Éviter les visualisations trompeuses : éthique et intégrité graphiques

Gains :

• Reconnaître les techniques de distorsion courantes telles que l'axe pointillé, l'effet 3D, l'illusion de zone, le triage et la dénormalisation.
• Capacité à utiliser l'intelligence artificielle non pas pour « le rendre impressionnant », mais pour vérifier l'honnêteté et demander un résultat lisible et honnête du graphique.
• Capacité à vérifier et corriger un graphique pour l'axe, l'échelle, le type, l'étendue, la normalisation, l'étiquette et l'accessibilité

Un graphique n’est pas ce qu’il y a de plus dangereux ; Cela induit en erreur. Il utilise des données techniquement « correctes » mais les présente d’une manière qui trompe l’œil. À l’ère de l’intelligence artificielle, ce risque a augmenté, car le modèle privilégie souvent ce qui est « impressionnant » par rapport à ce qui est « honnête » et produit rapidement un graphique trompeur si vous ne le remarquez pas. Cette unité vous apprend à reconnaître les techniques de distorsion courantes, à utiliser l'IA comme vérificateur d'honnêteté et à nettoyer vos propres graphiques de ces pièges.

Les techniques de tromperie les plus courantes

Voyons quelques concepts avec des exemples concrets.

• Axe tronqué : l'axe y ne part pas de 0, mais de, disons, 90 ; Une petite différence semble énorme. Une augmentation de 2 % ressemble à 50 %.
• Axe double/inverse : montrant deux séries "se déplaçant ensemble" comme vous le souhaitez, avec deux axes y différents.
• 3D et volume : la tarte/barre tridimensionnelle fait paraître la tranche avant plus grande qu'elle ne l'est ; La valeur se confond avec le volume.
• Illusion d'aire : Représenter une valeur avec le diamètre d'un cercle et multiplier l'aire (et donc la perception).
• Axe inversé/déplacé : Inverser l'axe Y et faire ressembler l'augmentation à une diminution (il existe des exemples notoires).
• Sélection sélective : sélectionner la période/le segment de temps qui correspond au récit et masquer le reste.
• Non-normalisation : comparer le nombre absolu sans diviser par population/base (la grande ville apparaît « en tête » dans tout).
• Total incorrect : les tranches de tarte ne totalisent pas 100 %, les catégories se chevauchent.

technique

Comment peut-il induire en erreur ?

alternative honnête

Axe Y en pointillés

Fait une petite différence plus grande

Démarrer l'axe à partir de 0

Gâteau/barre modèle 3D

La perspective déforme la valeur

Barre simple (2D)

Surface/diamètre

Augmente la surface à 4×

Échelle linéaire, étiquette claire

cueillette des cerises

Masque la période aberrante

Afficher toute la période

dénormalisation

Maintient la grande base devant

Tarif / par personne

double axe

Crée une fausse relation

Axe unique ou graphique séparé

Attention : La règle "l'axe doit commencer à 0" est quasi absolue pour un histogramme (la longueur de la barre représente la valeur). Parfois, une fourchette étroite est légitime sur un graphique linéaire, mais indiquez-le clairement ; Ne le faites jamais pour exagérer la différence.

Faire de l’intelligence artificielle un vérificateur d’intégrité

L'une des utilisations les plus puissantes : demander au modèle de critiquer votre propre graphique. Fournissez des captures d'écran ou des descriptions pour éviter les éléments trompeurs.

Votre rôle : auditeur éthique en visualisation de données. Vérifiez ce tableau pour déceler les informations trompeuses (image ci-jointe / description : [ ... ]). Vérifiez-les un par un et marquez si vous trouvez : 1) L'axe y commence-t-il à 0 ? Y a-t-il un écrêtage ?2) L'effet 3D/volume déforme-t-il la valeur ?3) La valeur est-elle exagérée en fonction de la zone/du diamètre ?4) Doit-on choisir une période/un segment de temps (cherry picking) ?5) Doit-il s'agir d'un nombre absolu ou normalisé ?6) Le double axe crée-t-il une relation parasite ?7) Est-il lisible pour une personne daltonienne ?Suggérer des solutions concrètes pour chaque problème. Je veux que ce soit HONNÊTE, pas seulement « sympa ».

Pour auditer une assertion indépendamment du graphique :

Les revendications graphiques suivantes : "[claim]". Cette affirmation est-elle HONNÊTEMENT étayée par les données ? Évaluez l’axe, l’échelle, la plage sélectionnée et la normalisation. Quelles données auraient pu être cachées et affaibliraient cette affirmation ? Graphique/données : [ ... ].

Pas à pas : transmettre un diagramme par l'honnêteté

1. Vérifiez l'axe. Y est-il à partir de 0 sur le graphique à barres ? Y a-t-il une découpe ?
2. Vérifiez l'échelle. Linéaire ou logarithmique ? Le journal est-il spécifié ?
3. Vérifiez le type. Y a-t-il des idées fausses sur la 3D, le volume ou la surface ?
4. Vérifiez la portée. Période/segment entier ou sélectionné ?
5. Vérifiez la normalisation. Est-ce que le tarif par personne est requis ?
6. Vérifiez l'étiquette et la source. Est-ce que ça dit unité, période, source ?
7. Vérifiez l'accessibilité. Y a-t-il une distinction pour les daltoniens ?

trois mini-cases

Cas 1 — Axe tronqué. Une entreprise avait réalisé un graphique à barres avec l'axe des y commençant à 95 pour montrer sa supériorité sur son concurrent ; La différence entre 96 et 98 semble être double. Il a été inspecté avant la mise sous presse, l'axe a été mis à 0. La différence réelle était de 2% ; Le graphique trompeur présentait un risque pour la réputation.

Cas 2 — Normalisation. Une municipalité a déclaré : « Nous sommes le district qui plante le plus d'arbres » ; mais c'était le plus grand district. Quand on regarde le nombre d’arbres par habitant (normalisé), ils tombent à la 6ème place. L'intelligence artificielle a démontré cette différence ; la présentation a été rendue honnête par la métrique « par habitant ».

Cas 3 — Cueillette des cerises. Une présentation d'investissement n'a montré que la hausse des 4 derniers trimestres ; Les fluctuations des deux années précédentes étaient cachées. Ajout de tout l'historique dans l'audit. L'investisseur a dit « au moins il est honnête » et la confiance a augmenté ; Si cela avait été caché, il aurait été bien pire de le découvrir plus tard.

Invite faible/Invite forte

Faible :

Rendez ce graphique plus impressionnant.

Le désir d'« impressionnant » pousse le modèle justement vers des techniques de tromperie (découpe d'axe, 3D, gonflage d'emphase).

Fort :

Votre rôle : auditeur éthique en visualisation de données. Rendez ce graphique à barres PLUS LISIBLE et PLUS HONNÊTE : faites commencer l'axe y à 0, supprimez la 3D/l'ombre, triez les barres par valeur, utilisez une seule couleur de surbrillance, ajoutez une unité et une source. Ne faites rien qui puisse exagérer la différence ; Laissez apparaître la vraie différence. Graphique : [ ... ].

La seconde exige « lisible + honnête » au lieu d’« impressionnant » et impose chaque règle d’honnêteté une à une.

Erreurs courantes

• Axe en pointillés dans la barre : la manière la plus courante d'exagérer la différence.
• Effet 3D/volume : la perspective déforme la valeur ; ne l'utilisez jamais.
• Valeur avec surface/diamètre : Multiplier la perception en agrandissant le cercle.
• Cueillette de cerises : sélectionner la période appropriée et masquer le reste.
• Dénormalisation : comparaison injuste avec un nombre absolu.
• « Rendre impressionnant » signifie : provoquer une distorsion du modèle.
• Ne pas préciser l'échelle logarithmique : utiliser l'axe logarithmique sans l'expliquer.

En résumé

Les graphismes trompeurs trompent sans mentir : axe tronqué, effet 3D, illusion de zone, triage, dénormalisation et double axe sont les pièges les plus courants. En barres, démarrez l'axe à 0, n'utilisez pas la 3D, affichez toute la période, normalisez si nécessaire, écrivez l'unité et la source. Utilisez l’IA comme un vérificateur d’intégrité, pas pour « le rendre impressionnant » ; Demandez un résultat lisible et honnête du modèle. L'honnêteté du thème est votre réputation.

Tâche de candidature

Sélectionnez un graphique que vous avez (ou trouvé). (1) Appliquer le contrôle d'honnêteté en sept éléments (axe, échelle, type, portée, normalisation, label, accessibilité). (2) Demander à l'IA de critiquer le graphique dans le rôle d'auditeur. (3) Corrigez au moins deux éléments trompeurs. (4) Produisez les mêmes données avec une version délibérément trompeuse et honnête et écrivez la différence en une phrase.

liste de contrôle

• [ ] Dans les graphiques à barres, l'axe Y commence à 0.
• [ ] Pas d'illusion 3D/volume/surface.
• [ ] Affichage de toutes les périodes/segments pertinents (pas de sélection sélective).
• [ ] Si nécessaire, j'ai normalisé les données (par habitant/taux).
• [ ] Unité, période et source inscrites dans le tableau.
• [ ] Il existe une distinction (forme/étiquette) pour les visualiseurs daltoniens.
• [ ] Je voulais que le modèle soit « honnête et lisible », et non « impressionnant ».