La datavisualisation interactive, perception et transmission de …clementboissy.fr/shared_files/Memoire_BOISSY.pdf · apparaître de nouveaux modèles grâce à ces masses de données

La datavisualisation interactive, perception

et transmission de linformation

Mmoire de fin dtudes

Clment Boissy - Master CPEAM - 2015 - Universit Bordeaux Montaigne

Master Conception, Production, critures Audiovisuelles et

Multimdias

Remerciements

Je tiens tout dabord remercier M. Didier Paquelin et son quipe pdagogique, pour ces deux annes de master et leurs enseignements.

Je tiens remercier ma tutrice de mmoire, Mme Stphanie Cardoso, qui a su morienter et me conseiller durant la ralisation de mon mmoire.

Je tiens remercier la socit 10h11 pour mavoir accueilli pour mon stage de fin dtudes et mavoir form sur les domaines de la datavisualisation et de laudit de donnes.

Enfin, je tenais aussi remercier toutes les personnes ainsi que les participants, bien quanonymes, pour laide quils mont fournie dans la rflexion et la conception de ce mmoire.

Avant-propos

Les concepts de Big Data et dOpen Data sont au cur des problmatiques actuelles. Depuis maintenant une dizaine dannes, ces quantits gigantesques de donnes ne cessent de crotre. Cette croissance a t permise et facilite par les volutions technologiques, notamment par linformatique, ce qui a laiss place un question-nement : comment stocker, trier, rendre ces donnes dont le potentiel nest que trs peu exploit ? Car ces donnes reprsentent des sources dinformation prcieuses pour les entreprises qui les produisent. La solution la plus probante fut, et est encore, la datavisualisation (ou visualisation de donnes), solution dj existante depuis des sicles, mais qui a su retrouver un intrt tout particulier pour trier, arranger et faire apparatre de nouveaux modles grce ces masses de donnes inexploites.

En travaillant dans le domaine de la datavisualisation, nous nous rendons compte rapidement de lenjeu crucial que ce dernier va avoir. En effet, nous sommes submer-gs, dbords par ces quantits dinformations dverses via nos crans, et ce tout au long de la journe. Selon le spcialiste et chercheur en neuroscience cognitive, Michel Desmurget Si, aux tats-Unis, on passe environ 8h par jour derrire un cran, [en France] on constate galement que cest globalement le mme nombre dheures que celui dont font tat les tudes transnationales. 1 Linformation visuelle est partout, tout le temps et notre recherche de mobilit nous a amen crer des tlphones, tablettes mdiums de cette infobsit 2.

En cherchant organiser ces donnes, ces informations, pour les rendre plus compr-hensibles et mieux assimilables, nous nous rendons compte que la datavisualisation est devenue un outil incontournable. De fait, les volutions lies aux Technologies de lInformation et de la Communication (TIC), permettent de mettre en place des mthodologies, des outils de regroupement, de classification et de visualisation de la donne. Les nouvelles technologies permettent aussi une approche diffrente de la datavisualisation classique (diagrammes ou infographies) en y ajoutant de linterac-tivit et en amliorant, de facto (si linterface a t pense en ce sens), lexprience utilisateur.

Dans cette optique, jai dcid dorienter mes recherches vers ce nouveau mode

1 ATLANTICO, Les consquences que le temps fou pass devant des crans a sur le cerveau , Atlantico, 8 mars 2014 : http://www.atlantico.fr/decryptage/consequences-que-temps-fou-passe-devant-ecrans-cerveau-michel-desmurget-1004028.html (consult en mai 2015)

2 SAUVAJOL-RIALLAND Caroline, Infobsit : comprendre et matriser la dferlante dinformations, Editions Vuibert, 2013

http://www.atlantico.fr/decryptage/consequences-que-temps-fou-passe-devant-ecrans- cerveau-michel-desmurget-1004028.htmlhttp://www.atlantico.fr/decryptage/consequences-que-temps-fou-passe-devant-ecrans- cerveau-michel-desmurget-1004028.html

de communication quest la datavisualisation interactive. Cette dernire commence se populariser sur le web et rencontre un succs notable, succs rendu possible grce lvolution des technologies de linternet (HTML5, CCS3, JavaScript). Mais quen est-il rellement ?

La datavisualisation classique, comme nous pouvons la rencontrer depuis des annes, se cantonne un rendu purement informatif : visuellement peu recherche la plupart du temps, car le but est de transmettre une information, un message le plus claire-ment et le plus simplement possible. Cette notion vient se confronter aux nouvelles mthodes de consommation de linformation et de reprsentations visuelles. Lin-teractivit, ayant t rendue possible par des supports toujours plus nombreux, a permis une relle modification des comportements des utilisateurs qui ne sont plus de simples spectateurs. La datavisualisation prend alors un autre sens, lorsquelle est pense pour et par lutilisateur.

Cette recherche sarticule donc sur ces deux notions que sont la datavisualisation et linteractivit, lies linterface utilisateur et comment celles-ci influencent la per-ception de linformation transmise lutilisateur. Ce mmoire sefforcera de rpondre au mieux ce questionnement en explorant les relations, parfois probantes, parfois subtiles, entre la visualisation de donnes et linteractivit, entre le design dinformation et le storytelling de la donne, entre lexprience utilisateur qui dcoule de la prise en main de lobjet numrique et linterface, mdium essentiel de linformation.

Sommaire

Introduction

Chapitre I : La datavisualistion, espace de transmission de

linformation

I-1 Historique et tat des lieux de la datavisualisation

I-1-1 La reprsentation de la donne, une pratique ancienne

I-1-2 Internet ou la dmocratisation de la datavisualisation

I-2 De lintrt de la datavisualisation

I-2-1 Une rponse adapte la quantit grandissante dinformations

I-2-2 Une nouvelle manire de penser la donne

I-3 La datavisualisation interactive : lexprience au coeur de la

transmission de linformation

I-3-1 Lutilisateur et la datavisualisation interactive

I-3-2 Lexprience utilisateur, linteractivit et la transmission

dinformations

Chapitre II : La datavisualisation interactive, transmission et

perception de linformation

II-1 Linterface utilisateur dans la datavisualisation interactive

II-1-1 Limportance de linterface utilisateur dans la datavisualisation

interactive

1

4

5

5

7

9

9

11

13

13

13

14

17

18

19

II-1-2 Lutilisabilit de linterface en fonction de lutilisateur

II-2 Le storytelling de la donne dans la datavisualisation interactive

II-2-1 Bring Data to life ! : raconter les donnes

II-2-2 Comment lutilisateur cre son histoire

II-3 Le design, vecteur essentiel de comprhension dans la

datavisualisation interactivedatavisualisation interactive

II-3-1 Le data design

II-3-2 La dimension rhtorique du data design

Chapitre III : Analyse des rsultats de lenqute et interprtations

III-1 Explication de la mthodologie de recueil dinformation

III-1-1Phase1,dfinitiondelutilisateur

III-1-2 Phase 2, lexprience

III-1-3 Phase 3, le retour dexprience

III-2 Analyse des rsultats de lenqute

III-2-1 Lutilisateur

III-2-2 La datavisualisation

III-2-3 Conclusion de lenqute

Conclusion

Bibliographie

Annexes

Prsentation et datavisualisations des rsultats de lenqute

20

23

23

26

28

29

30

34

35

35

36

39

40

40

41

44

46

51

55

62

Introduction

Jai limpression que nous souffrons tous dun excs dinformations ou dune surabondance de donnes. La bonne nouvelle est quil se pourrait

quil y ait une solution cela : utiliser nos yeux David McCandless, 2012

David McCandless, auteur, data-journaliste et designer dinformation soulve ici une problmatique dactualit, ancre dans notre socit dhyper-consommation de linformation : la gestion de linformation. Se pose aujourdhui le problme dap-prhender ces flux importants de donnes qui sont produits chaque jour. Comme le dit D. McCandless, une solution existe dj pour cela, cette solution est nos yeux. Pour assimiler, classer, grer ces donnes, nos yeux sont le meilleur outil notre disposition.

La datavisualisation, ou visualisation de donnes statistiques, est une reprsentation visuelle dinformation et de donnes statistiques chiffres. En ce sens la datavisua-lisation (anglicisme regroupant le terme anglais de data (donne) et visualisation) permet un regroupement dinformations plus ou moins large comme lavance Vivien Lloveria dans son dossier, Data design-moi un mouton, de la datavisualisation au data storytelling chez Michel Paukner3, avec cette dfinition : Data-visualisation : solution iconique4 (Fontanille et Dondero, 2012),transformant en informations intelligibles un ensemble de donnes que le systme humain ne peut embrasser. La datavisua-lisation serait donc une mthodologie rpondant au besoin de comprhension dun ensemble de donnes, premire vue incomprhensible pour ltre humain ltat brut car trop tendu, mais qui, une fois transform et model en fonction du besoin dfini, deviendrait lisible et intelligible. Ds lors la datavisualisation devient image, et par cette mise en forme visuelle, celle-ci va donner du sens la donne.

On peut alors sinterroger sur la nature de cette image qui peut recouvrir diffrentes formes adaptes au message qui est transmis. Des plus anciennes reprsentations de donnes constates aux nouvelles formes de visualisation rendues possible grce au NTIC (Nouvelles Technologies de lInformation et de la Communication), les repr-sentations ont volu de manire faciliter le transfert dinformation : cartographies, diagrammes, Pie Chart (diagramme circulaire), ligne de temps (timeline)... Autant de

3 LLOVERIA Vivien, Data design-moi un mouton. De la data visualisation au data storytelling chez Michael Paukner , Communication & Organisation, Juin 2014, p. 99

4 DONDERO Maria Giulia, FONTANILLE Jacques, Des images problmes - Le sens du visuel lpreuve de limage scientifique, Pulim, 2012

1

La datavisualisation interactive, perception et transmission de linformationMmoiredefindtudesdumasterCPEAM

mthodes graphiques en fonction des donnes prsentes. Depuis quelques annes on constate des transformations notables, dues en grande majorit aux NTIC, dans ces mthodes de visualisation : le rajout dune dimension supplmentaire, lutilisateur.

Lutilisateur est dsormais pris en compte dans la conception dinterface web car il en est lutilisateur final. Aussi, il est au cur des rflexions poses par les designers dinterfaces qui cherchent reprsenter une information le mieux possible. Ratta-che la datavisualisation, cette recherche passe par une meilleure comprhension de la donne pour une meilleure retransmission visuelle. Dans le mme temps, les volutions technologiques ont permis aux dveloppeurs dexplorer de nouvelles mthodes dinteractivit5. ce compte, la question de la perception de linformation par lutilisateur est une donne primordiale dans le cadre de sa mise en valeur via une interface interactive.

Nous nous poserons donc la question suivante : En quoi la datavisualisation interac-tive influence la perception de linformation par lutilisateur ?

Dans cette optique il convient de dfinir le champ dtude propos par cette probl-matique. En effet, ce mmoire se concentre sur la corrlation entre linteractivit de la donne par le design et la perception de cette mme donne par lutilisateur. La datavisualisation interactive y est donc un lment essentiel mettre en parallle de manire constante avec la perception que lutilisateur peut en avoir. Nous naborderons donc que trs peu les problmatiques de lOpen Data et de la conception, mme sils sont relis invitablement la datavisualisation; ou encore les concepts de visuali-sations statiques. Ce mmoire se concentrera donc sur un sujet spcifique, en plein essor, la croise entre trois concepts/domaines : la datavisualisation, linteractivit, lutilisateur. Pour cela, nous aborderons et ferons appel, lors du dveloppement de cette rflexion, plusieurs domaines dtudes connexes comme le design dinter-face utilisateur, le storytelling, lexprience utilisateur, linteraction homme/machine et laffordance lie lutilisation de la datavisualisation.

Afin dapporter des prcisions notre recherche thorique, nous illustrerons nos pro-pos par un compte rendu de la mthodologie de recueillement dinformations choisi. Ce recueillement sest effectu via un questionnaire en ligne qui a regroup quarante participants. Ce questionnaire anonyme se droulait en trois phases : la premire partie a permis de rassembler et constater les habitudes dutilisation dinternet des participants, la seconde partie proposait de mettre en situation les participants grce quatre expriences et la dernire partie se concentrait sur le retour dexprience

5 Des volutions technologiques couples avec des supports de plus en plus performants ont permis de proposer une nouvelle exprience lutilisateur : ralit augmente, motion data, ralit virtuelle, trackpad

2


des participants. Ce questionnaire a permis de faire ressortir plusieurs profils dutili-sation mais aussi des diffrences dans la hirarchisation de linformation et dans la perception de linformation lie au design et linteractivit.

Par cette mthodologie de recueillement de linformation, nous cherchons rpondre aux hypothses suivantes :

La datavisualisation interactive permet une meilleure comprhension et diffusion de linformation.

Linteractivit, lie la donne, invite lutilisateur devenir acteur de la datavi-sualisation.

Le data design entrane une modification de la donne et de linformation transmise.

Dans un premier temps, nous proposerons une tude de la datavisualisation, dans sa globalit avec un tat des lieux de cette pratique, son intrt grandissant dans nos socits connectes ainsi quune approche du rle de lutilisateur au sein de cette discipline. Puis, dans un second temps, nous nous focaliserons sur la datavisualisa-tion interactive en nous appuyant sur une tude approfondie de linterface utilisateur, du storytelling de la donne (ou comment raconter une histoire grce aux donnes) et du rle essentiel du design dans la transmission de linformation. Pour finir, nous prsenterons le compte rendu de la mthodologie de recueil dinformations et nous nous confronterons une analyse prcise des comportements utilisateurs dans le cadre dune mise en situation.

3


4

CHAPITRE I

LA DATAVISUALISATION, ESPACE DE

TRANSMISSION DE LINFORMATION

I-1 Historique et tat des lieux de la datavisualisation

La datavisualisation joue un rle de mdiation entre une ralit et sa reprsentation

tienne Armand Amato, 2015

La datavisualisation, ou visualisation de donnes est une pratique ancienne contraire-ment ce que la majorit des personnes peuvent imaginer. Les graphiques, cartogra-phies comme nous pouvons les connatre aujourdhui sont le rsultat dune volution lente et structure qui a dbut il y a plusieurs sicles de cela. Le projet Milestones6 (Friendly et Denis, 2014) retrace cette volution de la visualisation de donnes au travers des sicles. On dcouvre alors, que la premire reprsentation du monde, prmisse des cartographies modernes, remonterait -6200 avant J.-C., reprsentant la ville de Konya, en Turquie, ct de son volcan. Ds lors la datavisualisation na cess de devenir un lment incontournable de reprsentation. Aujourdhui, celle-ci sest dmocratise et popularise sur Internet. La volont des utilisateurs de com-prendre facilement et rapidement linformation recherche a contribu son essor, la rendant quasi-indispensable.

La datavisualisation nest donc pas une invention rcente, comme laffirme V. Llo-veria, docteur en Science du Langage de lInformation et de la Communication lUniversit de Limoges : Par ce constat historique nous souhaitons dconstruire lide reue quelle [la datavisualisation] serait une invention rcente, ne de lappa-rition de linformatique. 7

I-1-1 La reprsentation de la donne, une pratique

ancienne

La reprsentation visuelle de la donne sinscrit dans lhistoire de lhumanit et a volu en fonction de celle-ci. Le projet Milestones, mis en place par Michael Friendly, professeur de psychologie lUniversit de York et par Daniel J. Denis, professeur associ en psychologie quantitative lUniversit du Montana, en 2014 montre cette volution au travers des sicles de la visualisation de donnes. Ce projet regroupe

6 FRIENDLY Michael, J. DENIS Daniel Milestones in the history of thematic cartography, statisti-cal graphics, and data visualization , 2011 : http://datavis.ca/milestones/ (consult en juillet 2015)

7 Ibid., note 3

5


http://datavis.ca/milestones/

lensemble des datavisualisations qui ont t ce jour retrouves et considres comme une reprsentation visuelle de donnes et dinformations. ce titre, la premire carte du monde est attribue au philosophe grec Anaximandre en -550 av J.-C.8, dont la reprsentation ne nous est pas parvenue mais qui a pu tre reconstitue grce des descriptions ultrieures. Par la suite, la premire carte routire au monde, date de -336 avant J.-C9. est attribue aux Romains.

Dans cette optique, on note les premires traces de ce qui pourrait tre les toutes premires visualisations de donnes interactives physiques : les jetons dargiles msopotamiens. Le besoin de visualiser des donnes remonte aux premires civilisations. Un aspect remarquable des reprsentations de donnes physiques tels que les jetons dargile msopotamiens est quelles peuvent tre librement manipules et rorganises. 10 Le besoin dinteragir se faisait donc ressentir ds le IVe sicle av J.-C. Ces dcouvertes permettent de comprendre le besoin de mettre en image des informations, des donnes pour en faire merger un sens et leur donner une signification.

La datavisualisation moderne, comme elle nous apparat aujourdhui, cest--dire la reprsentation de donnes brutes, a t instaure par les statisticiens du XVIIIe sicle dont la graphique11 de Jacques Bertin est hritire. J. Bertin dfinit la gra-phique comme tel : La graphique utilise les proprits de limage visuelle pour faire apparatre les relations de ressemblance et dordre entre les donnes. Ce langage recouvre lunivers des diagrammes, des rseaux et des typographies 12. Ainsi, la graphique serait lessence mme de ce que nous nommons aujourdhui, trivialement, datavisualisation. Car pour quil y ait datavisualisation, il ne suffit pas de mettre en image des donnes mais il faut que celles-ci fassent apparatre des modles13, des relations.

La visualisation dinformations nest donc pas une pratique rcente comme nous pou-

8 Ibid., note 6

9 Ibid., note 6

10 JANSEN Yvonne et DRAGICEVIC Pierre, Les reprsentations physiques de donnes , I2D Information, donnes & documents, Juin 2015, n52, p. 37

11 BERTIN Jacques, Smiologie graphique, Mouton/Gauthier-Villard, 1967

12 BERTIN Jacques, GIMENO Roberto, MILTRANO Patrice, La graphique, Jacques Bertin, 2000 , Science Po Atelier cartographie, 2000 : http://cartographie.sciences-po.fr/fr/la_graphique_jacques_bertin2 (consult en mai 2015)

13 MCCANDLESS David, La beaut de la visualisation des donnes , Ted.com, Juillet 2010 : http://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization?language=fr (consult en mai 2015)

6


http://cartographie.sciences-po.fr/fr/la_graphique_jacques_bertin2http://cartographie.sciences-po.fr/fr/la_graphique_jacques_bertin2http://www. ted.com/talks/david_mccandless_the_beauty_of_data_visualization?language=fr

vons nous limaginer. Celle-ci a dbut il y a des sicles et sest perfectionne au fil des volutions et des dcouvertes technologiques. La datavisualisation moderne (ou visualisation de donnes statistiques), comme nous la connaissons aujourdhui, est le rsultat de ces volutions. Cependant, celle-ci prend ses sources au XVIIIe sicle grce aux recherches de statisticiens, et notamment au pre de la reprsentation de donnes, William Playfair. Avec larrive dInternet, la multiplication des supports, et le surplus de donnes, la datavisualisation a su se dmocratiser et devenir un outil incontournable de communication et de transmission de linformation.

En fait de calculs et de proportions, le plus sr moyen de frapper lespritest de parler aux yeux.

William Playfair, 1780

I-1-2 Internet, ou la dmocratisation de la

datavisualisation

Lutilisation intensive de la datavisualisation est mettre en parallle avec lappari-tion dInternet. Cette utilisation croissante permet de grer un problme grandissant quest le Big Data mais aussi qui permet de rpondre une demande croissante des utilisateurs : comprendre rapidement et simplement.

Par le biais dinfographies, la datavisualisation sest rpandue sur le web comme une solution miracle permettant dapprhender un grand nombre dinformations en peu de temps. Avec cet engouement, des socits spcialises dans le traitement de la donne se sont mises produire des solutions innovantes pour visualiser les donnes de manire plus rapide. Avec ces entreprises, de nouveaux enjeux sont apparus et pour y rpondre, de nouveaux professionnels se sont forms : data-jour-naliste, data-scientist, data-analyst, data-designer14... Avec cela, des plateformes ont merg pour proposer des services de datavisualisations prconues accompagns doutils pour raliser, crer rapidement et simplement des visualisations de donnes.

Cette mulation autour de la donne (avec laccs sans limites aux donnes des administrations (Open Data)), a fortement chang nos comportements face linfor-mation. Outre la volont de mobilit, induite par des nouveaux supports comme les smartphones et tablettes, notre volont de sinformer, de savoir et davoir accs linformation sans limitation a permis la popularisation de la datavisualisation. Cette dernire, dans limaginaire collectif, se cantonnait la reprsentation visuelle de donnes en diagrammes. Les designers ont donc jou un rle prpondrant dans

14 Traduction littrale : Scientifique de la donne, Analyste de la donne, Designer de la donne

7


sa reprsentation en lui donnant un sens visuel et en la rendant plus accessible.

Dans le mme temps, linteractivit sest couple la datavisualisation pour donner naissance cet hybride quest la datavisualisation interactive. Le but tant de chan-ger le statut de lutilisateur : passif dans un premier temps pour devenir actif dans un second temps. Cette implication de lutilisateur a permis de laisser merger de nouveaux modles de corrlation entre les donnes reprsentes, ce qui donne ce dernier lentire libert daction et de recherche dinformation. Ces possibilits facilitent la comprhension et lintgration de linformation.

La datavisualisation apparat donc comme une rponse ncessaire cette volont de diffusion (entreprise) et de rception (utilisateur) de linformation. Sa popularisation tient dans le fait quelle permet daborder des problmatiques complexes tout en les vulgarisant pour en faciliter la comprhension. Selon Antonio Casilli, chercheur en sociologie : La datavisualisation permet de reproblmatiser des rsultats de faon pertinente pour le grand public. 15

15 CASILLI Antonio Casilli et ARRUABARRENA Ba, Voir pour comprendre et comprendre pour voir , I2D Information, donnes & documents, Juin 2015, n52, p. 40

8


I-2 De lintrt de la datavisualisation Data is the new oil 16

auteur inconnu

La datavisualisation, dans nos socits contemporaines, trouve son sens dans sa capacit synthtiser plusieurs donnes, souvent complexes, et les imager pour leur donner un sens intelligible. Sa fonction premire est donc dassurer la transmis-sion dinformations, dtre un vecteur et un mdia de ces donnes. Celle-ci trouve dautant plus son utilit alors que nous sommes confronts aux grandes problma-tiques induites par le Big Data.

En parallle de ces problmatiques viennent sajouter de nouveaux besoins. Les donnes cres varient en fonction des usagers. Une masse de donnes cre par une entreprise naura pas la mme finalit que celle cre par un particulier. Pour les entreprises, les donnes constituent un nouveau march vierge quil suffit dexploi-ter. Pour les particuliers et utilisateurs dobjets connects, les donnes reprsentent une quantification de leur vie : sant, sport, localisation, consommation, autant de donnes qui sont devenues un modle conomique lucratif.

La datavisualisation est alors considre comme un outil des plus performants pour classer, grer, comprendre ces flux de donnes incessants. Elle permet aussi dap-porter un nouveau regard sur la donne : elle nest plus simplement une mesure ou une observation, elle devient, aprs avoir t travaille, une information qui cre du sens, et qui devient, de facto, intelligible. Cest par ce processus de raffinement de la donne que la datavisualisation devient un mdia de communication puissant.

I-2-1 Une rponse adapte la quantit grandissante

dinformations

Pour bien comprendre le Big data, il faut connatre son histoire. Le mouvement a t amorc il y a une quinzaine dannes avec lmergence de donnes trop volumi-neuses pour tre manipules par des techniques traditionnelles telles que les bases de donnes relationnelles et les requtes SQL. Les moteurs de recherche ont t confronts dimportants volumes de donnes, le plus souvent, non structures.

16 La donne est le nouveau ptrole , auteur inconnu

9


Face ces difficults, Google a cr en 2006 Big Table17, une base de donnes compresse qui permet de stocker des donnes grande chelle.

Bien que la problmatique de donnes volumineuses soit apparue au dbut des annes 2000, le terme Big data napparat que mi-2010 sur le Web. Le Big data reprsente donc dnormes volumes de donnes structures ou non structures, difficilement grables avec des solutions classiques de stockage et de traitement, qui proviennent de sources diverses et sont produites en temps rel. Le Big data est le point de rencontre entre la multiplication des donnes non structures, les besoins danalyse de ces donnes et les progrs de la technologie.

La datavisualisation sefforce donc dapporter une solution viable de communication de ces donnes stockes. Celle-ci se doit de rpondre aux trois difficults engendres par le Big Data et communment appeles les 3V 18 :

Volume des donnes : cest la quantit de donnes gnres par les utilisateurs et les entreprises.

Vitesse des donnes : cest la frquence laquelle les donnes sont gnres, captures et partages.

Variabilit des donnes : cest la prolifration des donnes venant de terminaux diffrents et tant encodes selon leurs systmes.

Ainsi, la datavisualisation, par son processus interprtatif, apparat comme loutil permettant de transformer ces donnes en visuels intelligibles et comprhensibles. Selon Hakim Hachour, matre de confrence en sciences de linformation et de la communication luniversit Paris 8, le traitement de ces masses de donnes se fait en plusieurs tapes : La visualisation demande lexcution de trois processus pralables : 1) extraire des donnes ( partir de diffrentes sources, notamment les interfaces de programmation) ; 2) les transformer (notamment via des mthodes algorithmiques) ; 3) charger ces donnes transformes (notamment dans un systme daide la dcision) ; 4) visualiser les donnes charges ou traites. 19 Ce processus de traitement de la donne est facilit par des programmes spcialiss permettant de grer de grosses quantits de donnes en un temps rduit.

17 CHEMINAT Jacques, Bigtable, la base de donnes NoSQL de Google passe au Cloud , Silicon.com, 6 mai 2015 : http://www.silicon.fr/bigtable-base-de-donnees-nosql-de-google-passe-cloud-115615.html (consult en mai 2015)

18 SCHMIDT Stefan, Les 3 V du Big Data : Volume, Vitesse et Varit , Journaldunet.com, 31 mai 2012 : http://www.journaldunet.com/solutions/expert/51696/les-3-v-du-big-data---volume--vi-tesse-et-variete.html (consult en mai 2015)

19 HACHOUR Hakim, De la fouille la visualisation de donnes : un processus interprtatif , I2D Information, donnes & documents, Juin 2015, n52, p. 43

10


http://www.silicon.fr/bigtable-base-de-donnees-nosql-de-google-passe-cloud-115615.htmlhttp://www.silicon.fr/bigtable-base-de-donnees-nosql-de-google-passe-cloud-115615.htmlhttp://www.journaldunet.com/solutions/expert/51696/les-3-v-du-big-data---volume--vitesse-et-variete. htmlhttp://www.journaldunet.com/solutions/expert/51696/les-3-v-du-big-data---volume--vitesse-et-variete. html

Ces problmatiques ont aussi apport une modification de nos comportements vis--vis des donnes produites. Aujourdhui notre intrt est palpable car nous sommes de plus en plus connects, ce qui signifie que nous sommes de plus en plus nombreux produire des donnes. De mme, ces donnes ne sont plus considres seulement comme des mesures, des observations, mais elles sont penses visuellement, et doivent pouvoir transmettre un message.

I-2-2 Une nouvelle manire de penser la donne

La donne nest donc plus uniquement pense de manire statistique, cest--dire comme une mesure, une mtrique, mais comme une information, un message qui va crer du sens pour lutilisateur. Ce sens est le rsultat direct de sa transformation dune entit brute en une entit visuelle qui va veiller chez lutilisateur une motion. Cette motion est un enjeu essentiel pour les entreprises qui font de la donne une matire marchande.

La datavisualisation a donc une valeur stratgique pour les entreprises. Tout dabord dun point de vue marketing. Celle-ci permet de grer les donnes engranges par lentreprise sur les ventes, les comportements, lexprience des clients Et de les retranscrire visuellement pour avoir un meilleur impact. Ces donnes servent aussi anticiper et comprendre les fluctuations du march concern. La datavisualisation permet de reprsenter des donnes qui peuvent crer de nouveaux modles et tre mis en corrlation suivant les besoins que lentreprise peut avoir. Celle-ci facilite la reprsentation mentale tout en apportant une plus-value avec une vision globale. Autre fait, la datavisualisation est devenue un outil de communication interne et externe. Interne, car elle permet de communiquer rapidement des informations essentielles et facilite le processus de communication et externe car celle-ci renseigne sur les activits de lentreprise rapidement et simplement.

Du point de vue lutilisateur, la vision que celui-ci pouvait avoir de la donne a radica-lement chang. Depuis quelques annes, on assiste ce changement des mentalits induit par la proposition de nouveaux services (GPS, traceurs, publicits cibles) et lamlioration de certains supports (smartphones, smartwatch, tablettes). Les utilisa-teurs sont devenus des producteurs de donnes par le biais de la dmocratisation du numrique dans leur quotidien. Nous produisons de linformation sous forme de donnes brutes. Pour exemple, mme si 80 % des Franais sont conscients quils gnrent une trace numrique, 70 % nenvisagent pas de modifier leurs compor-

11


tements et leurs usages des outils numriques20. Ainsi, ce type dusages tmoigne dune gestion et dune production non matrises des donnes personnelles : go-localisation, paiements par carte bancaire, utilisation des moteurs de recherche... Autant de comportements gnrateurs de donnes.

Ces nouveaux comportements de production et de rception de la donne ont per-mis la cration de ce que lon appelle une datavisualisation interactive . En effet, la quantit dinformations et les moyens technologiques disponibles ont permis au designer dinterface et aux dveloppeurs de crer cet hybride, la croise dune datavisualisation et dune application web.

20 BVA, tude sur la confidentialit des donnes sur internet , BVA, 2014 : http://www.bva.fr/fr/sondages/les_francais_et_la_confiance_numerique_-_vague_2.html (consult en mai 2015)

12


http://www.bva.fr/fr/sondages/ les_francais_et_la_confiance_numerique_-_vague_2.htmlhttp://www.bva.fr/fr/sondages/ les_francais_et_la_confiance_numerique_-_vague_2.html

I-3 La datavisualisation interactive : lexprience au cur de la transmission de linformation

Lexprience nest jamais la somme dune srie de perceptions Sylvie Daumal, 2012

La datavisualisation interactive propose une autre dimension de visualisation lutili-sateur. En comparaison avec une datavisualisation classique statique, celle-ci amne lutilisateur simpliquer dans la cration de son modle de donne. Cette volution du statique au dynamique a t impulse par les volutions technologiques du web et des supports de rception. Yvonne Jansen et Pierre Dragicevic, respectivement doctorante et chercheur en visualisation dinformations constatent cette volution : les ordinateurs graphiques ont rintroduit la manipulabilit travers linteractivit qui, couple au traitement automatique, offrent des possibilits infinies pour lexplo-ration de donnes. Lexprience, au travers de linteractivit, rajoute une nouvelle dimension la datavi-sualisation, celle de la personnalisation et de la cration de modles innovants. Cette exprience se traduit de plusieurs manires : le ressenti de lutilisateur pendant sa manipulation, les outils qui lui sont mis disposition et son retour dexprience. En fonction de son ressenti, les informations disponibles sur la datavisualisation seront plus ou moins assimiles. Lutilisateur peut donc aborder dune nouvelle manire la datavisualisation interactive et les donnes reprsentes car, la diffrence des datavisualisations statiques, linformation prsente peut tre plus dense, plus large et rpartie de manire prsenter un panel complet des donnes. En effet, mme si les datavisualisations statiques numriques nont pas de format dfini, elles sont limites dans lexpression de leurs donnes, par le simple fait que lattention de lutilisateur reste minime.

Lexprience utilisateur, dans une datavisualisation interactive a donc un rle majeur jouer puisquelle va dfinir la russite ou non de cette dernire.

I-3-1 Lutilisateur et la datavisualisation interactive

Cette nouvelle manire de penser la visualisation commence merger et se dve-lopper sur diffrentes plateformes web : celle-ci prsente des avantages en matire classement de linformation et de distribution de donnes. En effet, les datavisualisa-tions interactives se basent sur des applications web relies des bases de donnes

13


informatiques. Pour certaines datavisualisations, ces bases de donnes sont mises jour en temps rel comme pour le plan interactif de la plateforme bordelaise Vcub.com21. Plus quune simple reprsentation heuristique, lutilisateur devient actif dans la recherche dinformations. Lintrt de cette nouvelle forme de visualisation rside donc dans son caractre interactif, cest--dire que lutilisateur a un rle jouer dans la dcouverte des donnes proposes, il se cre un parcours personnalis et peut rechercher une information spcifique sa demande en crant de nouveaux modles, de nouvelles structures en mettant en corrlations des donnes spcifiques.

Dans le mme temps, les datavisualisations interactives proposent un univers parti-culier qui se prte la dcouverte et au ludique. Intress par le sujet trait ou non, lutilisateur peut dcouvrir un univers propre la datavisualisation interactive et les technologies employes pour la visualiser. Par cette gamification22, cest--dire par la volont de rendre accessibles linformation et les donnes de manire ludique, lutilisateur sapproprie un peu plus la datavisualisation interactive. Cet aspect facilite la transmission dinformations, puisque lutilisateur dcouvre la datavisualisation de manire gradue, en interagissant avec cette dernire. Par cette mthode, Lutili-sateur a un rle essentiel jouer dans la datavisualisation interactive. En effet, au contraire dune datavisualisation statique, la datavisualisation interactive naffiche, gnralement, que les donnes slectionnes par lutilisateur, ce qui permet de lais-ser un champ de dcouverte pour ce dernier. De plus, selon Batrice Arruabarrena, doctorante en science de linformation et de la communication lUniversit Paris 8 : Les datavisualisations interactives permettent lutilisateur dagir sur linformation. Elles sont plus riches car elles offrent un agencement de linformation par granularit permettant chaque niveau dinformation dtre lisible : en surface pour une vue densemble et en profondeur pour rentrer dans le dtail, si ncessaire. 23 Lutilisa-teur a donc sa disposition une source dinformation tendue, gradue, selon des critres spcifiques la datavisualisation.

I-3-2 Lexprience utilisateur, linteractivit et la

transmission dinformations

Ces trois notions, lexprience utilisateur, linteractivit et la transmission de linforma-

21 VCUB, Plan interactif , Vcub.com : https://www.vcub.fr/stations/plan (consult en juillet 2015)

22 WIKIPEDIA, Ludification , Wikipedia.org : https://fr.wikipedia.org/wiki/Ludification (consult en juillet 2015)

23 ARRUABARRENA Ba, Lcosystme numrique de la datavisualisation , I2D Information, donnes & documents, Juin 2015, n52, p. 57

14


https://www.vcub.fr/stations/planhttps://fr.wikipedia.org/wiki/Ludification

tion, prennent une valeur indissociable lors de la conception et de la mise en place dune datavisualisation interactive. Chacune delles a un rle particulier qui ne peut tre dlaiss. Dans un premier temps, il sagit de dfinir chacun des termes. Lex-prience utilisateur, terme introduit par Donald Norman dans son ouvrage Design of Everyday Thing, est dfini par la norme ISO 9241-210:201 suivante : approche de conception et de dveloppement de systmes ayant pour objectif damliorer lutilisabilit des systmes interactifs en se concentrant sur lutilisation du systme concern, et en appliquant les connaissances et techniques existantes en matire de facteurs humains/dergonomie et dutilisabilit 24. Linteractivit, quant elle, est le fait que des entits exercent une action rciproque qui va modifier leur nature : Action rciproque quexercent lun sur lautre deux ou plusieurs systmes phy-siques. 25 Enfin, la transmission de linformation se dfinit par le fait de transmettre par un medium (support analogique ou numrique), un message dun expditeur un destinataire. De limportance de ces concepts dcoule la problmatique dune interconnexion au sein dun mme mdia. La datavisualisation interactive propose de rassembler ces concepts au sein dun mme outil.

Mais alors quen est-il de lexprience issue de lutilisation dune datavisualisation interactive ? Celle-ci varie du fait quelle est subjective en fonction du vcu et de lexprience propre chaque utilisateur. Y. Janssen et P. Dragicevic soulvent un problme de taille : Cependant, les visualisations interactives demeurent virtuelles, emprisonnes dans un espace deux dimensions, et les manipuler ncessite un apprentissage pralable. 26 Pour en prendre la pleine mesure, les datavisualisa-tions interactives ncessiteraient un apprentissage pralable de leur interface et des techniques qui leur sont rattaches. Pour Sylvie Daumal, fondatrice dUX Paris, Ce qui semble ais et facile lun prsente des difficults quasi insurmontables pour dautres. Le langage (textuel ou mtaphorique) de linterface, la manipulation du systme (au doigt, la souris, la voix, voire au geste) ne sont pas compris, ressentis ni matriss uniformment. La perception varie dune personne lautre. 27 Lexprience vcue lors de la visualisation varie donc bien en fonction de chaque utilisateur, de par ses particularits, de par ses connaissances sur le sujet trait ainsi que les contextes de la visualisation : Un dispositif satisfaisant en temps normal peut devenir pnible lors de conditions particulires : linconfort dun clairage inadapt ou une foule pressante dans un transport en commun peuvent rendre trs difficile

24 Plateforme de consultation en ligne (OBP), ISO 9241-210:2010(fr) , ISO : https://www.iso.org/obp/ui/fr/#iso:std:52075:fr (consult en juillet 2015)

25 Dictionnaire Larousse, Interaction , Dictionnaire Larousse : http://www.larousse.fr/diction-naires/francais/interaction/43595 (consult en juillet 2015)

26 Ibid., note 10

27 DAUMAL Sylvie, Design dexprience utilisateur, Eyrolles, 2012, p. 4

15


http://www.larousse.fr/dictionnaires/francais/interaction/43595http://www.larousse.fr/dictionnaires/francais/interaction/43595

lutilisation dune application mobile par ailleurs trs efficace. Lhumeur du moment peut aussi influer sur le degr de tolrance ou de patience 28

Linteractivit dcoule directement de linterface utilisateur. La datavisualisation inte-ractive propose diffrents moyens dapprhender linformation selon les donnes prsentes. Les interactions proposes par les NTIC sont multiples et diversifies, comme en tmoigne la singularit des supports : cliquer, zoomer, dessiner, se dplacer, reconnaissance vocale et faciale. Les interactions peuvent donc tre assez diverses et amliorer considrablement lexprience utilisateur en y ajoutant une plus-value ludique. Cependant, de mme que pour lexprience utilisateur, un apprentissage peut tre ncessaire aussi bien au niveau du support quau niveau de lutilisation de la datavisualisation.

Enfin, la transmission de linformation est le rsultat direct de lexprience utilisateur et de linteraction. Par ces deux concepts pralablement noncs, la transmission de linformation issue de la donne sopre de manire plus ou moins consquente. En effet, cette dernire nest efficiente que si lutilisateur a t rceptif aux informations prsentes.

28 Ibid., note 27

16


17

CHAPITRE II

LA DATAVISUALISATION INTERACTIVE,

TRANSMISSION ET PERCEPTION DE LINFORMATION

II-1 Linterface utilisateur dans la datavisualisation interactive

Nos vies sont pilotes par les donnes, et la prsentation de ces donnes est pour nous une opportunit de crer des interfaces tonnantes,

qui racontent de grandes histoires. Aaron Koblin, 2011

Linterface utilisateur est un lment essentiel de la composition dune entit num-rique, que ce soit un site web, une application web ou un logiciel. Celle-ci permet de faciliter la navigation de lutilisateur dans cette entit, en reprenant les codes instaurs de design. Elle doit tre comprhensible et utilisable pour nimporte quel utilisateur, du plus mrite au plus nophyte. De manire globale, une interface constitue tout ce qui se situe entre un systme et un utilisateur (aussi bien pour une production numrique quanalogique), cest le principe de linterface Homme/Machine. De fait, il est important de comprendre le systme dinteraction Homme/Machine qui prend tout son sens aujourdhui, ou linteraction est constante avec les objets numriques du quotidien. Ainsi, linteraction Homme/Machine regroupe lensemble des dispositifs matriels et logiciels permettant un utilisateur dinteragir avec un systme interactif.

Lorsque nous parlons dinterface utilisateur pour le web, nous entendons par l une interface graphique et textuelle, cest--dire une interface prsentant des lments de design graphique ainsi que des lments de langage sous forme de texte. Une interface utilisateur graphique (en anglais GUI pour Graphical User Interface) est un dispositif de dialogue Homme/Machine, dans lequel les objets manipuler sont dessins sous forme de pictogrammes lcran, que lusager peut utiliser en imitant la manipulation physique de ces objets avec un dispositif de pointage (une souris ou un pav numrique). Cette interface pourrait tendre seffacer dans quelques annes pour laisser place un autre type dinterface, linterface utilisateur naturelle ou NUI (Natural User Interface). Cette interface dite naturelle , ne se base pas sur des dispositifs de contrle qui doivent tre appris et donc artificiels . Celle-ci se base uniquement sur nos sens humains : le toucher, loue, la voix. Cette interface se doit dtre ergonomique pour lutilisateur et se doit dexploiter nos capacits acquises naturellement. Selon Bill Buxton, chercheur au centre de recherches Microsoft : Linterface est naturelle si elle exploite les capacits que nous avons acquises tout au long de notre vie dans ce monde. 29

Ce type dinterface pourrait tre une suite logique linterface graphique utilise dans

29 BUXTON Bill, Sketching User Exprience, Edition Morgan Kaufman, 2007

18


les datavisualisations interactives actuelles. Actuellement, les interfaces utilisateurs mises en place pour les datavisualisations interactives permettent lutilisateur dtre actif pendant la visualisation induisant une interaction avec lapplication. Linterface a donc un rle essentiel dans la perception de linformation que peut avoir lutilisateur, cette perception dpend de lutilisabilit et de lutilit de linterface.

II-1-1 Limportance de linterface utilisateur dans la

datavisualisation interactive

la diffrence de la datavisualisation statique, la datavisualisation interactive permet lutilisateur de se mouvoir et deffectuer des interactions au sein de lapplication web. Cette libert laisse lutilisateur dassembler, de classer et de modifier des donnes est permise en grande partie par linterface et les technologies utilises pour dvelopper lapplication. Cette interface est donc indispensable au bon fonctionnement de la datavisualisation. Pour Everardo Reyes, matre de confrence en science de linformation et de la communication lUniversit Paris 8, limage reprsentant la datavisualisation, apparait dj comme une interface : Une image de datavisua-lisation combine rgulirement des lments graphiques (lignes, points, couleurs) organiss dans une forme (une technique ou modle visuel) et senrichit dlments aidant sa communication et sa comprhension (textes, lgendes, images, figures). 30 Cette image-interface, comme E. Reyes la nomme ( Nous pouvons parler prsent dimages-interfaces car elles acquirent des caractristiques propres aux logiciels. 31), construit la partie visible donc de la datavisualisation interactive. En ce sens, lin-terface nest plus seulement un outil dinteraction de la datavisualisation, mais la datavisualisation elle-mme.

Ainsi, lutilisateur peut interagir avec cette image-interface en dployant les outils mis sa disposition : une datavisualisation interactive peut tre comprise en ce sens comme un environnement. Celle-ci propose une vision (dpendante et issue de celle du designer et du dveloppeur) du monde avec ses mtaphores (esthtiques, thiques), ses oprations (algorithmes, calculs, langages) et sa capacit voluer et sadapter aux demandes des utilisateurs. En ce sens, linterface utilisateur fait partie de cet environnement et participe sa comprhension par le biais dimages, de pictogrammes et dlments textuels : Au croisement de la smiotique plastique et de linformatique, ce sont les interfaces utilisateur qui mettent disposition les

30 REYES Everardo, La datavisualisation comme image-interface , I2D Information, donnes & documents, Juin 2015, n52, p. 38

31 Ibid., note 30

19


conventions de linteraction homme-machine pour les traiter. 32 De fait, linterface utilisateur de la datavisualisation interactive ne se cantonne plus lexcution dune tche, mais propose lutilisateur des dispositifs dinteractions propres cette dernire.

Limage-interface quest la datavisualisation interactive prend donc tout son sens lorsquelle est replace dans un environnement numrique en pleine volution. Les avances techniques et technologiques dans le domaine du numrique sont frquentes et rgulires. La datavisualisation interactive ne cesse de sarranger des codes du web, en sessayant des animations diffrentes, des conceptions innovantes, des donnes interconnectes et volutives. Ce nouvel outil de communication sinscrit parfaitement dans la volont de faire face ces flux de donnes massifs. Linterface utilisateur a donc un rle essentiel jouer dans la mise en place dune datavisuali-sation interactive, car cest elle qui va tre motrice de linteraction entre lutilisateur et le contenu. Cependant, pour quil y ait interaction, linterface utilisateur doit tre pense de manire faciliter celle-ci ainsi que la comprhension et la maniabilit de la datavisualisation interactive.

II-1-2 Lutilisabilit de linterface en fonction de

lutilisateur

Linterface utilisateur est un lment essentiel et omniprsent dans une datavisuali-sation interactive. Elle se dfinit par sa conception, mais aussi par sa prise en main, cest dire par son utilisabilit. Lutilisabilit est une notion englobant une partie des principes de lergonomie et de laffordance33. En ce sens, elle permet dvaluer, de quantifier le degr de satisfaction li lutilisation dun produit. Jakob Nielsen, expert en interaction Homme/Machine et cofondateur, avec Donald Norman, du Nielsen Norman Group, socit dexpertise en utilisabilit situe le concept dutilisabilit au sein dun concept plus large dacceptabilit dun systme34. Il dcrit ce modle par un arbre o lacceptabilit dun systme se divise en acceptabilit pratique et sociale. Lacceptabilit pratique englobe son tour un certain nombre de caractristiques dont la fiabilit, les performances et lutilit. J. Nielsen divise ensuite cette utilit en usability (utilisabilit). Ce modle met en vidence limportance de lutilisabilit pour lacceptation (et donc le succs) dun systme tout en soulignant que ce nest quun composant de cette acceptabilit.

32 Ibid., note 30

33 Laffordance est la capacite dun objet suggrer sa propre utilisation.

34 NIELSEN Jakob, Usability Engineering, Edition Morgan Kaufmann, 1993

20


Lutilisabilit est donc une notion faisant partie dun concept plus large, lacceptabilit permettant danalyser, dvaluer la russite ou non dun systme. Concrtement, la notion dutilisabilit se dfinit par la norme ISO 9241-11 comme le degr selon lequel un produit peut tre utilis, par des utilisateurs identifis, pour atteindre des buts dfinis avec efficacit, efficience et satisfaction, dans un contexte dutilisation spcifi. On peut aussi replacer lutilisabilit dans un contexte dergonomie web : la rgle des 3U . Cette rgle soulve une rflexion autour de lergonomie et la conception dun produit numrique avec un cheminement de pense : utile (percep-tion dutilit), utilisable (perception dutilisabilit), utilis (pratique concrte et retour dexprience). Lutilisabilit de linterface utilisateur, rattache la datavisualisation interactive est un lment indispensable de lexprience utilisateur et de la transmis-sion de linformation. Celle-ci se juge selon trois critres distincts :

Lefficacit : linterface permet lutilisateur datteindre le rsultat prvu. Lefficience : lutilisateur atteint le rsultat avec un effort moindre ou requiert un

temps minimal. La satisfaction : valuation subjective du confort et de linteraction pour lutilisateur.

Ainsi la question se pose de savoir comment penser lutilisabilit pour une datavi-sualisation interactive. Comme dj mentionn en amont, la datavisualisation inte-ractive est un outil hybride, mlangeant les principes de datavisualisations statiques et animes avec les modles dinteraction proposs par les nouvelles technologies. Ces nombreuses possibilits forcent une rflexion autour de linterface permettant linteraction entre lutilisateur et lapplication. Ds lors, la ncessit dapprofondir la rgle des 3U devient indispensable. Linterface utilisateur dune datavisualisation interactive doit prendre en compte plusieurs facteurs de rflexion :

Prendre en compte les capacits de lutilisateur : cette rflexion doit se centrer sur le niveau de lutilisateur et sur sa capacit interagir avec les technologies employes. Lutilisateur peut tre familier, ou non avec linterface, ce qui induit un cadrage de la cible vise par la datavisualisation interactive. Nous penserons diffremment linterface utilisateur en fonction dune tranche dge particulire ou dune catgorie professionnelle spcifique.

Prendre en compte lintelligibilit de la donne : outre lutilisateur, les donnes visualiser refltent la qualit de linterface prsente. La donne image doit tre intelligible et comprhensible via une interface graphique adapte cette dernire.

Prendre en compte le niveau dinteractivit : linteraction est un point fondamen-tal de la datavisualisation interactive. Cest donc tout naturellement quil faudra penser linteractivit en termes de plus-value. Comment les outils interactifs mettent-ils en valeur les donnes disposition ? Sont-ils indispensables ? Faci-litent-ils le processus de transmission dinformations ? Rajoutent-ils un aspect ludique ? Sont-ils utilisables ? Autant de questions auxquelles la datavisualisation

21


interactive doit se soumettre. Prendre en compte le design : linstar de linteractivit, le design et la conception

graphique sont indissociables de la datavisualisation. Ils doivent tre penss de manire scnariser la donne tout en la rendant intelligible. Le travail du designer, ici, est essentiel et sera la clef de la russite de la datavisualisation interactive.

Prendre en compte le matriel utilisateur : linterface doit tre pleinement acces-sible pour lutilisateur. De fait, il est ncessaire de prendre en compte le matriel de lutilisateur (support) et les technologies utilises (systme dexploitation, navigateur internet). Les dispositifs dinteraction relis linterface doivent donc tre adapts, selon les besoins de lutilisateur, aux supports et technologies potentiellement utilisables (principe dadaptabilit web).

Lexemple dIntactile DESIGN :

Ainsi, par exemple, dans le cadre dune analyse dimages ultrasonores mdicales, une personne a travaill plus de 6 mois sur un algorithme. Lutilisateur final, un mde-cin, passe environ 3 4 minutes pour les examiner. Le temps dattention accord par lutilisateur est donc particulirement court et il a besoin de percevoir trs rapidement linformation essentielle. Or, les nuances que cet algorithme tait capable dafficher taient trs varies. Elles demandaient une lecture assez longue et une attention soutenue. Il y avait un dcalage entre le temps dattention de lutilisateur et les capa-cits de prsentation du calcul. Il fallait rajuster lalgorithme. Cet exemple illustre la rencontre entre le besoin utilisateur et les capacits de calcul des technologies. 35

Cet exemple illustre le fait quune prise en compte minime des besoins et des capacits de lutilisateur final influence radicalement lexprience utilisateur. Une interface trop complexe, un design peu adapt et des technologies trop faibles ou trop puissantes viennent desservir la nature du message initial et altrer les donnes reprsentes. Aussi, il est important de donner du sens aux donnes reprsentes, qui isoles, ne peuvent voquer que des mesures indpendantes, mais qui, si elles sont assembles selon un processus narratif36, font merger de nouvelles dimensions interprtatives.

35 Voir Annexe 1

36 LLOVERIA Vivien, Data design-moi un mouton. De la data visualisation au data storytelling chez Michael Paukner , Communication & Organisation, Juin 2014, n46, p. 106

22


II-2 Le storytelling de la donne dans la datavisualisation interactive

Nulle chose nest comprhensible que par son histoire Pierre Teilhard de Chardin

La retranscription visuelle des donnes est un travail qui fait appel plusieurs spcia-lisations dans le domaine du numrique. Il y a bien sr le dveloppeur qui va pouvoir crer une structure technique de reprsentation, le data-analyst qui va rechercher, analyser les sets de donnes visualiser et le designer qui va imaginer la repr-sentation graphique globale. Dans ce processus de cration de loutil, une rflexion autour du processus de transmission de linformation doit tre pose : quelle est linformation que la datavisualisation interactive doit transmettre ? Cette question trouve sa rponse dans le fait de scnariser les donnes reprsenter. On parle de storytelling de la donne, ou data-storytelling.

Le data-storytelling na pas de dfinition exacte car il sagit dun terme rcent, mais nous pouvons lexpliquer de la sorte : le data-storytelling raconte une histoire construite partir de donnes, dans le but de les illustrer sous une autre forme que de simples tableaux de chiffres et de les rendre accessibles grce une reprsentation narrative comprhensible par tous. Celui-ci se rapproche des mthodes marketing mettant en avant des histoires motivantes, frappantes, mouvantes rattaches aux produits vendus, essayant ainsi daugmenter le capital sympathie de la marque. Le principe du data-storytelling reste similaire, cependant il ne vise pas les mmes finalits : celui-ci permet de faciliter la prise en main de donnes complexes en les vulgarisant de manire les rendre comprhensibles pour lutilisateur.

La datavisualisation interactive, de par sa nature, invite lutilisateur au data-story-telling. Dune part, grce son interactivit qui modifie le rle de lutilisateur en le rendant actif et dautre part en proposant une interface qui scnarise les donnes reprsentes. Ds lors, un processus en amont de la visualisation se forme pour traiter ces donnes et leur insuffler un sens.

II-2-1 Bring Data to life !37 : raconter les donnes

Le fait de vouloir raconter une histoire avec des donnes conduit une problma-tique de rflexion autour de celles-ci, notamment dans la manire de les scnariser et

37 Traduction : donner de la vie aux donnes !

23


donc, de les prsenter. Cette question autour discours narratif que lon peut apposer la donne est aborde par V. Lloveria dans la partie Raconte-moi une histoire sur les donnes(data-storytelling)38. Selon lui, le discours narratif mis en place dans le data-storytelling englobe deux parties distinctes et interconnectes : le rcit et le design : Cette transformation, quoique sommaire, parat suffire rendre compte du narratif dans les projets de data-storytelling qui distinguent clairement design et rcit 39. Dune part donc, le design vient apporter une esthtique particulire, dautre part le rcit apporte des lments textuels crateurs de la trame narrative. Ce processus est dautant plus visible dans les datavisualisations animes, cest dire, sous forme de vidos, o les lments du rcit sont raconts par une voix off et o ces lments sont concrtiss visuellement et de manire esthtique par le design.

Le data-storytelling dans la datavisualisation interactive, procde dune ncessit, aussi bien pour prsenter de manire cohrente les informations que pour la per-ception que lutilisateur va en avoir. En effet, le data-storytelling a la particularit de rendre la donne accessible en la replaant dans un contexte intelligible, humanis : Les histoires, notamment les histoires pertinentes, sont un moyen efficace de prsenter des donnes. 40 Si lon souhaite exposer des donnes sur le nombre de voyageurs par jour dans le monde, il serait logique, a priori, de faire rfrence des reprsentations graphiques faisant penser au voyage (transports, cartographies, lieux de traitement des passagers). Cependant, les reprsentations visuelles sont soumises aux interprtations individuelles, collectives et culturelles, ce qui peut radicalement modifier la perception dun utilisateur par rapport un autre. Une reprsentation graphique est donc toujours en lien avec un contexte de cration, danalyse et dobservation. Suivant la culture, un chat noir est associ un bon ou mauvais prsage. Il en est de mme pour les couleurs, les formes et les textures. Le fait donc de donner du sens la donne par une reprsentation esthtique, et de la placer dans un contexte narratif permet aussi damliorer le processus interprtatif de lutilisateur. En effet, la datavisualisation interactive dcoule la fois dune analyse des donnes et de leur reprsentation sous forme graphique et dynamique, ce qui vise acclrer le processus de comprhension et dinterprtation des chiffres en sadressant la fois au ct sensoriel et au ct rationnel de lutilisateur. Enfin, le data-storytelling ajoute une dimension ludique la datavisualisation, renforce par linteractivit. Lutilisateur sapproprie lhistoire linstar des mthodes dinteractions et influence sur la trame narrative en interagissant avec les donnes.

38 Ibid., note 36


40 WAISBERG Daniel, Raconter une histoire pertinente laide des donnes , Thinkwithgoo-gle.com, Mars 2014 : https://www.thinkwithgoogle.com/intl/fr-fr/article/raconter-une-histoire-perti-nente-a-laide-des-donnees/ (consult en juillet 2015)

24


https://www.thinkwithgoogle.com/intl/fr-fr/article/raconter-une-histoire-pertinente-a-laide-des- donnees/https://www.thinkwithgoogle.com/intl/fr-fr/article/raconter-une-histoire-pertinente-a-laide-des- donnees/

Le processus de cration du data-storytelling fait appel plusieurs comptences qui permettent dintgrer les donnes dans un rcit en prenant en compte un contexte particulier auquel celles-ci sont relies. Ce travail de la donne doit pouvoir faire res-sortir une vision suivre dans le dveloppement de la datavisualisation, une vision qui rendra accessible la donne en lui apposant un design propre au rcit choisi. Ce processus de cration du rcit doit venir complter la datavisualisation et lui donner une relle signification. Jim Stikeleather, directeur de la stratgie chez Dell, propose une mthodologie41 de cration de data-storytelling applique la datavisualisation interactive. Cette mthodologie repose sur trois rflexions cls :

La trame narrative : en tudiant les donnes choisies, des modles, des connexions peuvent stablir et laisser place un rcit. Cette trame doit tre pense en fonc-tion de la donne et de linteraction de lapplication finale. La trame narrative doit tre abordable pour le plus grand nombre dutilisateurs et ne pas pencher vers la complexit ce qui pourrait lasser ces derniers.

Le niveau du public vis : J. Stikeleather segmente son public en cinq audiences principales : novice, amateur, intermdiaire, expert et professionnel. Le novice ne connat pas le sujet, mais ne veut pas de simplification outrancire. Lamateur a des connaissances sur le sujet, mais souhaite obtenir une vue densemble. Lin-termdiaire aspire une comprhension profonde, concrte des complexits et des liens, ainsi qu un accs aux dtails. Lexpert veut plus dapprofondissement et de dcouvertes et moins de storytelling. Et le professionnel veut connatre les implications et les conclusions des probabilits pondres.

Limpartialit : les donnes ne doivent pas tre modifies, orientes pour servir une ide qui ne serait pas en adquation avec leur signification. De plus, il est indispensable de proposer lensemble des donnes possible dans la datavisua-lisation pour que lutilisateur ait toutes les informations dont il puisse disposer pour se forger sa propre opinion. D. McCandless soutient cette vision de la data-visualisation objective et entire en ajoutant : Il nous faut des chiffres relatifs qui soient connects dautres donnes pour que nous puissions voir une image plus complte, et ensuite cela peut conduire changer notre point de vue. 42

Le data-storytelling, rattach la datavisualisation interactive, a donc un rle de simplification, de vulgarisation en crant un rcit autour de la donne. Lutilisateur est invit participer ce rcit et interagir avec en le personnalisant. Cette approche interprtative de la donne permet dintroduire lutilisateur et de le placer au centre de la datavisualisation. Cette notion dutilisateur-acteur et non plus dutilisateur-rcep-teur, facilite le processus de transmission de linformation car ce dernier est attentif,

41 STIKELEATHER Jim, How to Tell a Story with Data , Harvardbusinessreview.com, 24 avril 2014 : https://hbr.org/2013/04/how-to-tell-a-story-with-data/ (consult en juillet 2015)

42 Ibid., note 13

25


https:// hbr.org/2013/04/how-to-tell-a-story-with-data/

concentr et impliqu, et donc, plus mme de retenir linformation.

II-2-2 Comment lutilisateur cre son histoire

Dans son article, Daniel Waisberg, analyste chez Google, dveloppe la notion de data-storytelling centre sur lutilisateur : Dans leur article Narrative Visualization: Telling Stories with Data (Visualisation narrative : raconter une histoire avec des donnes), les chercheurs de lUniversit de Stanford comparent le storytelling orient sur lauteur celui orient sur le lecteur. Un rcit orient sur lauteur ne permet pas au lecteur dinteragir avec les graphiques. Les donnes et les outils de visualisation sont choisis par lauteur et prsents au lecteur comme un produit fini, la manire dun article de magazine. linverse, le rcit orient sur le lecteur offre ce dernier la possibilit de jouer avec ces donnes. 43 Cette analyse dmontre limportance de centrer le rcit de la donne sur le lecteur, lutilisateur. Par cette mthode, lutilisateur devient acteur de la datavisualisation interactive en crant son propre cheminement et en modifiant la trame narrative dorigine. Cest par son interaction avec la data-visualisation que lutilisateur va crer son propre rcit et sa propre interprtation de linformation, place dans son contexte.

De cette manire, lutilisateur va crer de nouveaux modles en fonction des connexions possibles entre les donnes. Ces modles vont permettre dajouter une nouvelle dimension exploratoire la datavisualisation, plus libre grce linteractivit. Ce cheminement de pense doit tre facilit pour lutilisateur, cest--dire quil doit pouvoir sadapter au besoin de celui-ci. Concrtement, si lon prend lexemple de la datavisualisation interactive Snake Oil Supplements? 44 de D. McCandless, on retrouve lide dun parcours utilisateur unique chacun li limportante masse de donnes compile. En effet, D. McCandless explique cette datavisualisation interac-tive de la manire suivante : Mais ce que a met en vidence cest que visualiser les informations de cette faon est une forme de compression de connaissance. Cest une faon de tasser une norme quantit dinformations et de comprhension dans un petit espace. 45 La multiplicit des choix dmontre limportance du rcit que lutilisateur va se crer grce la trame narrative mise en place lors de la cration.

Maintenant penchons-nous sur la datavisualisation elle-mme. Celle-ci propose un panel de donnes consquent issu dtudes sur les complments alimentaires. Ces

43 Ibid., note 40

44 MCCANDLESS David, Snake Oil Supplements? , Informationisbeautiful.com : http://www.informationisbeautiful.net/play/snake-oil-supplements/ (consult en juillet 2015)

45 Ibid., note 13

26


http://www.informationisbeautiful.net/play/snake-oil-supplements/http://www.informationisbeautiful.net/play/snake-oil-supplements/

derniers sont prsents sous forme de bulles plus ou moins importantes en fonction de leur intrt (scientifique ou populaire) sur un axe des ordonnes reprsentant un indice de preuves 46 allant du plus faible au plus lev. Sur la partie droite de la datavisualisation on retrouve une interface permettant de coupler les donnes selon les informations recherches (noublions pas que la datavisualisation interactive se dfinit par le terme dimage-interface comme nous lavons abord prcdemment). Maintenant, lutilisateur, par les possibilits qui lui sont proposes et par le nombre dinformations disponibles, va pouvoir explorer la datavisualisation via un parcours qui lui sera propre. Ce parcours refltera le rcit que celui-ci a cr en saidant de la trame narrative mise en place par la datavisualisation. Lutilisateur est donc libre de crer de nouveaux modles, de nouvelles connexions de donnes selon la trame narrative et selon les principes dinteraction de la datavisualisation.

Ainsi, lutilisateur devient acteur de la datavisualisation, mais il est surtout replac au centre des histoires racontes comme le prcise Aaron Koblin, artiste numrique spcialis dans lexploration de la donne : Et alors que nous collectons de plus en plus de donnes personnelles et sociales, nous avons lopportunit et lobligation de maintenir lhumanit au centre des histoires racontes. 47 Cette volont de replacer lhumain au centre de lattention et non plus la machine, dnote dun profond chan-gement de mentalit qui influence la conception de la datavisualisation interactive : lutilisateur doit rester matre de son outil, il doit pouvoir le modifier, se lapproprier, lui donner du sens et en retirer un bnfice informatif.

46 Notre traduction pour le terme anglais evidence

47 KOBLIN Aaron, Visualizing ourselves with crown-sourced data , Ted.com, Mars 2011 : https://www.ted.com/talks/aaron_koblin (consult en juillet 2015)

27


https://www. ted.com/talks/aaron_koblin

II-3 Le design, vecteur essentiel de comprhension dans la datavisualisation interactive

La plus grande valeur dune image, cest quand elle nous oblige remarquer ce que nous ne nous serions jamais attendus voir

John Tukey

Dans les parties prcdentes, nous avons abord la datavisualisation interactive comme un outil de visualisation de donnes permettant dafficher un grand nombre dinformations en classant et simplifiant son accs. Nous avons pu voquer limpor-tance du design dans la rflexion (le design doit pouvoir raconter visuellement une donne), la conception (le design doit pouvoir mettre en valeur la donne et rendre intelligible linterface) ainsi que dans le rendu (le design doit pouvoir voquer un sens chez lutilisateur) dune datavisualisation. Le design est un lment essentiel, sinon indispensable, dans la conception dune datavisualisation (de manire littrale puisque le terme datavisualisation inclut la visualisation, soit une reprsentation graphique).

Comprendre la datavisualisation par son esthtisme demande de clarifier les termes de visualisation et de design (nous nous restreindrons une dfinition globale du terme de design). Ce que lon entend par visualisation (rattache au numrique), est le fait de formaliser un concept, des informations de manire esthtique. On retrouve cette notion de reprsentation graphique dans la dfinition du dictionnaire Larousse : Prsentation visuelle sur un cran, sous forme dimage alphanumrique ou gra-phique, dun ensemble dinformations traites par des moyens informatiques. 48 La visualisation est donc de fait relie au design, qui a pour but de penser et concr-tiser la reprsentation graphique. Sylvie Daumal dfinit le design comme un proces-sus de rflexion et de cration, suivant une mthodologie dfinie : Le design est une rflexion qui comporte des tapes de nature crative, dans le but de produire un processus de rponse qui comporte plusieurs tapes didation, de cration, de ralisation de prototype et daffinage qui vont bien au-del de ce que le sens commun appelle conception . 49

Lorsque lon rapproche le concept de design et de datavisualisation, on se rend

48 Dictionnaire Larousse, Visualisation , Dictionnaire Larousse : http://www.larousse.fr/diction-naires/francais/visualisation/82228 (consult en juillet 2015)

49 DAUMAL Sylvie, Design dexprience utilisateur, Eyrolles, 2012, p. 2

28


http://www.larousse.fr/dictionnaires/ francais/visualisation/82228http://www.larousse.fr/dictionnaires/ francais/visualisation/82228

compte que le processus de rflexion du design sapparente celui effectu autour de la donne. En ce sens, le livre blanc Time is Data, dit par la socit 10h11 spcialise dans laudit et la visualisation de donnes, pose les bases dune mtho-dologie de conception de la datavisualisation, inspire de celle du design : Pour construire notre mthodologie, nous nous sommes naturellement appuys sur le principe du double diamant50 [...]. Divis en quatre tapes distinctes (la dcouverte, la dfinition, la cration et la livraison), le schma met en lumire les diffrents modes de pense que les concepteurs utilisent. Adapt la problmatique de traitement de la donne, le schma devient un guide pratique pour envisager la conception un outil de visualisation de donnes. 51 Cette dmarche de conception dmontre le fait que le design ne se cantonne pas simplement un aspect purement esthtique dans la datavisualisation interactive, mais quil prend part entirement la rflexion pralable sur la structure ainsi que sur le message faire passer par les donnes.

Dans cette dmarche exploratoire du design, nous aborderons deux grands thmes rattachs la donne : le data design et sa dimension rhtorique. Le premier consiste-ra dfinir le terme de data design, mot rcent issu dun besoin de dfinir un nouveau champ de travail. Le second proposera une analyse de la figure de rhtorique inh-rente au design et les modifications quelle entrane sur la perception de lutilisateur.

II-3-1 Le data design

Le data design est, comme lexplique V. Lloveria, un arrangement entre deux concepts qui font merger une notion part entire, avec ses spcificits empruntes cha-cun : Juxtaposer design et data pour composer ce rcent data design nest pas une simple substitution de la traditionnelle visualisation par une quivalence juge plus contemporaine. Nous la tenons pour une commutation effective dans le fait que ce changement dexpression opre galement un profond changement de contenu (nonc) et de point de vue (nonciation) 52 Cette commutation peut tre dfinie comme un nouveau concept qui vise plusieurs objectifs dont le plus probant est la redfinition de la donne comme entit visuelle. En ce sens, la donne est consi-dre comme une valeur esthtique et non plus comme une mesure, une mtrique dnue de signification. La rflexion esthtique autour de linformation produite par le data design se rapproche fortement, voire se mlange avec le concept de design dinformation qui se base sur les mmes rflexions. Cependant le data design se

50 Schmatisation du processus de cration, sintgrant dans la dmarche du Design Thinking

51 DAUBERT-PANASYUK Julien, Time is Data, 10h11, 2015, p. 37


29


spcialise dans lanalyse visuelle de la donne (et donc dune valeur) alors que le design dinformation englobe une gnralit et peut se reposer sur une information textuelle (article par exemple).

La question se pose donc de savoir comment le data design sintgre dans la datavi-sualisation interactive et surtout, si celui-ci amne une relle modification de la per-ception des utilisateurs. Pour cette dernire, nous pouvons noter des changements dans la perception de linformation due lesthtisme dune visualisation, comme le soulve V. Lloveria : Elles [Les esthtiques informationnelles53] influencent positi-vement les performances et la satisfaction des usagers (Norman, 2002), amliorent la mmorisation et la justesse dinterprtation (Baterman, 2010) 54 Le design a donc ainsi un rle jouer dans la mmorisation, linterprtation et la perception de linfor-mation. Ramen au data design, ce rle esthtique que va jouer la donne est donc indispensable la bonne transmission de linformation : celle-ci tant soumise une bonne conception et une bonne reprsentation de la donne, ainsi qu une rflexion sur linteractivit qui va servir de medium. prsent, il convient de se demander de quelle manire le data design sintgre dans la datavisualisation interactive. Comme prcdemment voqu, le data design fait partie de la datavisualisation interactive, en ce sens quil est prsent chaque phase de cration. Le data design va recontex-tualiser la donne dans un environnement dfini et participer au processus de sto-rytelling de la donne : Cest [le data design] un domaine encore en friche. Ce qui est nouveau par rapport la datavisualisation, cest linterconnexion des donnes. ltat brut, elles sont relativement inertes. Il ne faut donc pas les prsenter de manire dissocie, mais au contraire les intgrer dans un rcit pour quelles racontent une histoire 55 Le data design va donc mettre en exergue des modles de pense spcifiques et intervenir dans la conception et la ralisation de linterface utilisateur. Il va penser lesthtique globale de la datavisualisation en fonction du public cible et de la masse de donnes visualiser. Le data design est donc un lment essentiel de la datavisualisation interactive.

II-3-2 La dimension rhtorique du data design

Nous pouvons rattacher le data design la figure de rhtorique, par le fait quil va

53 VANDE MOERE Andrew, PURCHASE Helen, On the role of design in information visualiza-tion , Information Visualization, vol. 10, n 4, octobre 2011, p. 356-371.


55 WARLIN Ariane, Le data design, nouvelle science de linformation ?, Stratgie magazine n1681, 2012 : http://www.strategies.fr/etudes-tendances/tendances/188580W/le-data-design-nou-velle-science-de-l-information.html (consult en juillet 2015)

30


http://www.strategies.fr/etudes-tendances/tendances/188580W/le-data-design-nouvelle-science-de-l-information.htmlhttp://www.strategies.fr/etudes-tendances/tendances/188580W/le-data-design-nouvelle-science-de-l-information.html

modifier, par des lments visuels, la nature du message. Selon Quintilien, rhteur du Ier sicle aprs J.-C., la figure de rhtorique est un changement raisonn du sens ou du langage par rapport la manire ordinaire et simple de sexprimer (Quintilien, 1978 : 11-13). Nous pouvons donc penser le data design (et le processus de reprsentation visuelle de manire gnrale) comme une figure de rhtorique qui influencerait le message transmis par la transformation de la donne. Cette rflexion pose le problme de lobjectivit, mais aussi de la modification de la donne qui peut altrer le message : si le data design donne du sens, il peut aussi le modifier.

Ainsi, la dimension rhtorique dans le data design nest pas ngligeable car elle va fortement et durablement modifier la perception que lutilisateur aura de la datavisua-lisation interactive. Celle-ci, aborde sous langle marketing, peut tre un rel atout communicationnel. En effet, communiquer par les donnes fait partie des nouveaux enjeux des marques prsentes sur le web. Ces donnes prsentent lactivit de la marque et son impact (le plus souvent sur des sujets environnementaux) dans le but daugmenter son capital sympathie, mais aussi de dmarcher de nouveaux clients. Le data design est donc un outil prcieux qui permet dorienter le message informationnel en fonction du type de donne montre. Celui-ci permet de donner du sens la donne, en la plaant dans un environnement choisi pour influencer sur le message transmettre. Pour tayer nos propos, nous avons choisi lexemple dune campagne publicitaire numrique lance par la marque Biocoop en avril 2015 qui se base sur une datavisualisation hybride, anime et interactive : La campagne co-responsable56. Cette datavisualisation prsente le leitmotiv de la marque (lco-logie) sous forme danimations enrichies dinformations textuelles et visuelles. Celle-ci prsente les donnes issues de la ralisation dun film commercial : nombre de kilomtres parcourus, photos prises, intervenants contacts Le tout mis en image avec un design co-responsable. Lutilisateur est alors convi explorer les donnes via une interface graphique innovante (issue de la norme de langage ASCII57). Cette campagne permet de mettre en avant les valeurs de la marque de par son design non conventionnel. Citons V. Lloveria qui tudie cette partie novatrice dans le design que constitue le design rhtorique : Dans notre cas prcis, les chercheurs mettent laccent sur une dimension rhtorique du design conue comme une nouveaute en rupture avec les normes ou conventions de lancien. 58 Cest par cette nouveaut que sexprime le design rhtorique qui va, dans le cadre de lexemple, marquer

56 La campagne co-responsable, Biocoop prsente la campagne co-responsable , lacampa-gneresponsable.fr : http://www.lacampagneresponsable.fr/ (consult en juillet 2015)

57 LAmerican Standard Code for Information Interchange (Code amricain normalis pour lchange dinformation), plus connu sous lacronyme ASCII, est une norme de codage de carac-tres en informatique.


31


http://www.lacampagneresponsable.fr/

visuellement lutilisateur et laisser une ide forte de la marque. Comme le dit Anne Beyaert-Geslin, professeure en science de linformation et de la communication lUniversit Bordeaux Montaigne : [Les objets de design] ne sont censs tre ni plus beaux ni plus fonctionnels, mais incarnent seulement cette nouveaute se suffisant elle-mme 59

Enfin, nous pourrions nous poser la question de la perte de linformation de la don-ne due son esthtisme argumentaire. Le data design, en redfinissant la don-ne modifie la perception que lutilisateur va en avoir. Ce positionnement dans la conception visuelle de la donne va provoquer une distanciation entre linformation brute (la donne non transforme) et le rendu final. Si le data design rarrange les codes de la visualisation classique, il est aussi au cur dune rflexion sur la retrans-cription des donnes. V. Lloveria a ddi, dans son tude intitule Data design-moi un mouton, De la data visualisation au data storytelling chez Michael Paukner, une grande partie la rinterprtation (ce quil nomme le re-design) dune datavisuali-sation par un designer dinformation, Michael Paukner. Cette tude sappuie sur la comparaison dune datavisualisation classique, produite par DataMarket, une socit spcialise dans laudit de donnes, et dune datavisualisation design de Michael Paukner, base sur celle de DataMarket. De prime abord, V. Lloveria remarque des diffrences graphiques qui viennent purer la datavisualisation de M. Paukner : Oprant la comparaison, une chose saute aux yeux dans la version de Paukner : elle parat moins prcise que sa version dorigine. En effet, labscisse millimtre de la version DataMarket, laisse place une version plus grossire naffichant plus que les quinquennats.60 Ces modifications dordre graphique sont la bonne volont du designer qui, dans un souci esthtique, va modifier lessence mme de la lecture de la datavisualisation. Plus loin, de nouvelles transgressions graphiques sont releves : Reprenant une expression de Jeanneret (2001), nous pourrions dire que ce dispositif complexe chercherait faire passer pour une vidence informationnelle un discours persuasif et manipulatoire. En effet, les courbes manifestent un mensonge ds que leur forme nest plus dtermine par les seules donnes (data-driven). Les sries de lignes horizontales, habituellement parallles, scartent avec le dplacement de gauche droite au seul bon-vouloir du designer (design-driven).61 Et de continuer aprs : Cependant il [le zoom progressif] engendre une premire dissonance cogni-tive induisant en erreur lobservateur lorsque la courbe, ainsi agrandie, saplatit pour donner limpression dune stagnation des effectifs : les lgendes accompagnant le

59 Anne Beyaert-Geslin, Smiotique du design, PUF, coll. Formes smiotiques, 2012, 256 p.


61 Ibid., note 36

32


33

La datavisualisation interactive, perception et transmission de linformationMmoire de fin dtudes du master CPEAM

pic de 1982 et la valeur finale de 2011 contredisent lvidence visuelle.62 Ds lors on pourrait penser que toute modification de la donne engendre une perte partielle ou totale de linformation quelle dgage. Si le design vient modifier la donne, il en modifie aussi le sens. Le data design vient rarranger la donne en fonction dune volont esthtique qui nest pas forcment mal intentionne. En effet, cette rinterprtation est signe dune appropriation personnelle du designer qui, loin de dtriorer la matire premire quest la donne, va lui donner une signification : [...] cest que son design nest pas destin servir le mensonge, mais bien tout autre chose : par cette dformation, il cherche nous raconter une histoire. 63

62 Ibid., note 36

63 Ibid., note 36

34

CHAPITRE III

ANALYSE DES RSULTATS DE LENQUTE ET INTERPRTATIONS

35

La datavisualisation interactive, perception et transmission de linformationMmoire de fin dtudes du master CPEAM

III-1 Explication de la mthodologie de recueil dinformationsNous avons abord jusquici des notions et des concepts complmentaires faisant partie de la datavisualisation interactive. Ces notions ont permis de dfinir un cadre dtude et dapprofondir notre rflexion sur les enjeux de la datavisualisation inte-ractive, et plus particulirement sur les modifications de la transmission dinforma-tions due linteraction. Nous avons donc choisi denrichir cette rflexion avec un questionnaire qualitatif anonyme abordant la perception centre sur lutilisateur par les diffrents types de datavisualisations. Ce questionnaire a pour but dobtenir un retour dexprience utilisateur la suite de manipulation avec des datavisualisations statiques, animes et interactives. La conception de ce questionnaire sest droule en trois temps. La premire phase a t pense de manire slectionner lutilisa-teu

Documents

La datavisualisation interactive, perception et transmission de …clementboissy.fr/shared_files/Memoire_BOISSY.pdf · apparaître de nouveaux modèles grâce à ces masses de données