Data Visualization : représenter graphiquement ses données quanti

La plupart des outils de recueil de données proposent de générer automatiquement des graphiques. Toutefois, personnaliser la représentation visuelle de notre travail comporte de nombreux bénéfices : nous contrôlons la lisibilité, la précision mais aussi le message que nous souhaitons faire passer à nos interlocuteurs. 
Un écueil courant est de privilégier la forme, produire un joli graphique, au détriment du fond, c’est-à-dire de la clarté de l’information. Un type de graphique inadapté au jeu de données, des contrastes faibles, l’ajout de reflets ou de 3D… peuvent compromettre la bonne lecture des données. 
Selon les résultats que nous voulons présenter, quels sont les graphiques appropriés ?
 

#1 Comparer entre-elles les valeurs d’une variable nominale (ou plusieurs)

Nous sommes souvent tentés d’utiliser un graphique circulaire, c’est-à-dire un camembert, pour ce type de données : moins rébarbatif qu’un graphique en barres, c’est un visuel apprécié et
parlant pour nos interlocuteurs.
Cependant, le camembert n’est pas très précis :
• Notre cerveau interprète mal les tailles des parts,
• Les valeurs proches sont difficiles à comparer visuellement,
• La lecture de la légende augmente la charge de travail.

 
Pourcentages des réponses données à une question par un échantillon de participants

 
Vous souhaitez connaître le pourcentage de participants ayant sélectionné la réponse 3. Sur quel graphique est-il plus rapide et agréable de trouver l’information ? 
Le graphique en barres est très approprié pour ce type de données, à condition de respecter quelques règles de mises en forme : 

  • L’orientation des barres à l’horizontale permet de faciliter la lecture des libellés, 
  • Un axe qui ne commence pas à zéro amplifie les écarts entre les valeurs : commencer à zéro est essentiel quand on recherche la précision, 
  • Contrairement au camembert, on peut utiliser une seule couleur par variable, 
  • Ajouter les valeurs chiffrées aux extrémités permet d’avoir toute l’information en un coup d’oeil, 
  • Ordonner par valeurs croissantes ou décroissantes permet de comparer facilement les valeurs proches. 


 
TIP Attention également à ne pas utiliser de courbes dans le cas d’une variable discrète : les segments entre chaque modalité ne correspondent pas à des valeurs présentes dans le jeu de données et ne devraient pas figurer. 

#2 Observer les parts d’un tout 

C’est sur ce type de données que le graphique circulaire prend tout son sens : il montre la part d’une valeur au sein d’un total. Il est très utile pour attirer l’attention sur les valeurs extrêmes, dans le cadre de pourcentages de réussite par exemple. Le graphique en barres empilées est une bonne alternative, et le choix dépendra des préférences de chacun. 

TIP Quand les valeurs sont nombreuses, et que l’écart-type est faible, les variations seront illisibles sur un graphique circulaire : ce sont les valeurs chiffrées indiquées sur le graphique qui porteront à elles seules l’information. 

 
Sans libellés de valeurs, les différences sont difficilement observables sur le graphique circulaire, alors qu’elles sont parfaitement visibles sur le graphique en barres. Le contexte est toutefois essentiel : si nous voulons montrer que les valeurs sont très proches les unes des autres, il est judicieux d’opter pour le camembert. 

#3 Présenter les résultats d’échelles Likert (ou d’autres variables ordinales) 

Un graphique en barres empilées avec un code couleur rouge/orange/vert permet d’observer la tendance de réponse en un coup d’oeil. Il est préférable au camembert, car le nombre de modalités est important. Ajouter les valeurs exactes dans les différentes sections rend le visuel encore plus précis. 
 
TIP Il est possible de jouer sur les couleurs pour atténuer les effets de la tendance à l’acquiescement 1 en choisissant une palette soutenue pour les réponses négatives et plus douce pour les réponses positives.
1Tendance des participants à sélectionner les réponses positives     (« oui », « d’accord »…) plutôt que les réponses négatives, quelle que soit la question posée.
 

#4 Présenter les résultats de questionnaires (SUS, AttrakDiff, MeCUE…)

Les graphiques en radar sont appropriés pour les résultats à des échelles par critère. On peut aisément comparer les scores de deux interfaces sur l’ensemble d’un questionnaire. 
TIP Numbers ne propose malheureusement pas ce type de graphique, il faut passer par Excel ou des outils en ligne type Livegap pour les générer.
 

 

TAKE AWAY 

Le même jeu de données peut être présenté de différentes manières, selon le projet, les besoins, les interlocuteurs et le message à faire passer. Il est possible de contrôler cette présentation en faisant des choix conscients et informés qui soutiennent nos objectifs et facilitent l’échange. 
Pour aller plus loin Le blog de Stephen Few, Perceptual Edge, est une excellente source (en anglais) sur la visualisation de données. Des articles reviennent sur certains graphes et leurs contextes d’utilisation optimaux lorsque nous voulons axer sur la précision et la rapidité de traitement des données. 
 
Marie Euzen, UX Designer @UX-Republic