Retour sur les résultats de 2012 – en attendant le premier tour, 2/3

Après avoir introduit les unités géographiques électorales que sont les circonscriptions législatives, abordons les deux familles classiques de visualisations des données à partir des résultats de la présidentielle de 2012. Khartis permet ces représentations.

Récupérer les données

Elles sont notamment diffusées par le CDSP de Sciences Po. On peut les télécharger sur la plateforme data.gouv, dans un format csv, puis les utiliser telles quelles dans Khartis.

On peut aussi ouvrir l’appli et charger le projet correspondant dans lequel les données sont précédemment chargées et une visualisation déjà proposée :

>> projet khartis

Types de données/visualisation

À l’issue du dépouillement du vote, les données obtenues sont brutes : ce sont des nombres de voix. Par calcul, ils sont ensuite transformés en ratio en les divisant par le nombre de votes exprimés et deviennent alors des parts (exprimées en % des votants). Dans le tableau, ces deux types de données correspondent aux colonnes intitulées “voix” et “%”.

Pour les visualiser, les nombres sont idéalement montrés par des points proportionnels (la taille varie) alors que les parts le sont plutôt par des dégradés de couleur (la valeur varie).

Apprécier l’efficacité des images produites

Néanmoins, les cartes en points proportionnels peuvent parfois montrer des images peu ou pas assez contrastées. C’est souvent le cas en cartographie électorale. Plusieurs facteurs se combinent, citons le poids équivalent des circonscriptions, le nombre important de symboles et leurs faibles différences de taille.

Certes la nature de l’information n’est pas la même mais sur un plan strictement graphique – et n’est-ce pas l’objectif visé ? – les cartes en dégradés de couleur se montrent ici bien plus efficaces et rapides à interpréter, l’information étant “simplifiée” par l’agrégation en classes. Les deux cartes ci-dessous, extraites du projet kh partagé plus haut, l’illustrent :

 

Classes et comparaisons possibles

Faire des classes nécessite de choisir une méthode pour découper la série (la “discrétisation”). La sélection se fait selon le profil de la série – la dispersion par exemple – mais aussi du message à transmettre ou de la comparaison envisagée.

En la matière, Khartis ne propose pour l’instant que des méthodes statistiques (on ne peut pas entrer manuellement les valeurs des seuils). Elles restent néanmoins appropriées pour “voir la géographie” du vote pour un candidat, on pense notamment aux méthodes des quantiles ou des moyennes. En revanche, la comparaison de plusieurs candidats n’est pas envisageable. Il faut pour cela utiliser une légende commune dont les seuils des classes sont calculés sur l’ensemble de la série.

Ces deux approches (échelle propre et échelle commune) qui présentent chacune leur intérêt, sont respectivement illustrées par les deux planches ci-dessous. La première a été réalisée avec Khartis, la seconde avec Magrit.