Structurer une d\u00e9marche de data design allant de la collecte et de la pr\u00e9paration des donn\u00e9es au choix de leur repr\u00e9sentation visuelle. Mobiliser les principes \u00e9ditoriaux, la s\u00e9miologie graphique et, lorsque cela est pertinent, l\u2019IA pour produire des datavisualisations lisibles, accessibles et fid\u00e8les aux donn\u00e9es.<\/p>","FOR_Obj":"
Cette formation s\u2019adresse aux professionnels amen\u00e9s \u00e0 analyser, expliquer ou communiquer des donn\u00e9es et souhaitant acqu\u00e9rir les fondamentaux du data design et de la datavisualisation :<\/p>\r\n
Aucune pratique pr\u00e9alable du data design ou de la datavisualisation n\u2019est requise.<\/p>\r\n
\u00catre \u00e0 l\u2019aise avec l\u2019utilisation courante d\u2019un ordinateur et amen\u00e9 \u00e0 manipuler, analyser ou pr\u00e9senter des donn\u00e9es dans un contexte professionnel.<\/p>\r\n
Une pratique \u00e9l\u00e9mentaire d\u2019un tableur est recommand\u00e9e pour faciliter les exercices de pr\u00e9paration et de manipulation des donn\u00e9es.<\/p>","FOR_Programme":"
Data designer avec plus de 5 ans d\u2019exp\u00e9rience en animation de formation.<\/span><\/p>","FOR_Ressources":" Questionnaire de positionnement \u276f<\/span> 2 jours pr\u00e9sentiel continus \u276f<\/span> \u00c9valuation des acquis<\/span><\/p>\r\n Expositive + interrogative + d\u00e9monstrative : expos\u00e9s th\u00e9oriques, d\u00e9monstrations, mise en pratique, feedbacks personnalis\u00e9s<\/span><\/p>\r\n Questionnaire de positionnement \u276f<\/span> 2 classes virtuelles discontinues (2 x 1 jour)\u00a0\u276f<\/span> \u00c9valuation des acquis<\/span><\/p>\r\n Expositive + interrogative + d\u00e9monstrative : expos\u00e9s th\u00e9oriques, d\u00e9monstrations, mise en pratique, exploration inter-sessions, feedbacks personnalis\u00e9s<\/span><\/p>\r\n \u2026\/\u2026\u00a0<\/p>\r\n Une visualisation r\u00e9ussie ne commence pas par le choix d\u2019un graphique. <\/span>Elle commence par une s\u00e9rie de questions : quelles donn\u00e9es avons-nous r\u00e9ellement ? Sont-elles fiables et correctement structur\u00e9es ? Que voulons-nous montrer ? \u00c0 qui ? Avec quel niveau de pr\u00e9cision ? Sur quel support ? Et quelle repr\u00e9sentation permettra de transmettre l\u2019information sans la d\u00e9former ?<\/span><\/p>\r\n Cette formation constitue le socle de notre parcours en data visualisation. Elle ne se limite ni \u00e0 l\u2019apprentissage d\u2019un logiciel ni \u00e0 l\u2019application de quelques \u00ab bonnes pratiques \u00bb graphiques. Pendant deux jours, nous suivons les principales \u00e9tapes qui permettent de passer d\u2019un ensemble de donn\u00e9es brutes \u00e0 une information visuelle compr\u00e9hensible : collecte et pr\u00e9paration, analyse, angle \u00e9ditorial, choix de la repr\u00e9sentation, s\u00e9miologie graphique, couleur, hi\u00e9rarchisation et \u00e9valuation de la lisibilit\u00e9. Le programme int\u00e8gre \u00e9galement les usages actuels de l\u2019IA pour collecter ou restructurer certaines donn\u00e9es et explorer des pistes de visualisation.<\/span><\/p>\r\n Parce qu\u2019un graphique techniquement juste peut \u00eatre parfaitement inutile.<\/span><\/p>\r\n Les tableurs, logiciels de BI, plateformes de dataviz et outils d\u2019intelligence artificielle savent g\u00e9n\u00e9rer des repr\u00e9sentations de plus en plus rapidement. Mais aucun automatisme ne dispense de d\u00e9cider quelles donn\u00e9es m\u00e9ritent d\u2019\u00eatre montr\u00e9es, quelle comparaison est pertinente ou quel niveau de d\u00e9tail convient au public.<\/span><\/p>\r\n Le choix entre une barre, une courbe, un nuage de points, une carte ou une repr\u00e9sentation plus complexe n\u2019est pas seulement esth\u00e9tique. Il d\u00e9pend de la nature de la donn\u00e9e et de la relation que l\u2019on souhaite rendre visible : \u00e9volution, comparaison, distribution, corr\u00e9lation, hi\u00e9rarchie, flux ou localisation.<\/span><\/p>\r\n C\u2019est pourquoi nous pla\u00e7ons la r\u00e9flexion avant l\u2019outil : l<\/span>e data design consiste \u00e0 organiser l\u2019information afin que le lecteur puisse percevoir rapidement ce qui compte, tout en lui donnant les moyens d\u2019approfondir lorsqu\u2019il en a besoin.<\/span><\/p>\r\n Une partie importante du travail est invisible dans le r\u00e9sultat final.<\/span><\/p>\r\n Une donn\u00e9e peut provenir d\u2019un tableur, d\u2019une base publique, d\u2019un PDF, d\u2019une image ou d\u2019une source r\u00e9cup\u00e9r\u00e9e sur le web. Elle peut comporter des doublons, des formats h\u00e9t\u00e9rog\u00e8nes, des valeurs manquantes ou des s\u00e9parateurs qui emp\u00eacheront son exploitation correcte.<\/span><\/p>\r\n Nous apprenons donc \u00e0 regarder la structure des donn\u00e9es avant leur apparence.<\/span><\/p>\r\n La formation aborde la collecte, le tri, l\u2019organisation et le nettoyage d\u2019un jeu de donn\u00e9es, avec une id\u00e9e simple : une repr\u00e9sentation graphique ne peut pas corriger une donn\u00e9e mal comprise.<\/span><\/p>\r\n L\u2019IA constitue d\u00e9sormais une aide suppl\u00e9mentaire pour certaines op\u00e9rations de restructuration ou d\u2019exploration. Elle peut faciliter une transformation de tableau ou proposer diff\u00e9rentes pistes, mais son r\u00e9sultat doit rester contr\u00f4l\u00e9. Le professionnel garde la responsabilit\u00e9 de la donn\u00e9e, de sa signification et de la repr\u00e9sentation choisie.<\/span><\/p>\r\n Parce que les donn\u00e9es ne \u00ab parlent \u00bb pas toutes seules. <\/span>\u00c0 partir d\u2019un m\u00eame ensemble de chiffres, plusieurs angles sont g\u00e9n\u00e9ralement possibles. Le r\u00f4le du data designer, du journaliste, de l\u2019analyste ou du communicant consiste \u00e0 identifier ce qui m\u00e9rite d\u2019\u00eatre mis en avant et \u00e0 organiser la lecture sans travestir l\u2019information.<\/span><\/p>\r\n Nous travaillons donc la relation entre texte et visuel, les diff\u00e9rents niveaux de lecture, la contextualisation et l\u2019\u00e9criture infographique.<\/span><\/p>\r\n Une annotation courte peut parfois \u00eatre plus utile qu\u2019une nouvelle visualisation. Un titre pr\u00e9cis peut modifier compl\u00e8tement la compr\u00e9hension d\u2019un graphique. \u00c0 l\u2019inverse, une accumulation de textes peut emp\u00eacher l\u2019image de jouer son r\u00f4le.<\/span><\/p>\r\n Chercher cet \u00e9quilibre fait partie int\u00e9grante de la conception.<\/span><\/p>\r\n L\u2019esth\u00e9tique n\u2019est ni accessoire ni prioritaire : elle doit servir la lecture.<\/span><\/p>\r\n Une couleur peut diff\u00e9rencier des cat\u00e9gories, hi\u00e9rarchiser une information ou signaler une \u00e9volution. Elle peut aussi cr\u00e9er une ambigu\u00eft\u00e9, masquer un contraste ou rendre le graphique inaccessible \u00e0 certains publics.<\/span><\/p>\r\n Il en va de m\u00eame pour la typographie, les formes, les espacements et la composition.<\/span><\/p>\r\n La formation introduit les principes de s\u00e9miologie graphique afin de comprendre comment les variables visuelles influencent l\u2019interpr\u00e9tation. Elle permet aussi d\u2019identifier les erreurs fr\u00e9quentes : surcharge, effets d\u00e9coratifs inutiles, \u00e9chelles trompeuses, mauvaise hi\u00e9rarchie ou choix de repr\u00e9sentation inadapt\u00e9.<\/span><\/p>\r\n L\u2019objectif n\u2019est pas de produire des graphiques \u00ab plus beaux \u00bb. Il est de produire des graphiques dont la forme aide r\u00e9ellement \u00e0 comprendre.<\/span><\/p>\r\n La dataviz n\u2019est plus r\u00e9serv\u00e9e aux sp\u00e9cialistes de la data.<\/span><\/p>\r\n Elle concerne les journalistes et professionnels de l\u2019\u00e9ditorial qui doivent expliquer des ph\u00e9nom\u00e8nes complexes, les communicants et marketeurs qui pr\u00e9sentent des r\u00e9sultats, les contr\u00f4leurs de gestion et financiers qui produisent des reportings, les data analysts qui souhaitent am\u00e9liorer la restitution de leurs analyses, les consultants qui doivent rendre une recommandation imm\u00e9diatement intelligible ou encore les designers UX\/UI qui int\u00e8grent des donn\u00e9es dans des interfaces.<\/span><\/p>\r\n Cette transversalit\u00e9 explique pourquoi nous avons con\u00e7u cette formation comme une initiation m\u00e9thodologique plut\u00f4t que comme une formation m\u00e9tier ou logiciel.<\/span><\/p>\r\n Elle donne un vocabulaire et des rep\u00e8res communs \u00e0 des profils qui interviennent souvent ensemble sur un m\u00eame projet.<\/span><\/p>\r\n Le bon prolongement d\u00e9pend principalement de ce que vous produisez.<\/span><\/p>\r\n Si l\u2019enjeu consiste \u00e0 organiser les donn\u00e9es comme un r\u00e9cit, notre formation Data storytelling : quand vos donn\u00e9es racontent une histoire<\/a><\/span><\/span> approfondit l\u2019angle, le parcours narratif, les annotations et le s\u00e9quen\u00e7age.<\/span><\/p>\r\n Pour des probl\u00e9matiques de pilotage, KPI et reporting, Dynamiser ses tableaux de bord avec le data design<\/a><\/span><\/span> travaille davantage l\u2019exp\u00e9rience utilisateur, la hi\u00e9rarchie des indicateurs et l\u2019aide \u00e0 la d\u00e9cision.<\/span><\/p>\r\n Les profils qui souhaitent produire des visualisations num\u00e9riques plus complexes pourront poursuivre avec La bo\u00eete \u00e0 outils du data designer<\/a><\/span><\/span>.<\/span><\/p>\r\n Enfin, les graphistes travaillant principalement en environnement vectoriel pourront approfondir avec Illustrator et data design : sublimez vos donn\u00e9es<\/a><\/span><\/span>.<\/span><\/p>\r\n En intra, nous pouvons remplacer une partie des exemples g\u00e9n\u00e9riques par les donn\u00e9es, graphiques, tableaux de bord ou publications r\u00e9ellement produits par l\u2019organisation.<\/span><\/p>\r\n Cette adaptation est particuli\u00e8rement utile pour une \u00e9quipe communication, une r\u00e9daction, une direction financi\u00e8re ou une cellule data : elle permet d\u2019identifier les erreurs r\u00e9currentes, d\u2019harmoniser les pratiques et \u00e9ventuellement de poser les premi\u00e8res r\u00e8gles d\u2019une charte de datavisualisation commune.<\/span><\/p>\r\n\r\n\t
Parcours p\u00e9dagogique : <\/strong><\/h4>\r\n
M\u00e9thode p\u00e9dagogique : <\/strong><\/h4>\r\n
Moyens techniques : <\/strong><\/h4>\r\n
\r\n\t
Parcours p\u00e9dagogique :<\/h4>\r\n
M\u00e9thode p\u00e9dagogique :<\/h4>\r\n
Moyens techniques :<\/h4>\r\n
\r\n\t
\r\n\t
\r\n\t
Pourquoi se former \u00e0 la data visualisation quand les logiciels produisent d\u00e9j\u00e0 des graphiques automatiquement ?<\/span><\/strong><\/h2>\r\n
Que faut-il savoir faire avant de repr\u00e9senter des donn\u00e9es ?<\/span><\/strong><\/h2>\r\n
Pourquoi l\u2019\u00e9ditorial est-il aussi important que le graphique ?<\/span><\/strong><\/h2>\r\n
Quelle place pour l\u2019esth\u00e9tique dans une dataviz ?<\/span><\/strong><\/h2>\r\n
Quels m\u00e9tiers ont int\u00e9r\u00eat \u00e0 d\u00e9velopper une culture data design ?<\/span><\/strong><\/h2>\r\n
Quelle formation suivre ensuite ?<\/span><\/strong><\/h2>\r\n
Pourquoi organiser cette formation en intra ou sur mesure ?<\/span><\/strong><\/h2>\r\n