Couleurs de cartes

Les participant·es analysent plusieurs cartes représentant exactement les mêmes données mais utilisant des choix graphiques différents.

Dans un premier temps, ils et elles observent une série de cartes montrant les ventes de glyphosate par département. Les valeurs sont identiques sur toutes les cartes, mais les couleurs utilisées changent.

Par exemple :

une première carte utilise une échelle allant du jaune au rouge ;

une deuxième introduit davantage de vert ;

une troisième utilise majoritairement du vert, même pour des valeurs relativement élevées.

Les participant·es décrivent alors l'impression produite par chaque carte :

La situation paraît-elle grave ?

Les différences entre départements semblent-elles importantes ?

Quels départements attirent immédiatement l'attention ?

Dans un second temps, plusieurs cartes du taux d'incidence du Covid-19 en décembre 2021 sont présentées. Là encore, les données sont comparables mais les palettes de couleurs diffèrent fortement : rouge, bleu, vert-jaune-violet, brun, etc.

Enfin, les participant·es réalisent eux-mêmes une carte à partir d'un même jeu de données. Ils sont libres de choisir :

les couleurs ;

le nombre de classes ;

les seuils ;

l'échelle utilisée.

Les cartes produites sont ensuite comparées collectivement.

Explication de l'activité

Les cartes semblent souvent présenter des informations objectives.

Pourtant, de nombreux choix graphiques influencent fortement notre perception :

couleurs utilisées ;

contraste ;

seuils de découpage ;

nombre de catégories ;

amplitude de l'échelle.

Par exemple, dans les cultures occidentales :

le rouge est souvent associé au danger ;

le vert évoque davantage une situation normale ou acceptable.

Ainsi, une même valeur pourra sembler inquiétante ou rassurante selon la couleur qui lui est attribuée.

La carte ne ment pas nécessairement : les données peuvent être parfaitement exactes. Cependant, la manière de les représenter peut orienter l'interprétation du lecteur.

L'activité permet également de comprendre qu'il n'existe pas toujours une représentation unique et neutre des données.