Back Retour

« Il ne faut pas toujours tout prendre par le prisme de la technique » m’a-t-on dit, et c’est exactement le but du Data Storytelling !

Pour être comprise et assimilée jusqu’à permettre la prise de décision, l’information doit être mise en situation et racontée comme une véritable histoire.

Au départ, la Dataviz : l’art de faciliter la compréhension des données

La Dataviz ou Data Vizualisation englobe l’ensemble des techniques visant à représenter des données de façon graphique pour les rendre explicites. La pratique n’est pas nouvelle : elle a depuis longtemps été initiée par quelques chercheurs, pour rendre intelligibles les données, favoriser leur compréhension et permettre d’arriver à des conclusions.

Si l’on revient au XIXe siècle, les graphiques réalisés par Florence Nightingale ont notamment permis de mettre en lumière les principales causes de mortalité au sein de l’armée britannique en Orient. Présentés à des parlementaires peu au fait des rapports statistiques, ses travaux n’auraient pas eu le même impact sans cette représentation visuelle.
Un bon graphique, choisi à bon escient, facilite la compréhension, et permet de mémoriser plus efficacement le constat fait !

Diagramme des causes de mortalité au sein de l’armée en Orient par Florence Nightingale.

La Dataviz, telle qu’on l’entend aujourd’hui, est désormais omniprésente, portée par l’avènement de certains logiciels (Tableau ou Power BI par exemple) ou la bibliothèque d3.js. Connectés à des bases de données, ils permettent de créer des visualisations dynamiques, susceptibles d’être maintenues et actualisées au fil du temps. Facile à mettre en œuvre, la Dataviz apparaît donc comme une technique indispensable pour valoriser des jeux de données toujours plus nombreux.

Mais la simple compilation de données sous forme graphique est-elle vraiment suffisante pour comprendre une situation complexe ?

Data Storytelling : scénariser les données pour leur donner du sens

Un graphique très complexe pose de vraies difficultés d’interprétation, à plus forte raison s’il ambitionne de répondre à plusieurs questions différentes. Or pour être efficace, la présentation des données doit être simple, ce qui permettra à ses destinataires de l’assimiler et de la retenir.. C’est précisément le rôle du Data Storytelling. Il met en situation les données sous forme de scénarii, de façon à raconter une histoire à l’interlocuteur, avec autant de scénarii possibles que d’angles d’analyse.

Le fait de raconter une histoire, c’est-à-dire d’inscrire les chiffres dans un contexte narratif, améliore nettement la capacité de prise de décision. Nancy Duarte1, révèle que 63% des personnes retiennent des éléments factuels s’ils sont intégrés à une histoire, alors que le taux de mémorisation tombe à 5% quand ils sont présentés de façon brute, sans contexte !

L’exercice n’est pas trivial. Il suppose de questionner les données dans leur ensemble, en tenant compte de l’historique mais aussi de tous les éléments d’analyse contextuelle pouvant faire émerger des relations insoupçonnées, au besoin avec l’aide d’un Data Scientist ou d’un Data Analyst.

L’objectif ? Captiver le lecteur de façon à ce que le message et l’analyse restent inscrits dans sa mémoire.

Pour y parvenir, il est important de bien appréhender le contexte métier du destinataire, ses attentes et ses objectifs. En fonction des données disponibles, on s’attachera ensuite à créer les bonnes interactions des graphiques pour aboutir à un scénario logique et efficace, capable de répondre aux questions que se pose l’interlocuteur. Une fois amenée à sa conclusion, c’est cette histoire qui favorisera la prise de conscience et aidera à la décision.

Passer de la donnée au savoir !

L’une des principales difficultés du Data Storytelling consiste à ne pas proposer une vision unique et orientée des données, mais plutôt une vue impartiale – à 360 degrés – composée de plusieurs angles de vue distincts.

Quand les scénarii sont intuitifs et accessibles (à condition de respecter plusieurs règles d’ergonomie), les données deviennent alors de l’information, puis du savoir susceptible d’être partagé et utilisé pour prendre les décisions les plus pertinentes.

In fine, ce savoir se transforme progressivement en sagesse.2

Attention pour que ce savoir soit crédible et irréfutable, il est important de travailler sur des données de qualité et de s’assurer de la fiabilité des sources utilisées. On comprend dès lors à quel point la qualité des données (ou Data Quality) est un sujet d’actualité pour bon nombre d’entreprises.


Sources :

1 Data Story: Explain Data and Inspire Action Through Story par Nancy Duarte

2 Introduction to Data Visualization & Storytelling: A Guide For The Data Scientist – juillet 2019 – de Jose Berengueres


Elodie Quirin

Elodie Quirin

Data Storytelling and Dataviz expert
Linkedin Profil Linkedin

Me tenir au courant des derniers articles publiés ?

Vous souhaitez en savoir plus sur BGFI ?