiques) est plus compact et facilite les comparaisons. Le violin plot combine les deux.

Fig. 91 Violin plots sur les données « Titanic » (figure issue de la documentation de la bibliothèque Seaborn)

Comparaisons simples entre catégories : le diagramme à barres (barchart), horizontal ou vertical, est simple et lisible. Mieux vaut éviter le graphique en camembert (pie chart), dont les angles et surfaces sont difficiles à comparer avec précision ; il n’est pertinent que pour montrer une décomposition très simple (en 2-3 parties) et n’est jamais meilleur qu’un barchart.

Fig. 92 Exemple de diagramme à barres (source de l’image)

Comparaisons temporelles (évolution d’une variable dans le temps) : courbe (line chart) pour des données continues ou des séries temporelles régulières, diagramme à barres pour des comparaisons ponctuelles entre périodes. Graphique en aires pour montrer les volumes et leurs évolutions. La courbe est préférable quand l’interpolation entre points est significative, les barres sont préférables quand on compare des totaux discrets.

Composition (parties d’un tout) :

• À un instant donné : diagramme à barres empilées (100 %), ou barchart groupé pour comparer les parties entre catégories.

• Dans le temps : graphique en aires empilées ou stream graph pour des données continues dont les proportions évoluent.

Visualiser du texte

La visualisation de texte vise à aider à comprendre un document, regrouper des documents similaires ou comparer des corpus. Les données textuelles posent des difficultés spécifiques : volume important, bruit sémantique (polysémie, synonymie) et nature non pré-attentive (on ne perçoit pas globalement un texte comme on perçoit une image).

Des techniques simples donnent souvent de bons résultats : le tag cloud (ou nuage de mots) encode la fréquence par la taille des mots ; les graphes de co-occurrences de mots révèlent la structure thématique d’un corpus ; des matrices de similarité entre documents permettent leur regroupement visuel. Des techniques plus évoluées (projections t-SNE ou UMAP de représentations vectorielles de documents) sont abordées dans d’autres cours, par exemple RCP208.

Une ressource de référence sur l’état de l’art : http://textvis.lnu.se.

Couleurs

Les couleurs sont un outil puissant mais délicat. Quelques règles :

• Toujours maintenir un contraste élevé entre premier plan et arrière-plan (texte sur fond, marque sur fond). Des outils comme le contrast ratio WCAG permettent de le vérifier.

• Limiter le nombre de teintes distinctes : 5 couleurs est la recommandation standard pour des données catégorielles ; 12 couleurs ou plus devient illisible.

• Utiliser des palettes adaptées au type de données : palettes qualitatives (teintes distinctes, pas d’ordre implicite) pour les données catégorielles ; palettes séquentielles (dégradé d’une teinte) pour les données ordonnées ou quantitatives ; palettes divergentes (deux teintes vers un centre neutre) pour les données centrées sur une valeur de référence. La bibliothèque ColorBrewer fournit des palettes validées perceptivement.

• Prendre en compte le daltonisme (deutéranopie, protanopie) : environ 8 % des personnes ont une déficience en vision des couleurs rouge-vert. Éviter les paires rouge/vert pour encoder de l’information critique ; préférer des paires bleu/orange ou utiliser également la forme et la taille.

Le rapport données/encre (data-ink ratio)

Tufte définit le data-ink ratio comme la fraction de l’encre utilisée dans un graphique qui est directement nécessaire à représenter les données. Un graphique idéal maximise ce rapport : chaque trait, chaque pixel justifie sa présence par l’information qu’il encode.

Fig. 93 Graphique par défaut avec data-ink ratio faible

Fig. 94 Graphique modifié pour augmenter data-ink ratio

Les éléments qui réduisent ce rapport sans apporter d’information sont appelés chartjunk par Tufte :

• grilles lourdes (des lignes de référence fines et claires suffisent) ;

• bordures superflues des panneaux et axes ;

• ombres portées, effets de relief, dégradés décoratifs ;

• répétition d’informations déjà encodées ailleurs (par exemple, légende redondante avec les étiquettes directes) ;

• arrière-plans colorés sans justification.

La simplification d’un graphique jusqu’au strict nécessaire améliore en général sa lisibilité. Mais cette règle n’est pas absolue : un minimum de contexte visuel facilite la lecture et une apparence trop dépouillée peut aussi décourager l’engagement du lecteur. Le bon équilibre dépend du public et du contexte de communication.

Il faut également soigner la typographie (choix de la police, hiérarchie entre titres, étiquettes et annotations, espacement) et l”agencement général (alignement, marges, rapport entre la surface des graphiques et celle du texte). Ces aspects sont souvent négligés dans les visualisations produites par des non-spécialistes, mais ils conditionnent fortement la lisibilité et même la crédibilité de la communication.

Pièges à éviter

Erreurs d’échelle. Si un carré de côté 1 représente une valeur de 1, une valeur de 4 doit être représentée par un carré de côté 2 (car c’est l’aire qui encode la valeur). Cette erreur est fréquente dans la presse : des disques dont le rayon (et non l”aire) est proportionnel à la valeur surestiment visuellement les grandes valeurs. La surface d’un disque étant \(\pi R^2\), il faut mettre le rayon à l’échelle de la racine carrée de la valeur.

La 3D inutile. Les effets de perspective en 3D déforment les comparaisons de longueurs et de surfaces. Un histogramme en 3D est systématiquement moins lisible que son équivalent en 2D. La 3D n’est justifiée que lorsque les données ont véritablement trois dimensions spatiales.

Fig. 95 Exemple de visualisation illisible, en partie à cause d’un mauvais usage de la 3D

Les axes tronqués. Commencer l’axe des ordonnées à une valeur différente de zéro amplifie visuellement des écarts qui peuvent être négligeables en proportion. Ce choix est parfois délibérément fait pour tromper.

Inférer des tendances dans le bruit. Le cerveau humain est expert pour trouver des motifs, y compris dans des données aléatoires. Une courbe qui monte sur 5 points ne suffit pas à établir une tendance. Il faut distinguer signal et bruit, et éviter de sur-interpréter des fluctuations dans de petits échantillons.

La corrélation et la causalité. Des variables qui varient ensemble dans le temps peuvent sembler présenter un lien causal alors qu’elles sont toutes deux corrélées à une troisième variable non représentée (spurious correlations). Le site https://tylervigen.com/spurious-correlations illustre des corrélations amusantes et absurdes entre des séries temporelles sans lien entre elles.

Être graphiste est un métier. La visualisation de données mobilise des compétences en design visuel (typographie, mise en page, hiérarchie d’information, couleurs) qui ne s’apprennent pas du jour au lendemain. Des logiciels facilitent la production de visualisations en mettant en œuvre des règles prédéfinies mais ils ne garantissent pas la qualité des résultats.

Références

[Anscombe73]

Anscombe, F. J. Graphs in Statistical Analysis. The American Statistician, 27(1), 1973.

[MF17] (1,2)

Justin Matejka and George Fitzmaurice. 2017. Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing. In Proc. 2017 CHI Conference on Human Factors in Computing Systems (CHI “17). ACM, New York, NY, USA, 1290–1294. https://doi.org/10.1145/3025453.3025912

[Bertin67] (1,2,3,4)

Bertin, J. Sémiologie graphique. Gauthier-Villars, Paris, 1967.

[Tufte83] (1,2,3)

Tufte, E. R. The Visual Display of Quantitative Information. Graphics Press, 1983.

[Chen06]

Chaomei Chen. Information Visualization, Beyond the Horizon. Springer-Verlag London 2006. https://doi.org/10.1007/1-84628-579-8

[Bruls00]

Bruls, M., Huizing, K., van Wijk, J.J. (2000). Squarified Treemaps. In: de Leeuw, W.C., van Liere, R. (eds) Data Visualization 2000. Eurographics. Springer, Vienna. https://doi.org/10.1007/978-3-7091-6783-0_4

[Shneiderman96]

Shneiderman, B. The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations. IEEE Symposium on Visual Languages, 1996.

[Furnas81]

Furnas, G.W. The FISHEYE view: A new look at structured files. Bell Laboratories Technical Memorandum, 1981.

[Ahlberg92]

Ahlberg, C. Williamson, C., Shneiderman, B. Dynamic Queries for Information Exploration: An Implementation and Evaluation. CHI’92, 1992.