Pau · Tarbes · BéarnUn projet de communication ? Décrivez-le, on vous rappelle
Accueil / Guides / Data visualisation : rendre un chiffre lisible avec des graphiques qui ne mentent pas
data

Data visualisation : rendre un chiffre lisible avec des graphiques qui ne mentent pas

Un graphique est un argument. Il peut rendre un chiffre compréhensible en une seconde, et il peut faire dire à ce chiffre exactement le contraire de ce qu'il dit, sans qu'aucune valeur soit fausse.

Schémas et diagrammes colorés posés sur une table en bois
Schémas et diagrammes colorés posés sur une table en bois

Parlons de votre projet

Un rappel sous 24 h ouvrées. Sans engagement.

Étape 1 sur 2 — votre besoin

Étape 2 sur 2 — vous joindre

Florian Bourret bébé, la photo qu’il a choisie pour se présenter

Par Gérant de Happiness, consultant SEO7 septembre 2026

Synthèse express

Pas le temps de tout lire ? Faites résumer cette page par :

ChatGPTPerplexityGoogle mode IAClaudeCopilotMistralGrok

Ouvrir la version .md

Astuce : ajoutez index.md à n’importe quelle adresse du site pour obtenir sa version texte.

La data visualisation, en deux mots

La data visualisation, ou dataviz, désigne la représentation visuelle de données, ce que l'anglais appelle data visualization : un graphique, un diagramme, une carte, un tableau de bord. Son but est la compréhension rapide d'informations chiffrées, pas la décoration. Elle n'est réservée ni au big data ni à la science des données : une série statistique de dix lignes mérite le même soin. Dans une entreprise, la visualisation de données sert à trois choses : analyser des données pour soi, les présenter à une équipe, les publier pour un public.

Ce guide traite surtout du troisième cas, le plus exposé : la data visualisation publiée sur un site, dans une plaquette ou dans une présentation, là où un lecteur extérieur doit comprendre seul, sans personne pour lui expliquer le graphique.

La première question : que veut-on montrer

Une visualisation répond à une question. Si la question n'est pas formulée, le graphique ne montre rien.

Quatre familles de questions couvrent l'essentiel des besoins de visualisation de données d'une entreprise.

Une comparaison entre plusieurs éléments.

Une évolution dans le temps.

Une répartition entre les parties d'un tout.

Une relation entre deux variables.

Le type de représentation graphique découle de la question, pas d'une préférence esthétique. Choisir le diagramme d'abord et chercher ensuite ce qu'il montre produit des visuels décoratifs.

Le type de graphique selon la question

Pour une comparaison : un diagramme en barres, horizontales quand les intitulés sont longs. C'est le graphique le plus lisible qui existe et le plus sous-employé.

Pour une évolution : une courbe, avec le temps en abscisse.

Pour une répartition : des barres empilées ou, avec précaution, un diagramme circulaire.

Pour une relation entre deux variables : un nuage de points.

Le nuage de points, pour deux variables

Le nuage de points mérite un mot, parce qu'il est le seul des diagrammes courants à montrer une relation entre deux variables. Chaque point représente un élément, un client, un mois, une agence, placé selon deux valeurs : par exemple le budget publicitaire en abscisse et le nombre de demandes reçues en ordonnée. Si les points s'alignent, les deux variables varient ensemble ; s'ils forment un nuage informe, aucune relation n'apparaît. Deux précautions d'analyse statistique : une relation visible n'est pas une cause, et quelques points isolés suffisent à tromper l'œil sur un petit échantillon. Indiquez le nombre de points, et ne tracez une droite de tendance que si elle aide la compréhension.

Le diagramme circulaire

Une remarque sur le diagramme circulaire, souvent appelé camembert. L'œil compare mal des angles. Au-delà de trois ou quatre parts, il devient illisible, et un diagramme en barres dit la même chose plus clairement. Il reste acceptable pour montrer qu'une part domine largement.

Les cartes, les nuages de mots et les tableaux de bord

Trois autres représentations reviennent souvent dans les outils de dataviz.

La carte, quand les données ont une dimension géographique : chaque zone colorée selon une valeur. Elle est parlante, et elle trompe facilement, parce qu'une grande zone peu peuplée attire l'œil plus qu'une petite zone dense. Rapportez les données à la population ou à la surface, et dites-le.

Le nuage de mots, où la taille de chaque mot dépend de sa fréquence. Il est décoratif plus qu'informatif : l'œil ne compare pas des tailles de mots, et un mot long paraît plus important qu'un mot court. À réserver à une illustration, jamais à une analyse.

Le tableau de bord, qui réunit plusieurs indicateurs, les KPI de communication par exemple, sur une même page. Il sert à suivre des données dans la durée, et la construction d'un tableau de bord marketing obéit à ses propres règles. Les règles de cet article s'y appliquent graphique par graphique, avec une contrainte de plus : les visualisations doivent se lire chacune seule, parce que personne ne lit un tableau de bord dans l'ordre.

Ce qui déforme sans mentir

Quatre procédés courants, tous techniquement exacts et tous trompeurs.

L'axe tronqué. Un axe vertical qui ne part pas de zéro amplifie visuellement les écarts. Une variation de deux pour cent devient une montagne. Sur un graphique en barres, la longueur de la barre représente la valeur : couper l'axe rend la comparaison fausse. Sur une courbe, c'est parfois acceptable pour montrer une variation fine, à condition de le signaler.

L'échelle non linéaire employée sans le dire.

Le volume employé pour une grandeur linéaire. Doubler une valeur en doublant la hauteur et la largeur d'un pictogramme quadruple la surface perçue.

La sélection de période. Choisir la date de départ qui arrange est le procédé le plus efficace et le plus difficile à détecter.

La règle qui protège

Toute visualisation doit permettre de retrouver les données.

Concrètement : les valeurs sont indiquées, ou l'axe est gradué de façon lisible, et la source est citée avec sa date.

Un visuel où l'on ne peut pas retrouver les données n'est pas une visualisation, c'est une illustration.

Cette règle a un effet secondaire utile : elle décourage les représentations trompeuses, parce qu'un lecteur qui a les données voit l'écart entre le dessin et la réalité.

Les sources

Une donnée publiée sans source n'a aucune valeur, et une donnée publiée avec une source vague en a peu.

Quatre éléments : qui a produit la donnée, ce qu'elle mesure exactement, sur quelle période, et où on peut la vérifier.

Ce qui ne constitue pas une source : une infographie trouvée en ligne, un article qui cite un chiffre sans le sourcer, une étude évoquée sans son année ni son commanditaire.

Une pratique que je conseille : avant de publier une donnée reprise ailleurs, remonter à la source primaire. L'exercice est instructif. Une part des données chiffrées qui circulent dans le marketing ne remonte à rien de vérifiable.

Les couleurs

Trois règles suffisent.

Ne pas faire porter l'information par la seule couleur. Une part de la population perçoit différemment le rouge et le vert, et un graphique imprimé en noir et blanc perd toute distinction. Ajoutez une forme, un motif, une étiquette.

Limiter le nombre de couleurs. Au-delà de cinq ou six catégories, personne ne suit la légende. Regroupez, ou changez de représentation.

Utiliser la couleur pour signifier, pas pour décorer. Une couleur d'accent sur l'élément important, des gris pour le reste, est presque toujours plus lisible qu'une palette complète.

Le test : passez le graphique en niveaux de gris. Ce qui devient indistinct doit être corrigé.

Les étiquettes et la légende

Une légende oblige l'œil à faire des allers-retours entre le graphique et un encadré.

Quand c'est possible, étiquetez directement : le nom de la série au bout de la courbe, la valeur au bout de la barre. Le graphique se lit alors sans décodage.

Trois autres points.

Les axes doivent porter leur unité. Un axe sans unité est illisible.

Les intitulés longs vont en barres horizontales, ce qui évite de les incliner. Un texte incliné à quarante-cinq degrés est pénible à lire.

Et le titre du graphique doit dire ce qu'il montre, pas ce qu'il représente. « Les demandes ont doublé entre janvier et juin » est plus utile que « Évolution des demandes ».

L'infographie

C'est un format à part, qui combine plusieurs représentations, des informations et du texte pour raconter quelque chose.

Trois écueils fréquents.

L'accumulation : quinze chiffres sans hiérarchie, dont on ne retient rien.

Le pictogramme décoratif : une icône par chiffre, qui n'ajoute aucune information et occupe la place.

Et l'absence de fil : une infographie doit raconter, avec un ordre de lecture évident.

Deux contraintes techniques souvent oubliées. Une infographie est une image : son contenu n'est ni sélectionnable, ni traduisible, ni accessible aux lecteurs d'écran. Il faut donc reprendre les données essentielles en texte à côté.

Et sur un support numérique, elle est souvent consultée sur un téléphone, où une image haute et étroite se lit en défilant alors qu'une image large devient illisible.

Les tableaux

Ils sont sous-estimés. Un tableau bien composé est parfois plus lisible qu'un graphique.

Il convient quand les données exactes comptent, quand les catégories sont nombreuses, et quand le lecteur doit chercher une ligne particulière.

Trois règles de composition.

Les colonnes de valeurs sont alignées à droite, en chiffres de même largeur, ce qui permet de comparer les ordres de grandeur d'un coup d'œil.

Les intitulés sont à gauche.

Et les filets sont discrets ou absents : ce qui structure un tableau, c'est l'alignement, pas les traits.

Sur un support imprimé

Deux contraintes s'ajoutent.

L'impression peut être en noir et blanc, ou en couleurs mal restituées. Un graphique dont la lisibilité dépend de teintes proches ne survit pas.

Et le lecteur ne peut pas agrandir. Un graphique conçu sur un écran de vingt-sept pouces et imprimé en quart de page A4 devient illisible.

La méthode : créez le graphique à sa taille finale, et vérifiez en imprimant. Cela paraît évident et cela ne se fait presque jamais.

L'honnêteté comme méthode de travail

Une dernière remarque, qui n'est pas technique.

Une visualisation qui exagère se remarque, et il coûte plus qu'il ne rapporte. Un lecteur qui repère un axe tronqué remet en cause tout le reste du document.

À l'inverse, publier un chiffre qui ne va pas dans le sens qu'on souhaite, en l'expliquant, produit un effet de crédibilité que rien d'autre ne produit.

C'est un choix éditorial et il est cohérent avec le reste : sur un support d'entreprise, la seule chose que le lecteur ne peut pas vérifier, c'est votre honnêteté, et c'est ce qu'il évalue en permanence.

Les chiffres dans un texte

Une question de composition qui décide de la lisibilité, et qui n'a rien à voir avec les graphiques.

Cinq règles simples.

Un chiffre dans une phrase se lit mieux arrondi. Écrire quarante-deux pour cent plutôt que 41,7 % dans un texte courant ne trahit rien si la valeur exacte figure ailleurs.

Deux chiffres à comparer doivent être dans la même unité et sur la même base. Comparer un montant et un pourcentage n'apprend rien.

Un pourcentage sans sa base ne veut rien dire. Une hausse de cinquante pour cent sur deux unités est une hausse d'une unité.

Un ordre de grandeur vaut mieux qu'une fausse précision. Trois chiffres significatifs suffisent presque toujours.

Et un chiffre porte toujours sa source et sa date, y compris dans un texte courant.

Les tableaux dans un support imprimé

Ils obéissent à des règles de composition qui les rendent lisibles ou illisibles.

Quatre principes.

Les colonnes de valeurs s'alignent à droite, en chiffres de même largeur, ce qui permet de comparer les ordres de grandeur d'un coup d'œil.

Les intitulés s'alignent à gauche.

Les filets sont discrets ou absents : c'est l'alignement qui structure un tableau, pas les traits. Un tableau quadrillé de traits épais est plus difficile à lire qu'un tableau aéré.

Et les lignes alternées en fond très léger aident sur un tableau long, à condition que le contraste reste faible.

Une contrainte propre à l'imprimé : un tableau qui déborde d'une page se lit très mal. Mieux vaut le scinder par thème que le laisser courir sur deux pages.

Vérifier un chiffre avant de le publier

Quatre questions, systématiquement.

D'où vient-il ? Une source primaire, pas un article qui le cite.

Que mesure-t-il exactement ? Le périmètre change souvent le sens.

Sur quelle période, et auprès de quel échantillon ?

Et qui l'a produit, avec quel intérêt éventuel ?

Cette dernière question n'est pas une accusation : une donnée produite par un acteur du secteur peut être excellente, et le lecteur a le droit de savoir d'où elle vient.

Un chiffre qui ne passe pas ces quatre questions ne se publie pas. C'est contraignant au début, et cela devient une habitude.

Le graphique dans une présentation

Un usage particulier, où les règles se durcissent.

Une visualisation projetée est vue de loin, quelques secondes, par des gens qui écoutent en même temps.

Quatre conséquences.

Un graphique par idée. Deux courbes à comparer, pas huit.

Des étiquettes lisibles à distance, ce qui exclut les légendes en petit corps.

Un titre qui dit la conclusion, pas le sujet.

Et pas de tableau : un tableau projeté n'est pas lu, il est photographié par ceux qui y tiennent.

Une pratique qui aide : préparer deux versions, celle qui est projetée et celle qui est envoyée après, plus détaillée. Elles n'ont pas le même rôle et elles ne peuvent pas être la même.

Une méthode en cinq étapes pour une dataviz lisible

  1. Formulez la question, et la variable à montrer : un chiffre d'affaires, un nombre de demandes, un délai.
  2. Préparez les données : vérifiez la source, l'unité et la période, retirez les doublons. L'analyse commence là, pas dans le logiciel.
  3. Choisissez la représentation selon la question : comparaison, évolution, répartition ou relation entre variables.
  4. Créez une première version, puis retirez tout ce qui n'aide pas la compréhension : quadrillage chargé, effets 3D, couleurs décoratives.
  5. Faites le test : montrez la visualisation à quelqu'un qui ne connaît pas le sujet et demandez-lui ce qu'il en retient. Puis rédigez une description textuelle, pour les lecteurs d'écran et pour ceux qui ne verront jamais l'image.

Aucune formation particulière n'est nécessaire pour appliquer ces étapes ; il faut surtout accepter de passer plus de temps sur la question et les données que sur l'apparence.

Exemple : créer des graphiques dans Excel en quelques minutes

Pour passer de la méthode à la pratique, prenons un cas courant : douze mois de demandes de devis, saisis dans deux colonnes, le mois et le nombre de demandes.

  1. Sélectionnez les deux colonnes, intitulés compris.
  2. Dans l'onglet Insertion, choisissez Graphiques recommandés : le logiciel propose plusieurs visualisations adaptées à vos données, avec un aperçu. Le bouton Tous les graphiques donne accès aux autres types.
  3. Retenez la courbe ou les colonnes, selon la question posée, et validez.
  4. Utilisez les trois boutons qui apparaissent à droite du visuel : Éléments de graphique pour ajouter les étiquettes de données et les titres d'axes, Styles de graphique pour retirer les effets, Filtres pour masquer une série.
  5. Réécrivez le titre pour qu'il dise la conclusion, et vérifiez que l'axe vertical part de zéro.

Ces fonctionnalités existent dans les versions d'Excel de 2016 à Microsoft 365. Les réglages par défaut ne sont pas des erreurs, mais ils ne font pas les choix à votre place : la couleur d'accent, l'arrondi des valeurs et la source en pied de figure restent à ajouter à la main. Créez ensuite un modèle à partir de ce premier visuel : les suivants reprendront les mêmes réglages, et vos visuels se ressembleront d'un document à l'autre.

Les outils de data visualisation

Nul besoin d'un logiciel coûteux pour produire une visualisation de données correcte. Les outils de dataviz se rangent en quatre familles.

Le tableur. Microsoft Excel ou un tableur gratuit suffit pour l'essentiel des graphiques d'une entreprise : barres, courbes, nuages de points. La plupart des erreurs décrites plus haut viennent des réglages par défaut, pas de l'outil.

Les outils de tableau de bord. Power BI Desktop, application gratuite de Microsoft, et Google Data Studio, longtemps appelé Looker Studio (l'adresse de sa page porte encore ce nom), gratuit pour les créateurs comme pour les lecteurs de rapports, se connectent à des sources de données : un tableur, une base, un outil de mesure d'audience comme Google Analytics 4. Ils produisent des tableaux de bord qui se mettent à jour, et servent à suivre des données dans la durée plus qu'à publier un graphique isolé.

Les outils de publication. Datawrapper, par exemple, propose une offre gratuite pour créer des graphiques, des cartes et des tableaux interactifs, les intégrer à une page web ou les télécharger en image PNG. C'est la famille la plus adaptée à une dataviz destinée à un article ou à un site.

Le code. Les bibliothèques de visualisation des langages de programmation donnent une liberté totale, au prix d'un temps de développement que peu d'entreprises ont. Matplotlib, en Python, produit des visuels statiques, animés ou interactifs ; D3.js, en JavaScript, sert aux visualisations sur mesure publiées dans une interface web. Toutes deux sont libres et gratuites, et elles demandent d'écrire du code : un projet pour un développeur ou un analyste, rarement pour le responsable communication d'une PME.

Le choix d'un outil de data visualisation compte moins que les règles décrites ici : chacun de ces logiciels produit aussi facilement un axe tronqué qu'un graphique honnête. Avant de choisir, listez les fonctionnalités dont vous avez réellement besoin (mise à jour automatique des données, interactivité, export pour l'impression), puis faites le test sur vos propres données, pas sur les exemples de démonstration.

Se former à la data visualisation

Aucune formation n'est indispensable pour appliquer les règles de ce guide. Elle le devient quand la visualisation de données entre dans le quotidien d'un poste : suivi commercial, reporting, analyse de campagnes numériques.

Trois niveaux, du plus léger au plus engageant.

L'autoformation. Microsoft Learn propose des parcours gratuits pour Power BI, et Google publie la documentation complète de Data Studio, que beaucoup connaissent encore sous le nom de Looker Studio. Avec ses propres données comme terrain d'exercice, quelques heures suffisent pour produire un premier rapport utile.

La formation courte en organisme. Les organismes de formation proposent des sessions sur Excel, Power BI ou les règles de la visualisation, en présentiel, à Paris comme en région, ou à distance. Vérifiez le programme : une formation qui ne montre que les menus d'un logiciel n'apprend pas à choisir une forme honnête pour un chiffre.

La certification. Pour un poste d'analyste, Microsoft délivre la certification Power BI Data Analyst Associate, obtenue par l'examen PL-300, qui porte sur la préparation, la modélisation, la visualisation et l'analyse des données. Elle a du sens pour un profil dont c'est le métier, beaucoup moins pour une petite entreprise qui publie trois visuels par an.

Sources

  • Microsoft, « Power BI Desktop », microsoft.com, consulté le 4 octobre 2026 (application gratuite).
  • Google Cloud, « Data Studio » (page cloud.google.com/looker-studio), consulté le 4 octobre 2026 (gratuit pour les créateurs et les lecteurs de rapports, version Pro payante).
  • Datawrapper, « Pricing », consulté le 4 octobre 2026 (offre Free : graphiques, cartes et tableaux, intégration web, export PNG).
  • Microsoft, « Créer un graphique avec les graphiques recommandés », support.microsoft.com, consulté le 5 octobre 2026 (Insertion, Graphiques recommandés, Tous les graphiques, boutons Éléments, Styles et Filtres ; Excel 2016 à Microsoft 365).
  • Microsoft Learn, « Microsoft Certified : Power BI Data Analyst Associate » (examen PL-300, ressources de préparation gratuites), consulté le 5 octobre 2026.
  • Matplotlib, matplotlib.org (« Visualization with Python », visualisations statiques, animées et interactives), consulté le 5 octobre 2026.
  • D3.js, d3js.org (« The JavaScript library for bespoke data visualization », licence ISC), consulté le 5 octobre 2026.

Questions fréquentes

Qu'est-ce que la data visualisation ?

C'est la représentation visuelle de données chiffrées, sous forme de graphique, de diagramme, de carte ou de tableau de bord, pour les rendre compréhensibles d'un coup d'œil. On l'appelle aussi dataviz ou visualisation de données.

Quel outil de data visualisation choisir pour une petite entreprise ?

Le tableur que vous utilisez déjà couvre la plupart des besoins. Pour suivre des données dans la durée, un outil de tableau de bord gratuit comme Power BI Desktop ou Google Data Studio. Pour publier un graphique sur un site, un outil de publication comme Datawrapper. Dans les trois cas, ce sont les règles de représentation qui font la qualité du résultat.

Quel type de graphique choisir ?

Selon la question posée : des barres pour comparer, une courbe pour une évolution, des barres empilées pour une répartition, un nuage de points pour une relation. Le type découle de la question, pas d'une préférence.

Un axe doit-il partir de zéro ?

Sur un graphique en barres, oui : la longueur de la barre représente la valeur, et couper l'axe fausse la comparaison. Sur une courbe, un axe tronqué peut se justifier pour montrer une variation fine, à condition de le signaler.

Le camembert est-il à éviter ?

L'œil compare mal des angles. Au-delà de trois ou quatre parts, un graphique en barres dit la même chose plus clairement. Le diagramme circulaire reste acceptable pour montrer qu'une part domine largement.

Peut-on faire de la data visualisation sans savoir coder ?

Oui. Le tableur, les outils de rapports comme Power BI Desktop ou Data Studio et les outils de publication en ligne fonctionnent sans écrire une ligne de code. Le code devient utile pour des visualisations sur mesure, ou très nombreuses et produites automatiquement.

Comment citer une source dans un visuel ?

En indiquant qui a produit la donnée, ce qu'elle mesure, sur quelle période, et où la vérifier. Une infographie trouvée en ligne n'est pas une source.

Comment rendre un graphique accessible ?

En ne faisant pas porter l'information par la seule couleur, en limitant le nombre de catégories, en étiquetant directement, et en reprenant les données essentielles dans une description textuelle à côté de l'image.

Faut-il préférer un tableau ou un graphique ?

Un tableau quand les valeurs exactes comptent ou quand le lecteur cherche une ligne précise ; un graphique quand c'est la forme générale qui compte. Un tableau bien aligné est souvent plus lisible qu'un graphique médiocre.