Visualisation des données : rendre les données plus faciles à comprendre (DDN3-A15)

Visualisation des données : rendre les données plus faciles à comprendre

On dit souvent qu'une image vaut mille mots. En pratique, la visualisation des données permet de transmettre le sens des renseignements de manière plus efficace que le texte seul. Dans un monde où les décisions reposent largement sur les données et les chiffres, la visualisation des données nous aide à comprendre et à interpréter des renseignements complexes. En se familiarisant avec la visualisation des données et en l'utilisant dans leur travail, les fonctionnaires disposent de meilleurs outils pour tirer des observations pertinentes à partir des données et des statistiques, et ainsi appuyer leurs décisions sur des données probantes.

Le présent article expose les notions fondamentales de la visualisation des données, notamment sa définition, les types de visualisations les plus courants, les outils permettant de les produire, les principaux éléments dont on doit tenir compte ainsi que les pratiques exemplaires qui en favorisent l'utilisation efficace. Par ailleurs, l'article souligne comment le récit peut contribuer à rendre les données et leurs visualisations plus compréhensibles et plus utiles pour orienter l'action.

Quoique la visualisation des données facilite la compréhension des renseignements, elle comporte aussi des risques. Une visualisation des données mal conçue peut entraîner de la désinformation, des interprétations trompeuses et des conclusions erronées, si elle n'est pas élaborée avec soin et de manière responsable. Les fonctionnaires ont la responsabilité de respecter le Code de valeurs et d'éthique du secteur public et de présenter des données probantes impartiales en recourant à la visualisation des données de manière responsable.

Qu'est-ce que la visualisation des données?

Les données peuvent être comprises comme des faits, des observations ou des documents portant sur des objets ou des phénomènes et présentées sous différentes formes. Toutefois, ces renseignements peuvent être difficiles à interpréter, surtout lorsqu'ils sont structurés ou présentés d'une manière qui n'est pas aisément comprise par l'ensemble des publics; c'est dans ces situations que la visualisation des données s'avère particulièrement utile. En transformant les données et les statistiques en diagrammes, graphiques et autres représentations visuelles faciles à interpréter, la visualisation des données permet de simplifier des renseignements complexes, notamment pour les publics qui possèdent une expertise technique moins avancée.

L'importance de la visualisation des données

La visualisation des données présente de nombreux avantages. Elle transforme des données qui pourraient autrement être difficiles à interpréter en formats visuels clairs et accessibles, ce qui facilite la compréhension des chiffres et des statistiques. En présentant les renseignements sous forme visuelle, elle permet de repérer plus facilement les schémas et les tendances, appuie la communication des observations au moyen du récit et offre une base solide pour une prise de décisions plus éclairée.

Types courants de visualisation des données et choix du format convenable

Différents sous-ensembles de données se prêtent à des modes de présentation distincts. Comme les données peuvent varier selon leur profondeur, le type d'analyse, le domaine d'intérêt ou la nature des questions posées, certaines formes de visualisation peuvent être plus indiquées que d'autres. Le choix du format le mieux adapté permet de garantir que le message véhiculé par les données est clair, compréhensible et utile pour le public visé. Vous trouverez ci-après une liste non exhaustive des types de visualisation des données couramment utilisés au sein du gouvernement du Canada.

Diagrammes à barres, diagrammes à barres groupées et diagrammes à barres empilées

Les diagrammes à barres comptent parmi les formes de visualisation des données les plus répandues et les plus faciles à reconnaître. Ils sont particulièrement efficaces pour aider le public à comparer des valeurs entre différentes catégories et à repérer des écarts ou des schémas. En représentant les données sous forme de barres alignées sur des axes communs, ces diagrammes permettent de déceler rapidement des écarts importants et de dégager des tendances d'un seul coup d'œil. Il importe de garder à l'esprit que la clarté et l'exactitude d'un diagramme à barres dépendent de la manière dont les données sont présentées. Les axes et les unités doivent toujours être clairement indiqués, et les proportions illustrées doivent correspondre fidèlement aux données sous-jacentes pour permettre une interprétation convenable des données.

Lorsque plusieurs diagrammes à barres sont utilisés pour effectuer des comparaisons, il est également essentiel d'appliquer une échelle uniforme et des pratiques d'étiquetage cohérentes pour l'ensemble des visualisations comparées. Des différences d'échelle ou un étiquetage non convenable peuvent donner l'impression que certains résultats sont disproportionnés ou fausser la perception des écarts, ce qui risque d'induire le public en erreur.

Exemple de diagramme à barres mal conçu

Diagramme A : Ventes de crème glacée enregistrées par mois (avril, août, décembre)

Version texte

Données du diagramme A

Mois	Ventes de crème glacée
avril	80
août	135
décembre	45

Diagramme B : Ventes de crème glacée enregistrées par mois (décembre, janvier, février)

Version texte

Données du diagramme B

Mois	Ventes de crème glacée
décembre	45
janvier	50
févrirer	40

Ces diagrammes à barres montrent l'incidence éventuelle des axes sur l'interprétation des données. Quoique les barres des deux diagrammes semblent semblables quant à leur forme et à leur taille, les valeurs qu'elles représentent diffèrent considérablement. Le diagramme A présente une plage de valeurs beaucoup plus vaste que le diagramme B, mais l'axe rajusté du diagramme B, qui ne commence pas à zéro, accentue des écarts relativement faibles. En outre, une échelle non convenable peut donner une impression trompeuse de l'ampleur des écarts dans les données, ce qui accroît le risque d'interprétations erronées et de conclusions inexactes. L'utilisation d'échelles uniformes et d'étiquettes claires permet d'atténuer le risque que les comparaisons soient mal interprétées.

Les diagrammes à barres comportent des axes vertical et horizontal ainsi que des barres qui représentent différentes valeurs des variables figurant sur ces axes. Les barres peuvent être présentées sous forme verticale, horizontale, groupée ou empilée; les diagrammes à barres verticales étant les plus répandus.

Diagrammes à barres groupées

Les diagrammes à barres groupées constituent une variante des diagrammes à barres qui s'appuie sur le format standard, permettant d'afficher côte à côte plusieurs valeurs au sein d'une même catégorie. Ce type de visualisation des données est efficace pour comparer des valeurs au sein d'une catégorie tout en ventilant les résultats selon une troisième variable. Lorsqu'on utilise des diagrammes à barres groupées, on doit garder à l'esprit qu'un trop grand nombre de groupes ou de catégories peut rendre les diagrammes chargés et difficiles à lire.

Exemple de diagramme à barres groupées : Répartition de la population des membres du personnel de la direction de la fonction publique fédérale, selon la catégorie d'âge, en 2010, 2015, 2020 et 2022

Version texte

Répartition de la population des membres du personnel de la direction de la fonction publique fédérale, selon la catégorie d'âge, en 2010, 2015, 2020 et 2022

Répartition en pourcentage par catégorie d'âge et année

Catégorie d'âge	2010	2015	2020	2022
De 25 à 34 ans	1,4 %	0,8 %	0,9 %	0,9 %
De 35 à 39 ans	7,3 %	7,0 %	5,4 %	5,8 %
De 40 à 44 ans	15,6 %	15,6 %	18,6 %	17,6 %
De 45 à 49 ans	22,4 %	22,9 %	24,9 %	26,0 %
De 50 à 54 ans	28,0 %	27,7 %	26,9 %	25,9 %
De 55 à 59 ans	18,4 %	19,2 %	16,5 %	17,2 %
De 60 à 64 ans	5,8 %	5,8 %	5,6 %	5,3 %
De 65 ans et plus	1,0 %	1,2 %	1,2 %	1,2 %

Source : Bureau du dirigeant principal des ressources humaines, Secrétariat du Conseil du Trésor du Canada.

Notes techniques : Population : Comprend tous les membres de la direction de la fonction publique fédérale, c'est-à-dire, les membres de la direction au sein de l'administration publique centrale et le personnel de niveau équivalent au sein des organismes distincts (comme les classifications du Groupe de la direction [EX] et du Groupe de gestion [MG]), peu importe le type d'emploi (personnel nommé pour une période indéterminée et déterminée et occasionnel). Elle ne comprend pas les membres du personnel de la direction en congé sans solde.

L'information fournie ne comprend pas les employés dont l'âge n'est pas connu ; et est fondée sur les données en date du 31 mars.

Diagrammes à barres empilées

Les diagrammes à barres empilées constituent une variante des diagrammes à barres dans lesquels les données sont présentées sous forme d'empilements horizontaux ou verticaux. Ils affichent les valeurs sous forme de segments à l'intérieur d'une même barre, ce qui permet de montrer les différentes composantes qui forment un total. Ce type de visualisation des données est utile pour illustrer les proportions d'un ensemble de données tout en permettant de comparer les résultats à l'échelle de l'ensemble de données. Les diagrammes à barres empilées sont particulièrement efficaces pour comparer des pourcentages, lorsque chaque barre comporte plus de deux catégories, comme le montre l'exemple ci-après. Pour autant que les catégories ou les groupes ne soient pas trop nombreux, les diagrammes à barres empilées aident les utilisatrices et utilisateurs à saisir l'ensemble de la situation ainsi que les composantes qui forment le tout.

Exemple de diagramme à barres empilées : Triathlon à l'école Rousseau, pourcentage du temps consacré à chaque sport, par les compétitrices et compétiteurs

Version texte

Pourcentage du temps consacré à la natation, au cyclisme et à la course à pied, par participant

Prénom	Pourcentage du temps consacré à la natation (%)	Pourcentage du temps consacré au cyclisme (%)	Pourcentage du temps consacré à la course (%)
Averi	13	50	37
Bronwyn	12	53	15
Hillary	21	28	51
Jessa	41	14	45
Megan	9	81	10
Mercedes	28	47	25
Rosalyn	32	40	28
Tiiu	38	24	38

Comme le montre cet exemple, les diagrammes à barres empilées sont utiles pour illustrer la manière dont un ensemble se répartit entre plus de deux catégories. Ce diagramme présente la répartition du temps total de course de chaque concurrente et concurrent entre la natation, le cyclisme et la course à pied.

Diagrammes linéaires

Les diagrammes linéaires constituent une autre méthode répandue et efficace pour représenter visuellement des données et leurs caractéristiques, de manière à en faciliter la lecture, dès le premier coup d'œil. En reliant les points de données par une ligne continue, les diagrammes linéaires permettent de comparer la variable figurant sur l'axe des abscisses à celle de l'axe des ordonnées et de montrer leurs relations ou leurs variations. Les diagrammes linéaires sont particulièrement utiles pour mettre en évidence des tendances, des hausses ou des baisses irrégulières ainsi que des points de stabilité ou de volatilité.

Plutôt que de présenter des points isolés, les diagrammes linéaires montrent comment les points se situent les uns par rapport aux autres et en quoi ils diffèrent. Ils conviennent particulièrement bien au suivi ou à la surveillance dans le temps et à l'examen de tendances à long terme.

Exemple de diagramme linéaire

Taux d'accroissement démographique trimestriel, Canada, 2014 à 2025

Version texte

Taux d'accroissement démographique trimestriel pour Canada, 2014 à 2025

Année	Premier trimestre	Deuxième trimestre	Troisième trimestre	Quatrième trimestre
2014	+0.2%	+0.3%	+0.3%	+0.0%
2015	+0.1%	+0.3%	+0.3%	+0.1%
2016	+0.3%	+0.4%	+0.4%	+0.2%
2017	+0.2%	+0.4%	+0.5%	+0.2%
2018	+0.3%	+0.5%	+0.5%	+0.2%
2019	+0.3%	+0.5%	+0.6%	+0.3%
2020	+0.2%	+0.1%	-0.0%	+0.1%
2021	+0.2%	+0.3%	+0.5%	+0.3%
2022	+0.3%	+0.7%	+0.9%	+0.6%
2023	+0.6%	+0.8%	+1.1%	+0.7%
2024	+0.6%	+0.6%	+0.4%	+0.2%
2025	+0.0%

Source(s): Statistics Canada, Programme des estimations démographiques, tableau 17-10-0009-01.

Comme le montre le présent exemple, les diagrammes linéaires sont utiles pour illustrer l'évolution des valeurs dans le temps. Ce diagramme présente les taux trimestriels d'accroissement démographique au Canada de 2014 à 2025, en mettant en évidence les fluctuations et les tendances générales observées pendant cette période.

Diagrammes circulaires et diagrammes en anneau

Les diagrammes circulaires et les diagrammes en anneau sont presque identiques; comme leurs noms l'indiquent, les premiers sont des cercles pleins, tandis que les seconds comportent un centre évidé, ce qui facilite la comparaison des proportions. En général, ces diagrammes servent à présenter des données en fonction de leurs proportions relatives au sein d'un ensemble de données.

Toutefois, il convient de les utiliser avec prudence. Quoiqu'ils visent à illustrer les proportions d'un tout, leur recours aux angles et aux surfaces peut réduire la précision de l'interprétation. Il peut être difficile d'associer correctement les étiquettes aux sections, et les segments de petite taille sont particulièrement difficiles à repérer et à comparer avec exactitude.

Exemple de diagramme en anneau

Distribution de la population selon la province ou le territoire, 1er juillet 2018

Version texte

Proportion par province et territoire

Provinces et territoires	Proportion
Ont.	38.6%
Qc	22.6%
C.-B.	13.5%
Alb.	11.6%
Man.	3.6%
Sask.	3.1%
N.-É.	2.6%
N.-B.	2.1%
T.-N.-L.	1.4%
Î.-P.-É.	0.4%
T.N.-O.	0.1%
Yn	0.1%
Nt	0.1%

Comme l'illustre le présent exemple, les diagrammes en anneau sont utiles pour montrer comment un total se répartit entre différentes catégories. Ce diagramme présente la part de chaque province et territoire dans la population du Canada.

Nuages de points

Les nuages de points sont beaucoup plus répandus dans les contextes d'analyse et de recherche, où l'objectif consiste à examiner les relations entre des variables plutôt qu'à effectuer des comparaisons. Ce type de visualisation sert à montrer la manière dont deux variables se situent l'une par rapport à l'autre lorsqu'on suppose que l'une dépend de l'autre, et à déterminer si elles évoluent ensemble, divergent ou ne présentent aucune relation.

Quoique les nuages de points puissent laisser supposer l'existence d'une relation, ils ne permettent pas de la confirmer à eux seuls. Une analyse statistique formelle est requise pour établir si la relation observée est pertinente ou statistiquement significative.

Exemple de nuage de points

Possession d'une voiture à Touteville, selon le revenu du ménage

Version texte

Revenu et pourcentage

Revenu ($)	Pourcentage (%)
20,000	60
30,000	55
40,000	75
50,000	85
60,000	82
70,000	97
80,000	87
90,000	90
100,000	95

À mesure que le revenu augmente, un schéma général se dégage, montrant des taux plus élevés de possession de voitures chez les ménages à revenu plus élevé. Cette relation visuelle étaye l'interprétation selon laquelle la possession d'une voiture tend à être plus répandue lorsque le revenu du ménage augmente, ce qui met en évidence le revenu comme facteur important associé à l'accès à la propriété d'un véhicule et à son abordabilité.

Histogrammes

Les histogrammes sont couramment utilisés pour montrer comment les données se répartissent sur une plage de valeurs. Plutôt que de mettre l'accent sur des points de données individuels, ils mettent en évidence des plages, des regroupements, des écarts et d'autres caractéristiques importantes de l'ensemble de données. Autrement dit, l'objectif principal d'un histogramme consiste à présenter la répartition d'une variable. L'un des atouts des histogrammes est leur grande efficacité pour repérer les valeurs aberrantes, car les points de données inhabituels sont faciles à détecter.

Exemple d'histogramme

Distribution des salaires des employés de la société ABC

Version texte

Nombre d'employés selon la tranche salariale

Salaire (en milliers de dollars)	Nombre d'employés
0-10	50
11-20	300
21-30	250
31-40	400
41-50	550
51-60	433
61-70	266
71-80	350
81-90	100
91+	20

Comme l'illustre le présent exemple, les histogrammes sont utiles pour présenter la distribution d'une variable continue. Ce diagramme montre la distribution des salaires des membres du personnel de la société ABC, les barres représentant le nombre de membres du personnel au sein de chaque plage salariale.

Histogramme avec valeur aberrante

Distribution du nombre d'heures consacrées à regarder la télévision par semaine chez les élèves de l'école secondaire ABC

Version texte

Distribution du nombre d'heures consacrées à regarder la télévision par semaine chez les élèves de l'école secondaire ABC

Heures par semaine consacrées à regarder la télévision	Nombre d'élèves de l'école secondaire ABC
0	10
1	4
2	4
3	8
4	7
5	5
6	8
7	17
8	1
9	3
10	2
11	9
13	4
14	7
15	9
17	2
20	2
21	1
22	2
86	1

Comme l'illustre le présent exemple, les histogrammes sont utiles pour montrer la répartition des données sur une plage de valeurs. Ce diagramme indique que la plupart des heures déclarées de visionnement de la télévision se regroupent entre 0 et 7 heures par semaine, tandis qu'une valeur de 86 heures se distingue nettement des autres. Cela met en évidence une valeur aberrante dans l'ensemble de données, facile à repérer puisqu'elle est visuellement séparée du regroupement principal des valeurs.

Cartes

Les cartes comptent parmi les outils visuels les plus répandus pour fournir un contexte géographique à des renseignements spatiaux, permettant au public de tirer des conclusions sur la manière dont les données se rapportent à des lieux précis. Autrement dit, on utilise des cartes lorsqu'il s'agit de présenter des données géospatiales.

Exemple de carte

Carte des niveaux d'activité de la COVID-19 au Canada, par province ou territoire pour la semaine du 15 septembre au 21 septembre 2024

Version texte

Carte du Canada montrant les niveaux d'activité de la COVID-19 du 15 au 21 septembre 2024. La Saskatchewan et le Manitoba se situent au niveau 2 (modéré), l'Ontario et le Québec au niveau 3 (élevé), et Terre Neuve et Labrador au niveau 1 (faible). L'activité est en diminution en Saskatchewan et au Québec, en augmentation en Ontario, et demeure inchangée à Terre Neuve et Labrador. Les données sur les niveaux d'activité ne sont pas disponibles pour la Colombie Britannique, l'Alberta, le Yukon, les Territoires du Nord Ouest, le Nunavut, le Nouveau Brunswick, la Nouvelle Écosse et l'Île du Prince Édouard.

Comme l'illustre le présent exemple, les cartes sont utiles pour mettre en évidence des tendances géographiques. Cette carte présente les niveaux d'activité de la COVID‑19 dans chaque province et territoire du Canada, en utilisant la couleur pour montrer les différences entre les régions.

Cartes thermiques

Les cartes thermiques constituent une technique de visualisation des données qui utilise la couleur, sur une carte ou une grille bidimensionnelle, pour représenter les valeurs de deux variables ou plus. Autrement dit, elles recourent à des variations de couleur pour indiquer des tendances, des concentrations ou des écarts dans les données, ce qui facilite le repérage des valeurs élevées ou faibles au sein d'un ensemble de variables. Il convient de souligner que les cartes thermiques n'ont pas nécessairement de lien avec la géographie, même si des cartes géographiques peuvent également prendre la forme de cartes thermiques.

Exemple de carte thermique

Températures mensuelles moyennes, de 2000 à 2009

Version texte

Ce graphique présente les températures mensuelles moyennes de 2000 à 2009, l'intensité de la couleur représentant les variations entre les mois et les années.

Remarque : Les cartes codées par couleur et les cartes thermiques doivent toujours être accompagnées d'une légende précisant ce que représentent les couleurs, afin de permettre au public d'interpréter les données.

Les cartes thermiques non géographiques comme celle-ci sont utiles pour montrer la variation des valeurs selon deux dimensions, au moyen des différences de couleur. Pour des cartes non géographiques comme celle-ci, une légende est essentielle pour préciser clairement ce que représente chaque couleur ou élément et pour appuyer une interprétation exacte des données.

Comment choisir la bonne visualisation

On doit tenir compte de ce que les données communiquent au public. Quelle est la meilleure façon de transmettre ce message? Par exemple, on n'utiliserait pas une carte thermique pour montrer l'évolution du nombre de clientes et clients qui achètent de la crème glacée au cours d'une année, car les cartes thermiques ne sont pas conçues pour présenter des données qui évoluent dans le temps. Lorsqu'on choisit une forme de visualisation des données, il convient de se poser les questions suivantes :

• Avec quel(s) type(s) de variable(s) est‑ce que je travaille? (Par exemple, fréquence, ¹, moyenne ², pourcentage ³, percentile ⁴, taux ⁵, rapport ⁶, coefficient de régression ⁷, etc.)
• Qu'est-ce que je souhaite montrer? (Par exemple, des valeurs, une comparaison, une évolution dans le temps, une relation, une distribution, des différences géographiques)
• Qu'est-ce que la visualisation doit permettre au public de comprendre? Que doit-il retenir de la visualisation?

Outils de visualisation

Pour créer des éléments visuels qui complètent le récit et offrent une vue d'ensemble, on peut utiliser différents outils de visualisation des données. Les outils de visualisation de données sont des applications logicielles et des plateformes qui permettent aux utilisatrices et utilisateurs de produire et de diffuser des visualisations de données permettant d'établir un lien entre les données et l'analyse. Voici quelques outils qui peuvent servir à créer et à présenter des visualisations.

Principaux éléments dont on doit tenir compte pour la visualisation des données

Avant de créer une visualisation, on doit réfléchir aux principaux facteurs qui ont une incidence sur la manière dont une visualisation est conçue et interprétée avec exactitude. Voici une courte liste de facteurs qui orientent les décisions prises tout au long du processus de visualisation :

• Tenir compte du public visé. S'agit-il de personnes débutantes, qui ont peu ou pas de connaissances sur les données et sur la manière d'interpréter des visualisations? Ou s'agit-il de spécialistes techniques capables d'interpréter et de comprendre aisément les données à partir de la visualisation? Quel est l'objectif des données pour ce public et comment les données seront-elles utilisées? Par exemple, les données serviront-elles à éclairer des décisions, à cerner des tendances ou à orienter des mesures?
• Choisir le bon type de visualisation des données. Qu'est-ce que les données doivent transmettre? Le type de visualisation envisagé convient-il aux données que l'on souhaite présenter? Quel type serait le plus efficace?
• Tenir compte de l'objectif et du message principal de la visualisation. La visualisation retenue correspond-elle fidèlement à l'analyse? Quelle information le public doit-il en retenir? Le choix visuel doit appuyer le message principal.

Pratiques exemplaires en matière de visualisation des données

En tenant compte de ces éléments et en appliquant les pratiques exemplaires, on contribue à rendre l'expérience de visualisation de données efficace et accessible pour toutes et tous. Voici une liste non exhaustive de pratiques exemplaires qui peuvent aider à atteindre cet objectif :

• Présenter le contexte et structurer les renseignements. Il faut présenter le contexte et fournir des renseignements de base sur les données présentées dans la visualisation. Cela permet de situer les données et favorise une interprétation plus nette et plus exacte.
• Garantir un bon étiquetage et une organisation soignée. Il convient d'utiliser des titres, des étiquettes et des légendes clairs (le cas échéant), ainsi qu'un ordre logique pour aider les utilisatrices et utilisateurs à comprendre les données. Il faut également veiller à ce que tout le texte de la visualisation soit horizontal afin d'en faciliter la lecture.
• Toujours tenir compte de l'accessibilité, faire des choix de conception en conséquence et mettre à l'essai les visualisations pour repérer les obstacles éventuels. Il importe de s'assurer que les visualisations de données sont conçues pour être lisibles, interprétables et utilisables par un public diversifié, y compris des personnes ayant des besoins en matière d'accessibilité. Cela suppose notamment l'utilisation de texte clair, de tailles de caractères convenables, d'un contraste de couleurs suffisant, de structures visuelles simples, ainsi que de texte de remplacement et de descriptions détaillées.
• Veiller à offrir des formats complémentaires. Il faut fournir les renseignements dans des formats complémentaires, comme des tableaux de données, des ensembles de données téléchargeables ou des résumés textuels. Il est probable que la visualisation d'origine ne soit pas accessible, utilisable ou préférée par l'ensemble des utilisatrices et utilisateurs.

Comment les visualisations contribuent-elles au récit, et inversement?

Ces facteurs montrent que la visualisation des données consiste à transformer des données brutes en diagrammes, graphiques et autres formats qui en facilitent l'interprétation. Combiné à l'interprétation des données, le récit constitue l'élément qui relie l'ensemble : il fournit le contexte et explique la « raison d'être » des données. Ensemble, la visualisation des données et le récit aident à orienter l'interprétation en guidant les personnes dans leur parcours de questionnement : « quoi, et alors, et maintenant ».

On peut envisager cette relation au moyen d'une équation simple :

données + visualisations + récit = vue d'ensemble

Le cerveau traite les renseignements beaucoup plus rapidement que tout autre stimulus, ce qui fait des visualisations des données l'un des moyens les plus efficaces de présenter des renseignements et de véhiculer un sens. Lorsqu'elles sont combinées à un récit, les perspectives dégagées des visualisations peuvent servir à transformer ce sens en mesures éclairées.

Conclusion

La visualisation de données ne consiste pas simplement à créer des diagrammes et des graphiques ou à présenter des chiffres. Elle vise à aider les personnes à comprendre les données de manière pertinente et utilisable. Les données, à elles seules, fournissent une base factuelle au moyen des chiffres; les visualisations facilitent la détection des tendances et des perspectives; et, lorsqu'elles sont associées à un récit, elles permettent d'expliquer la « raison d'être » des données.

Le récit joue un rôle important en reliant l'interprétation au sens. Il aide à expliquer ce que montrent les données, pourquoi elles sont importantes et ce qu'il est possible d'en tirer. Pour les fonctionnaires, l'objectif consiste à utiliser la visualisation des données de manière réfléchie, afin de communiquer les données et d'appuyer la prise de décisions. Il faut choisir des formats visuels convenables, comprendre comment interpréter les visualisations, tenir compte des besoins de différents publics et veiller à ce que le message soit clair, mis en contexte et intégré dans un récit cohérent.

À mesure que les outils et les méthodes évoluent, les attentes à l'égard de la communication des données évolueront également. En combinant de solides pratiques en matière de données avec une conception réfléchie et un récit clair, les fonctionnaires peuvent utiliser la visualisation des données pour favoriser la transparence, renforcer la compréhension et éclairer de meilleures décisions.

Définitions

Fréquence

Nombre de fois qu'une valeur, une catégorie ou un résultat figure dans un ensemble de données.

Moyenne

Valeur moyenne d'un ensemble de données, calculée en additionnant toutes les valeurs puis en divisant le total par le nombre de valeurs.

Pourcentage

Valeur exprimée comme une proportion sur 100.

Percentile

Mesure indiquant le point en deçà duquel se situe un certain pourcentage des valeurs d'un ensemble de données. Par exemple, le 75e percentile correspond à la valeur supérieure à 75 % des données.

Taux

Mesure indiquant la fréquence à laquelle un phénomène se produit au sein d'une population donnée ou pendant une période déterminée.

Rapport

Comparaison entre deux quantités qui indique la différence relative de leur taille.

Coefficient de régression

Mesure utilisée pour indiquer dans quelle mesure une variation d'une variable est associée à une variation d'une autre variable.

Resources

• Article | Visualisation des données : une introduction
• Article | Visualisation des données : pratiques exemplaires
• Article | Raconter l'histoire des données : comment créer des histoires qui comptent
• Cours | Exploration de la visualisation des données (DDN308)