Visualisation Graphique

Master GPE

Pierre Beaucoral - CERDI, UCA, CNRS, IRD

2026-05-02

Objectif de la séance

À la fin, vous serez capable de:

• produire 1 figure “prête à coller” dans votre note au ministre :

  • Une idée → une figure

  • Lisible en 10 secondes

  • Autonome : titre + axes + unités + source + notes utiles

  • Honnête : incertitude, limites, pas de sur-promesse

Rappel: dans une note de décision publique, une figure est un outil d’arbitrage, pas une preuve “pour les pairs”.

La règle d’or : “Une figure = un message”

Avant de coder :

1. Quel est le message en 1 phrase ? (résultat / comparaison / tendance)
2. Qui lit ? (cabinet, administration, médias… → contraintes de temps)
3. Quelle action est impliquée ? (prioriser, cibler, financer, réformer…)

Astuce

Test express : si votre titre ressemble à “Graphique 1 : Résultats” alors votre figure n’a pas encore de message.

De l’“output” à l’“insight”

Une mauvaise figure ressemble à une exportation brute :

• trop de décimales, codes internes, surcharge visuelle

• “ça montre tout” → donc ça n’aide à décider de rien

Une bonne figure :

• sélectionne l’essentiel

• guide l’œil vers ce qui compte (hiérarchie visuelle)

• laisse le lecteur conclure vite et sans deviner

La théorie dicte la mesure

Trois questions simples :

• Unité & grandeur : € ? % ? par habitant ? par an ?
• Transformation : niveau vs log vs variation ?
• Normalisation : par population ? par PIB ? par km² ?

Même un “simple descriptif” implique des choix théoriques.

Data hygiene

Checklist rapide avant toute figure :

• Qui collecte ? quand ? comment ? est-ce représentatif ?

• Min/Max plausibles ? valeurs extrêmes ? doublons ?

• Données manquantes : pourquoi ? où ?

• Définition exacte des variables (glossaire)

  Mise en garde

  Une valeur extrême peut retourner une recommandation.

Choisir le bon type de graphique

Objectif → graphique

• Comparer des niveaux : barres triées, dotplot
• Comparer des distributions : histogramme / densité + médiane
• Montrer une tendance : série temporelle (ligne)
• Montrer un effet + incertitude : “estimate + intervalle”
• Montrer des parts : éviter le camembert → préférer barres empilées (rare)

Astuce

Règle pratique : si vous avez besoin de 3 légendes + 2 notes pour comprendre, c’est trop.

Exemple : “la moyenne cache l’histoire”

On simule deux zones avec la même moyenne mais des distributions différentes.

“Do / Don’t” #1 : titres et unités

DON’T

• “Figure 1 : Revenus”

• Axe Y en 1.4e05

• Variables inc_tot_log / ps102

DO

• Titre = conclusion : “Le revenu médian stagne malgré la hausse du revenu moyen”

• Unités intelligibles : “€ / mois”, “%”, “par 1 000 habitants”

• Libellés en français courant (pas de codes)

“Do / Don’t” #2 : lisibilité et hiérarchie visuelle

Deux règles simples

• Police ≥ 12
• Faites ressortir le signal, mettez le contexte en gris

Autonomie : une figure doit “tenir debout” seule

Votre lecteur doit comprendre sans lire le paragraphe :

• Titre (message) + sous-titre (périmètre)
• Axes + unités
• Légende (si nécessaire) intégrée ou minimale
• Source (et année / couverture)
• Note courte si choix méthodologique (ex: pondération)

Le piège “kitchen sink” : tout montrer

DON’T

• 12 courbes, 8 couleurs, 4 facettes, 1 légende illisible
  → “j’ai travaillé” (mais personne ne voit le résultat)

DO

• 1 résultat central

• 1 contexte discret

• 1 annotation utile (événement, réforme, seuil)

Montrer l’incertitude

Quand votre message repose sur une estimation :

• point = estimate

• barre = intervalle (IC 95% ou SE × 1.96)

• note : niveau d’agrégation / clustering / N

Ressources

Guides R / ggplot2

• R for Data Science (R4DS) : https://r4ds.hadley.nz/
• ggplot2: Elegant Graphics for Data Analysis : https://ggplot2-book.org/
• Claus Wilke: Fundamentals of Data Visualization : https://clauswilke.com/dataviz/
• R Graph Gallery (idées + code) : https://r-graph-gallery.com/

Sources de données ou visualisation “policy”

• Our World in Data (exemples de graphiques + données) : https://ourworldindata.org/
• OECD Data : https://data.oecd.org/
• World Bank Data : https://data.worldbank.org/

Outils utiles

• Palettes (accessibilité daltonisme) : https://cran.r-project.org/package=viridis ou https://colorbrewer2.org/

Mini-checklist

1. Message : le titre dit-il la conclusion ?

2. Lisibilité : police OK, axes clairs, unités intelligibles ?

3. Honnêteté : pas de causalité sur-vendue, incertitude si besoin ?

4. Autonomie : source + période + notes minimales ?

5. Simplicité : pouvez-vous expliquer la figure à quelqu’un en 20 secondes ?

   Astuce

   “Grandmother test” : Êtes vous capables de l’expliquer simplement à votre grand-mère? oncle? ou autres?

Exercice

Choisissez un indicateur et une comparaison pertinente pour votre sujet de note au ministre:

• Tendance (avant/après, 10 ans)
• Comparaison (régions, groupes, quintiles)
• Distribution (inégalités / hétérogénéité)
• Effet estimé (avec IC), déconseillé

Livrable attendu :

• 1 figure exportée en PNG ou PDF

• Pour être intégrée dans votre note avec : titre-message, axes, unités, source

Conclusion

• rigueur + clarté = influence

Votre objectif n’est pas de “faire joli” :

• c’est de rendre une décision plus informée

• avec une figure simple, autonome, honnête

Merci !