La datavisualisation ou dataviz regroupe l’ensemble des représentations visuelles des données, depuis les diagrammes en bâtons utilisés de longue date jusqu’aux infographies et tableaux de bord dynamiques. Quel que soit le support, elle est vecteur d’information ou de communication, au format papier ou de plus en plus numérique. Elle permet de rendre compte de façon synthétique d’un ensemble de données mais aussi d’accompagner l’utilisateur dans sa lecture afin qu’il s’approprie plus facilement les résultats d’une étude.

Dans le contexte de développement massif des données, la datavisualisation est une opportunité pour la statistique publique de les exploiter encore davantage. Elle permet de diffuser, d’une part, les données de manière plus élaborée et, d’autre part, les résultats des études statistiques et économiques de façon plus accessible. Elle participe à la stratégie de lutte contre les infox (fake news) en touchant un public large grâce à sa facilité de lecture.

L’évolution des différentes formes de dataviz est illustrée par quelques exemples de la littérature sur le sujet et des pratiques de l’Insee et de services statistiques ministériels. Les pré-requis pour la développer et rester à niveau tout en respectant les critères de diffusion de la statistique publique sont ensuite détaillés.

« Une image vaut mille mots », a dit le philosophe Confucius. Les données sont mieux perçues quand elles sont représentées sous un format visuel et non plus textuel. Non seulement le cerveau traite les images à très grande vitesse mais en plus, le taux de reconnaissance d’une image après 3 jours est de 90 % (Ouvrir dans un nouvel ongletHaber, 2013). Il faut dire qu’en moyenne, on ne lit qu’une dizaine de caractères par fixation oculaire (Brysbaert, 2019). Les lecteurs ne lisent pas vraiment dans un premier temps. Ils butinent, ils scannent, ils ont une lecture sélective et associative.

Le cerveau cherche à mettre en forme, à donner une structure signifiante à ce qu’il perçoit, afin de le simplifier et de l’organiser devant la complexité de notre environnement. La théorie de la Gestalt (i.e. « forme » en allemand) inspirée notamment par Christian von Ehrenfels (Dortier, 2012) au début du XX^e siècle traite de la psychologie de la forme. Il existe six lois, dont trois vont être utiles à la dataviz. Tout d’abord, la loi de la bonne forme, loi principale dont les autres découlent : notre cerveau cherche à reconnaître en toute chose des formes simples et stables qui lui sont familières et l’utilisation directe de ces formes dans les représentations améliore notre rapidité de lecture et de compréhension. Ensuite, la loi de proximité regroupe les points les plus proches les uns des autres et est utilisée dans les histogrammes par exemple.

Enfin, la loi de similarité attribue un caractère commun (couleur, taille, etc.) à des éléments permettant de les regrouper visuellement même s’ils sont épars (figure 1).

Figure 1 - Trois lois utiles à la dataviz

Pour que le plus grand nombre de personnes puisse s’approprier les données, notamment statistiques, la forme graphique est un moyen essentiel, largement utilisé. Il permet de synthétiser mais aussi et surtout de distinguer les éléments les plus importants. La simplicité de la représentation (courbe, diagramme en bâtons) est primordiale. Des représentations plus techniques ont également fait leurs preuves pour accéder à l’information, en permettre une compréhension rapide et apporter un soutien à l’écrit. Elles font désormais partie de notre vie de tous les jours (encadré 1), comme les cartes géographiques.

Le développement de la forme graphique s’est fait progressivement. À titre d’exemple, les évolutions temporelles sont représentées sous forme de courbe depuis le X^e siècle (Andry et alii, 2022), où elles servaient à décrire le mouvement des planètes. L’utilisation pour la statistique est plus récente.

Ainsi, à la fin du XVIII^e siècle, William Playfair a pour la première fois utilisé les trois modes fondamentaux de représentation statistique, à savoir la courbe pour des séries temporelles, le diagramme en bâtons pour des effectifs ou des proportions, et le camembert pour des proportions. Cette démarche cherche à valoriser les données chiffrées. L’usage de ces représentations graphiques simples est intentionnel pour permettre une compréhension au premier coup d’œil. Au XIX^e siècle, l’utilisation des premiers graphiques permet d’identifier des corrélations, et de nouvelles représentations plus complexes apparaissent. Ainsi, en 1854, John Snow met en regard les décès et les points d’eau sur une carte, ce qui lui permet de trouver l’origine de l’épidémie de choléra à Londres : une pompe infectée.

Infirmière lors de la guerre de Crimée durant l’hiver 1854-1855, Florence Nightingale parvient à attirer l’attention du politique sur le fait qu’on ne meurt pas uniquement sur le champ de bataille, mais surtout des suites de ses blessures en raison de conditions sanitaires déplorables, grâce à un diagramme en crête de coq (figure 2). Il s’agit d’un diagramme polaire ; chaque secteur, correspondant à un mois donné est découpé en trois aires concentriques selon trois causes de décès (mort au combat, maladie infectieuse, autre cause).

Figure 2 - Diagramme des causes de mortalité dans l’armée

Source : Harrison and sons, Saint Martin’s Lane

Qu’il s’agisse de proportions ou d’évolutions temporelles, le statisticien dispose de plusieurs types de représentations graphiques adaptées aux données pour faire parler les chiffres et mettre en avant des résultats, pour établir les faits et convaincre. D’où l’importance du choix de la visualisation pour identifier et porter les messages.

Les objectifs d’une dataviz sont non seulement d’accompagner et de faire comprendre les données mais aussi de communiquer, d’illustrer des messages et de donner envie aux lecteurs de lire (accrocher le lecteur). Une datavisualisation est à la frontière entre diffusion et communication.

Pour intéresser le lecteur, raconter une histoire à l’aide de visuels permet de capter son attention : en anglais, on parle de storytelling. Il peut prendre des formes variées : la carte de la campagne de Russie réalisée par Charles Joseph Minard (1869), une des premières réalisations de datavisualisation multidimensionnelle, s’apparente au storytelling d’avant le numérique. L’auteur réussit à raconter sous forme graphique l'évolution de l'armée française entre juin et décembre 1812 (figure 3). Dans un même espace, il décrit simultanément son itinéraire, en indiquant topographiquement les lieux (cours d'eau, villes) et sa direction (en brun pour la campagne jusqu’à Moscou, en noir pour la retraite) ; la dimension statistique est ajoutée par la largeur de la coloration qui représente la taille de l'armée à chaque moment, ainsi que l’évolution de la température de l'air pendant la retraite. Minard a développé une cartographie originale dans le but de « faire apprécier immédiatement par l’œil, autant que possible, les proportions des résultats numériques » (Palsky, 1996).

Figure 3 - Carte figurative de la campagne de Russie 1812-1813

Source : Charles Joseph Minard, 1869.
Reproduction provenant de l’École nationale des Ponts et Chaussées, Paris.

Plus simplement, faire ressortir une information sur un graphique complexe constitue déjà en soi du data storytelling. Par exemple, distinguer une courbe parmi plusieurs, isoler une part dans un camembert, fournit aux lecteurs une clé de lecture implicite, un message.

Une infographie regroupe un graphique, un diagramme ou toute autre image visuelle, comme un pictogramme ; elle est destinée à présenter des informations complexes sous une forme facilement compréhensible, adaptée à la diffusion sur support numérique ou papier. À titre d’exemple, une infographie sur l’étude Femmes et Hommes : une lente décrue des inégalités met en lumière les orientations post-bac des femmes. Les comparaisons femmes-hommes sont illustrées par deux podiums (6 chiffres extraits de deux figures) (figure 4).

Figure 4 - Part des femmes dans les différentes formations d’enseignement supérieur en 2020-2021

Collection : Insee Références
Femmes et hommes, l’égalité en question (Édition 2022)

À l’ère du numérique, une autre forme de scénarisation se développe : le scrollytelling qui est une animation de dataviz dans une page web. Ce terme provient de la contraction entre storytelling et scroll, le défilement haut-bas sur un écran. Elle incorpore tous les éléments multimédias (sons, textes, vidéos, infographies, animations, photos ou dessins) de façon fluide grâce à la parallaxe. Elle est plus ou moins interactive et peut orienter l’utilisateur vers différents scénarios.

Le service statistique du ministère chargé de l’agriculture a présenté de cette manière les résultats du recensement agricole de 2020 (Le Grand, 2022) ; de même, l’office national de statistique du Royaume-Uni utilise cette façon de faire pour diffuser les résultats du recensement de la population (Ouvrir dans un nouvel ongletHow the population changed where you live: Census 2021). Le scrollytelling est engageant pour le lecteur mais nécessite toutefois un grand effort de scénarisation, comme les infographies associées à des études. La démarche consiste à hiérarchiser les résultats, les présenter par ordre d’importance décroissante selon la technique de la pyramide inversée, technique rédactionnelle journalistique (Angel, 2009).

Avec le scrollytelling, l’utilisateur est actif, il fait défiler les pages, mais la datavisualisation interactive va plus loin dans sa relation avec les chiffres : elle autorise la libre exploration des données par tout un chacun. Elle offre la possibilité à l’utilisateur d’explorer les données, à l’image du statisticien qui les examine avant de les diffuser (encadré 2).

Le développement de l’interactivité et la multiplicité des représentations graphiques possibles autorise la prise en main, par le plus grand nombre, d’ensembles de données de grande dimension. Les pyramides des âges interactives ont été l’un des premiers exercices de ce type : l’outil permet par le biais d’une animation de faire défiler les résultats sur plus de 70 ans. Plus proche de nous, l’ouvrage de référence « Tableaux de l’économie française », a été entièrement refondu et repensé dans une optique utilisateur : si la version papier annuelle a été conservée, le produit est aujourd’hui modernisé, actualisé en continu avec les dernières informations, fournissant un meilleur service aux internautes avec différents niveaux de lecture, tout en préservant une simplicité d’alimentation pour les gestionnaires. La définition de cet ouvrage a nécessité des compromis dans le choix des indicateurs et leur mise en valeur, en évaluant leur caractère structurant, leur actualité, leur capacité d’appréhension par le public. La nomenclature des thèmes a été calquée sur celle d’« insee.fr » pour que l’internaute se retrouve facilement dans les rubriques. Dernier en date, l’outil interactif sur les espérances de vie rassemble dans une même enveloppe toutes les espérances de vie calculées par l’Insee depuis 1946, déclinées par sexe, âge, territoire, diplôme, niveau de vie et catégorie sociale. L’utilisateur peut s’approprier cette mine d’informations par une vidéo didactique et modifier les différents critères par le jeu de figures interactives.

Cependant, le parcours utilisateur doit être suffisamment réfléchi pour que l’internaute s’y retrouve. L’expérience utilisateur (UX, acronyme pour l’anglais User eXperience) doit être pensée grâce à des tests, notamment avec des utilisateurs externes.

Le statisticien conserve son rôle d’accompagnement dans la mise à disposition des données. Tout d’abord, le choix des croisements doit être pertinent (une simple liste à la Prévert des variables ne suffit pas pour une diffusion large) tout comme la mise en forme des données. Les métadonnées (concepts, variables et modalités) sont essentielles pour permettre la bonne appréhension des données.

La statistique publique diffuse de plus en plus massivement des données structurées, nécessaires à la datavisualisation. Elle met ainsi à disposition des outils permettant à la fois de mieux découvrir (catalogue de jeux de données) et mieux explorer les données (tableaux dynamiques) ; les métadonnées sont essentielles pour ces usages. Les outils de gestion des données (datastewardship ou datamanagement) permettent en effet d’élargir la réutilisation des données ; d’autres acteurs peuvent s’en emparer pour proposer d’autres valorisations des statistiques publiques.

Pour viser le plus grand nombre, il est conseillé d’utiliser des mots simples sans renoncer à la rigueur scientifique ni au recours aux concepts adéquats. Par exemple, il faudra veiller à ce que les définitions soient aisément accessibles sur le site de diffusion.

Plus généralement, pour garder une diffusion cohérente, il est essentiel de respecter une charte graphique et des règles éditoriales, en particulier les règles de la statistique publique sur les outils de dataviz : unité statistique, échelles de données clairement affichées, titre, date, champ pour chaque illustration, affichage des sources, données accessibles en téléchargement, respect du secret statistique (Darriau, 2020). Cela participe à l’image de marque de l’institut de statistique.

Comme pour une publication de quatre pages ou plus, la réalisation d’une datavisualisation et notamment d’une infographie nécessite une sélection drastique de l’information à présenter, une focalisation sur les résultats les plus significatifs. Il faut renoncer à tout dire, ce qui peut être difficile pour le chargé d’études. Gardons toutefois en tête que, dans l’univers statistique, la dataviz reste le plus souvent complémentaire au contenu détaillé sous forme d’études, de documents de travail, etc. Elle ne remplace ni les données ni les publications et la méthodologie associée. Elle joue un rôle de produit d’appel, d’incitation à lire l’étude.

Une datavisualisation a 30 fois plus de chances d’être vue et lue qu’un simple texte ou tableau. Mais comment faire pour que la dataviz transcrive au mieux les données ? La sémiologie répond à cette question (encadré 3) : c’est « l’ensemble des règles d’un système graphique de signes pour la transmission d’une information » (Bertin, 1967) qui vise l’efficacité. L’efficacité est renforcée par l’idée du minimalisme (Tufte, 1983) : on vise alors « l’excellence graphique ». Cette dernière est atteinte lorsque la quantité d’informations est transmise au lecteur dans un temps minimal et avec le moins d’encre possible. La notion de taux d’encrage (data-ink ratio) est introduite (figure 5) : il s’agit du rapport entre la partie – minimale et nécessaire – du graphique représentant des données qu'on ne peut pas effacer sans réduire les informations diffusées, et le total de l'encre imprimée du graphique. Ainsi, sur un quadrillage, on évitera de mettre une grille apparente qui relègue les données au second plan ou a minima gêne la lecture. L’idée est d’éliminer autant que faire se peut tout ce que l’on peut enlever à un graphique sans perdre de sens pour la visualisation (chart junk).

Figure 5 - Les taux d’encrage

Les couleurs participent également à une meilleure compréhension des graphiques. Mais trop de couleurs rendent un graphique illisible ! Elles doivent être les plus épurées possible avec une palette restreinte et harmonieuse (figure 6). Par exemple, il faut attribuer une seule couleur à un seul et même type de données. Enfin, tous les graphiques doivent suivre les normes d’accessibilité par rapport aux différentes déficiences visuelles (daltoniens, malvoyants, etc.).

Figure 6 - Exemple : Prix de l’électricité

Comme pour le texte, un recours au langage courant facilite la transmission du message à l’exemple de la convention d'usage : rouge pour le négatif et vert pour le positif. Ainsi, en Allemagne, les isotypes (International System Of Typographic Picture Education) sont créés (Neurath et alii, 1925) formulant un langage visuel, simple et universel influencé par l'esthétique du Bauhaus et permettant une meilleure accessibilité à l’information pour la population la plus large. Ce sont les ancêtres de nos pictogrammes (figure 7) que l’on retrouve dans la dataviz, et surtout dans les infographies.

Figure 7 - Les marines marchandes du monde

Lecture : Chaque navire représente 5 millions de tonnes brutes de marchandises.
Source : ‘Gesellschaft und Wirtschaft’ page 55, Verlag des Bibliographischen Instituts AG. Leipzig, 1930.

Les journaux, à grand tirage notamment, utilisent fréquemment des illustrations qui vont au‑delà de l’approche minimaliste pour mieux communiquer, comme l’illustre la représentation de coûts jugés monstrueux par un diagramme dans la gueule d’un monstre (figure 8). Des « embellissements » peuvent faciliter la transmission d’un message et sa mémorisation (Ouvrir dans un nouvel ongletBateman et alii, 2010).

Figure 8 - Coûts monstrueux

Source : Holmes, N. Designer’s Guide to Creating Charts and Diagrams, Watson-Guptill Publications, 1984.

Ces auteurs montrent, au travers d’une expérience sur deux séries de graphiques (avec et sans embellissements), que la lecture des graphiques n’est pas déformée par les ajouts, que la mémorisation à court terme (5 minutes) n’est pas significativement différente, mais qu’après deux ou trois semaines, les graphiques embellis sont mieux décrits que les autres.

On parle alors de design émotionnel (ou science cognitive, Norman, 2012) selon lequel les images attrayantes se mémorisent mieux parce qu’elles stimulent un plus grand plaisir d’utilisation. Les définitions de l’efficacité – uniquement centrées sur des attributs visuels et fonctionnels des visualisations de données – doivent être élargies, car elles ne prennent pas en compte l’individu et les caractéristiques qui lui sont propres : les émotions (Kirk, 2016).

De quoi faire réfléchir un statisticien, non ? Finalement, un juste équilibre doit être trouvé et, s’il est intéressant qu’un graphique marque son lecteur et lui permette de mémoriser le message d’un article, il ne doit pas sombrer dans une approche uniquement séductrice : le message et la rigueur doivent conserver la primauté.

L’auteur veillera à rester neutre, à identifier le vrai message et à ne pas faire mentir les statistiques, comme lorsque le choix de l’échelle masque le phénomène réel ; la dataviz véhicule alors un message significativement différent (Huff, 1954). Ce risque de « manipuler » les statistiques n’est pas nouveau, ni propre à leur diffusion de façon visuelle, mais il demeure voire est amplifié. Et ce d’autant plus que les nuances sont difficiles à transcrire ; la dataviz n’est ainsi pas forcément adaptée à tout type de données.

Les principes ci-dessus doivent s’appliquer quels que soient les supports de diffusion et de communication, dont la variété s’est considérablement étendue ces dernières années.

Au-delà du domaine des publications papier ou web, supports classiques, la statistique publique, notamment européenne au travers du programme DIGICOM, s’est ouverte dans les années 2010 aux nouveaux supports et canaux de communication : la vidéo avec animation graphique (motion design), les réseaux sociaux, notamment sur le smartphone, particulièrement consommateurs d’images. La datavisualisation est donc adaptée à cet écosystème. La vidéo renforce la scénarisation des résultats statistiques, elle se rapproche fortement du datastorytelling puisqu’elle intègre un flot de narration (encadré 4).

Par ailleurs, les images favorisent la viralité de l’information via les médias ou les réseaux sociaux. À titre d’exemple, un tweet sur une publication aura d’autant plus d’impact qu’il sera associé à une image (graphique de la publication ou infographie spécifique). Les principaux résultats chiffrés de l’étude toucheront ainsi un grand nombre de lecteurs qui les garderont en mémoire.

Le recours à ces nouveaux médias engendre des étapes supplémentaires à la diffusion de l’étude ; pour la vidéo, la gestion (à la seconde près) du temps, le choix entre la captation de vue réelle ou le motion design doivent être réfléchis et pour les réseaux sociaux, un tweet de 280 caractères issu du chapô doit être rédigé.

Encore plus complexes techniquement, les outils interactifs se sont progressivement développés sur insee.fr. Le premier outil a été le simulateur d’inflation, puis les premières pyramides des âges, adaptés tous deux d'une expérience de l'office allemand de la statistique (Destatis). Il s’agit de véritables applications informatiques conçues le plus souvent autour d’une thématique ciblée.

L’expérience d’Eurostat en la matière est intéressante : dans le cadre du projet DIGICOM, un « work package » avait pour objectif de préparer une publication interactive sur l’ensemble du territoire européen, intégrant la traduction dans les différentes langues. Le 20 octobre 2017, jour de la statistique européenne, le projet a abouti à la publication « La vie des femmes et des hommes en Europe », reprise sur le site de l’Insee. Cet exercice a été reconduit sur plusieurs thématiques, dont plusieurs ont été traduites et diffusées sur insee.fr. En effet, l’architecture technique définie, à base de briques graphiques imbriquées avec du texte, était suffisamment souple pour s’adapter à d’autres thématiques et permettait de faire évoluer les fonctionnalités du produit : il suffisait de développer un nouveau type de visualisation pour qu’il puisse être utilisé dans d’autres publications. Cette évolutivité a permis à Eurostat de mettre en ligne une dizaine d’outils en quelques années, en travaillant essentiellement sur les aspects éditoriaux et non plus sur les briques techniques.

À l’Insee, le choix privilégié a été un développement interne du site web : c’est une volonté liée à la place de la diffusion dans le cœur de métier de l'Institut. La bibliothèque graphique du site insee.fr a été conservée dans le cadre du projet Web4G (2014-2016) : conçue par des statisticiens pour les statisticiens, elle remplissait les fonctions attendues et utilisait une grammaire maîtrisée par les différentes équipes d’alimentation du site. Néanmoins, pour pallier son obsolescence, l’intégration de nouvelles bibliothèques est en cours, permettant de proposer 2 500 nouveaux produits chaque année, à l’état de l’art, tout en conservant la profondeur historique (dix ans) qui fait la richesse du site.

Pour les nouveaux outils interactifs, le retour sur investissement a été jugé meilleur pour les produits pérennes (dont les données sont mises à jour), comme le tableau de bord de l’économie française, que pour d’autres produits ad hoc. Cet outil a été conçu pour être alimenté en continu par des équipes internes, en intégrant d’emblée des capacités d’évolution pour le volet territorial. Cette façon de procéder permet de capitaliser en l’adaptant à différentes thématiques et de le maintenir dans la durée.

En effet, il est délicat, dans le cadre de la statistique publique qui porte sur du long terme, de développer des outils au cycle de vie court, au coût de maintenance élevé, avec des données non actualisées.

On est donc loin des solutions sophistiquées, même si de nos jours, avec les dernières innovations, il n’est plus nécessaire d’être un informaticien chevronné pour créer une application et la mettre en ligne sur le web.

Ceci est rendu possible grâce à l’évolution technologique de ces vingt dernières années. Deux grands axes de transformation ont été mis en œuvre, avec d’une part l’apparition d’un écosystème mondial de la donnée et d’autre part une démocratisation du traitement de la donnée. On constate :

Ces évolutions s’inscrivent dans des mouvements à la fois rapides et profonds, qui défient le statisticien public. Elles sont en effet sources de contraintes et d’opportunités. L’accès par API permet une mise à jour indépendante de la donnée et de sa mise en forme : une simple mise à jour des données et la nouvelle version de l’outil est prête ; ou encore, un simple changement d’interface et l’ensemble de l’historique du jeu de données est accessible. Mais attention, la pression pour une mise à disposition toujours plus rapide risque de nuire à la qualité des données. D’où l’importance d’une automatisation des contrôles sur les données initiales.

Le mouvement open data oblige également à une diffusion de plus en plus large, butant potentiellement sur les contraintes de confidentialité et demandant une analyse en profondeur de l’arbitrage entre utilité et protection de la donnée diffusée ; inversement, il donne ou a minima facilite l’accès à de nouvelles sources de données, permettant ainsi des croisements plus nombreux, apportant plus d’informations, qu’il faut alors expertiser puis mettre en valeur avec la datavisualisation.

Pour mesurer l’impact de la datavisualisation dans la statistique publique, on suit les consultations sur internet des produits concernés, le nombre de vues des vidéos, le nombre de tweets, etc. Le résultat de nos actions devient mesurable et est mesuré en continu.

L’objectif est non seulement de capter l’attention de l’internaute et de maximiser son temps de lecture mais également de susciter un retour de l’utilisateur (feedback) pour vérifier que l’on va bien au-devant de tous les publics et que les chiffres parlent (d’eux-mêmes). Une bonne dataviz peut être largement relayée, augmentant ainsi son impact dans le débat public. À titre d’exemple, l’illustration de l’évolution de la température mondiale annuelle depuis 1850 est partagée et désormais connue (figure 9).

Figure 9 - Climate stripes

Lecture : L'artiste local Ian Rolls a créé une nouvelle fresque murale montrant l'augmentation moyenne des températures de l'air à Jersey, afin d'attirer l'attention sur le changement climatique.
Source : Ouvrir dans un nouvel onglethttps://www.bailiwickexpress.com/jsy/news/126-reasons-be-green/. © Copyright Bailiwick Publishing 2023

La déontologie joue alors un rôle majeur, pour rester neutre et conserver le recul nécessaire à une prise en main objective du chiffre. La datavisualisation doit rester une opportunité pour mieux communiquer et porter une image de marque forte de la statistique publique en accord avec son temps.

En définitive, la statistique publique a pris le tournant de la datavisualisation : celle-ci a été diffusée à la fois dans une version statique, permettant une meilleure appréhension des publications par l’image et la scénarisation, et dans une version dynamique, offrant à voir des monceaux de données. Les problématiques sur ce dernier volet sont importantes et renvoient à l’identité même du statisticien : jusqu’où doit-on donner à voir les données et quel est le niveau de qualité nécessaire pour la diffusion ?

Des ressources spécifiques sont le plus souvent nécessaires (design, montage) : le besoin d’un « designer talentueux » est identifié (Ouvrir dans un nouvel ongletBateman et alii, 2010). Le mariage des compétences du statisticien et du designer graphique est nécessaire pour réaliser des produits esthétiques, engageants mais aussi rigoureux et informatifs.

La large mise à disposition de données permet à d’autres acteurs de s’emparer de celles-ci et de réaliser leurs propres datavisualisations. Les data-journalistes relayent ainsi l’information diffusée par la statistique publique de plus en plus souvent sous forme de dataviz, ce qui redonne de la valeur aux données produites.

De manière plus légère, la statistique publique doit-elle s’engager dans le data-art qui pousse l’esthétique jusqu’à l’œuvre d’art dans la représentation des données ? L’engagement du « lecteur » est une question essentielle et le chiffre doit marquer les esprits. Lors de l’exposition en partenariat avec la SNCF pour les 75 ans de l’Institut, nos travaux ont été présentés sous la forme de grands panneaux pédagogiques. Au-delà de la qualité de nos données, la présence de l’Insee hors de ses murs est essentielle pour porter ses messages.

À l’ère du web, avec toujours plus de données et de moins en moins de temps pour les lire, la dataviz s’impose comme un moyen extrêmement efficace pour partager et communiquer autour des statistiques. Elle se développe de plus en plus et de façon de plus en plus sophistiquée et la tendance ne semble pas près de s’arrêter. Elle a dès lors un vrai rôle à jouer dans le débat public, et un rôle à part entière dans la communication.