Quand les organisations internationales transforment des données en images : comment analyser leurs dataviz ?
Cet article est une adaptation du texte « Analyzing Maps Production », à paraître dans l’ouvrage Introduction to International Organization Research Methods dirigé par Fanny Badache, Leah Kimber et Lucile Maertens, chez The University of Michigan Press.
« Graphique », « diagramme », « infographie », « dataviz », etc., plusieurs termes renvoient à un médium commun : la représentation de données par des images. Influencées au gré des modes esthétiques et des améliorations techniques/technologiques, les dataviz rassemblent en réalité des images hétérogènes qui vont de l’austère et minimaliste graphique statistique au schéma coloré et figuratif. Cette tendance n’est pas nouvelle puisque certains types de visualisations très efficaces sont produits depuis plusieurs siècles (Tufte 1981).
Omniprésence des dataviz dans l’expertise des organisations internationales
; sur la composition de l’indice de développement humain [IDH]), b. illustrer un cas particulier (une courbe
sur la baisse du taux de pauvreté monétaire) ou, c. avoir un aperçu global d’une situation (un tableau de bord
sur les indicateurs des Objectifs du développement durable [ODD]). Quelle que soit la fonction, les dataviz renforcent le caractère rigoureux de l’analyse par la combinaison de la preuve statistique et du pouvoir des images. Ainsi, dans un épais et officiel rapport mondial, les graphiques fournissent des repères visuels qui attirent l’attention du lecteur et dont il se souviendra. De la même manière, les tweets comportant des infographies figuratives (des pictogrammes
féminins proportionnels à propos de féminicides) suggèrent et attirent davantage l’attention que ceux comportant seulement du texte.Les organisations internationales ne sont pas des acteurs monolithiques. Leur production de dataviz implique souvent divers spécialistes (experts, statisticiens, graphistes, etc.), fonctionnaires internationaux comme représentants d’États-membres ou experts individuels, qui, selon les configurations, travaillent collectivement, individuellement voire externalisent une partie du travail. La dataviz ainsi produite est située aux plans professionnels, sociologiques, techniques, etc. L’analyse d’une image permet néanmoins de déceler des indices sur ses auteurs, leur spécialité et leurs biais, notamment lorsque l’on considère les équilibres entre abstraction et figuration, fonctionnalisme et décoration, multi et unidimensionnalité ou même classicisme et originalité (Cairo 2012). Ensuite, les conditions de sa réalisation se voient dissociées de la dataviz elle-même dès lors qu’elle circule et que ses lecteurs se la réapproprient, menant parfois à des interprétations très variables. Ces trajectoires des usages doivent aussi être analysées.
Superpositions de couches de subjectivités
Le processus de production d’une dataviz implique des choix qui déterminent son message :
- Le choix de transformer une/des information(s) en dataviz est fondamental, bien que souvent négligé – l’auteur/le commanditaire décide délibérément de mettre en avant une question spécifique.
- Cette « question spécifique » présente souvent plusieurs dimensions (qui équivalent à autant de colonnes dans un tableau de données). Prenons le cas des statistiques sur les migrations ; on peut considérer des effectifs de migrants (flux
,soldes
), des ratios calculés (part d’un total
, évolution dans le temps
) ou encore d’autres aspects plus qualitatifs (genre
, statut, nationalité). Les messages de ces dimensions ne sont pas tous univoques. - Chaque type de dataviz transmet idéalement un type d’argument. Dans sa table FT Visual Vocabulary
, l’équipe de datajournalisme du Financial Times distingue neuf fonctions statistiques principales : déviation, corrélation, classement, distribution, changement dans le temps, ordre de grandeur, partie d’un tout, spatial et flux. Choisir une représentation plutôt que d’autres n’est ni automatique ni exclusif. Car, un jeu de données peut remplir plusieurs fonctions tout comme une visualisation peut en retour montrer la complexité (plusieurs fonctions). - Les derniers réglages, qu’ils portent sur le contenu statistique (échelles, périodes, axes) ou sur des aspects esthétiques (taille, couleurs, mise en page), influencent aussi le message et son interprétation. La pléthore de livres de vulgarisation scientifique relatifs à « comment mentir avec les graphiques » confirme la latitude d’action de l’auteur d’une dataviz et les effets induits – parfois imprévus/indésirables.
Benoît Martin, © FNSP – Atelier de cartographie, 2020
