Lorsqu’il s’agit de rendre compte d’une recherche, les graphiques représentant des données se doivent d’être les plus lisibles et les plus parlants possibles.

Exemples

Voici quelques pistes, toutes issues du site Darkhorse Analytics illustrant pour l’essentiel une approche « Less is more ».

Chaque page contient une animation fort informative et rapide à consulter qui présente l’essentiel de ce qu’il y a comprendre :

Références

D’autres références existent tel le monumental et instructif ouvrage de référence de D. C. Howell (2018). Méthodes statistiques en sciences humaines. Bruxelles : De Boeck. 821 p. Ouvrage plusieurs fois réédité.

Autres références souvent citées, Edward Tufte et son ouvrage The Visual Display of Quantitative Information (1983) dans lequel l’auteur développe plusieurs concepts fréquemment repris sur le web tels les suivants :

  • Data-Ink : Éléments indispensables d’un graphique, ceux qui montrent les variations et forment le « cœur » du graphique.
  • Data-Ink ratio : Proportion entre le Data-ink et le total de l’encre imprimée du graphique, l’idée étant de maximimer ce rapport en rendant le graphique plus informatif possible et en supprimant les éléments non indispensables.
  • Chartjunk : Éléments d’un graphique n’apportant aucune information utile au lecteur ou risquant de conduire à des conclusions erronées. Ces éléments sont donc à supprimer.
  • Lie factor : Capacité d’un graphique à faire mentir, volontairement ou non, les données en les représentant (les graphiques en 3 dimensions servent souvent d’illustration).