Une datavisualisation co-produite par Snatch, We Do Data et Owni.fr.
http://owni.fr/2011/12/07/prison-carte-surpopulation-carcerale-france/

Le magazine Snatch souhaitant publier un hors-série entièrement dédié au thème des prisons, la rédaction en chef décide de commander un datavisualisation en partenariat avec Owni et We Do Data. Faute d’annonceurs, le hors-série devient un dossier d’une soixantaine de pages présentées comme “un voyage inédit dans l’univers carcéral” dans le numéro de décembre-janvier 2012 de Snatch.

Présentation
La datavisualisation a été pensée pour Snatch, et donc pour du print. Dans le magazine, elle est présentée comme une “enquête graphique” dans le but de savoir où sont incarcérés les détenus en France et dans quelles conditions.

Owni, parallèlement à Snatch, a développé une version interactive de la carte présente dans le magazine.

La France Carcérale est avant tout une carte exhaustive de toutes les prisons françaises. Elle montre à la fois :
— les différents types d’établissements (maisons d’arrêt, centres pénitentiaires, centres de semi-liberté, centres pour mineurs, centres de détention)
— les tailles des prisons françaises
— le taux d’occupation de certains établissements. Dans la version interactive d’Owni, l’internaute peut cliquer sur toutes les prisons françaises et constater la surpopulation ou non de toutes les prisons.

D’après Karen Bastien, co-fondatrice de We Do Data, les données proviennent du rapport Opale “qui a le mérite d’avoir des données unifiées. Parce que le problème avec la prison, c’est qu’il va y avoir plein de sources — entre les associations qui y bossent, l’administration pénitentiaire, le ministère, etc. — et tout le monde a des données variées. Et ce qui est important en data, c’est quand même d’avoir une source unifiée pour pouvoir faire des comparaisons, notamment dans le temps. Et cet institut universitaire, Opale, en a le mérite : il a une régularité dans le recueil des données. Ces données remontaient jusqu’aux années 60.”

La carte permet de visualiser certains “déserts carcéraux” alors que d’autres régions disposent de beaucoup d’établissements pénitentiaires. Les régions avec une forte densité de prisons sont donc l’Ile-de-France, le Rhône-Alpes, le Sud de la France et le Nord-Est. Les départements avec une faible densité de prisons sont notamment le Cantal, la Lozère, l’Aveyron.

Les raisons de notre choix
En général, les problèmes liés à la prison sont soulevés au moment où les statistiques mensuelles de l’Administration pénitentiaire sont publiées. Par exemple, le 1er mars 2012, les prisons françaises atteignent un taux d’occupation record : 116,13 %.

Pour Vincent Desailly, rédacteur en chef de Snatch, la datavisualisation permet de “compléter les deux points forts de Snatch : reportage de terrain et interviews en long format (…) pour bien intégrer les tenants et les aboutissants des informations sur la prison et pour une meilleure grille de lecture”. “Je ne pense pas que le datajournalisme soit suffisant pour développer un sujet à fond. Et c’est la même chose pour les interviews qui se concentrent plus sur le côté humain. Marier ces deux formes de journalisme ont permis d’approfondir le sujet de manière idéale” explique Vincent Desailly.

Plus que le sujet lui-même, c’est cette démarche qui nous a paru pertinente. Car La France Carcérale est une production multi-supports. Produire une datavisualisation pour un support papier nous semblait intéressant tant le datajournalisme est aujourd’hui associé au média Internet. Nous nous sommes demandé si le datajournalisme pouvait être une solution à la crise de la presse papier ? Pas sûr, puisque les rédactions devraient mobiliser des journalistes sur des productions au long court.

Pour Pierre Alonso, le journaliste d’Owni qui a contribué à ce partenariat, “la publication sur le web et en version papier est une bonne piste à creuser pour les journalistes.”

“Une infographie, c’est comme un article, il faut tenir son angle. On ne pouvait pas ne pas présenter toutes les prisons sur la carte, c’était LA carte des prisons françaises. C’est assez frustrant parce qu’on avait peut-être trop d’infos à mettre. Peut-être qu’on aurait dû être plus trash dans notre angle et ne pas faire la carte des prisons en France mais la carte des prisons surpeuplées en France. Mais on savait qu’il y avait la Google Map d’Owni qui allait venir derrière” poursuit Karen Bastien, co-fondatrice de We Do Data.

Critiques
Le premier problème est que l’Outre-Mer est difficilement accessible sur la version web. La carte est centrée sur la métropole alors que des prisons ultra-marines sont parmi les plus surpeuplées. Une note avertit toutefois l’internaute : “Dans la carte ci-dessus, cliquez sur les pictos pour connaître le nombre de places et le nombre de détenus dans la prison. N’oubliez pas l’Outre-Mer, loin de la métropole…”

Autre bémol : il faut cliquer à chaque fois sur une prison pour voir son taux d’occupation. Sur la version web, on ne peut pas voir tout de suite quelle prison est la plus surchargée en France. Sur ce point, la version statique de Snatch a été mieux pensée.

Karen Bastien se justifie : “Là, l’idée venait de Snatch, donc on a d’abord pensé le papier. La double-page, c’est des infos qu’il faut agencer telles un puzzle harmonieux de façon à ce que le lecteur voit une info principale et puis ensuite autour on dispose tout un tas d’infos qu’ils iront ou pas lire. Les lecteurs de print sont assez passif, leur attention est de quelques secondes, ils peuvent tourner la page très vite. Donc il faut que l’info principale éclate à la tête. Et puis le reste, il y aura des petits spots (comme les établissements pénitentiaires les plus et les moins peuplés) pour les gens qui vont s’intéresser au thème et qui vont vouloir rentrés dans une deuxième couche d’infos.”

Conclusion
Une surabondance d’informations et de données peut entraver la visibilité d’une datavisualisation interactive ou d’une infographie. Et en datajournalisme comme dans les autres formats journalistiques, il s’agit d’angler une production.

Pensée pour plusieurs supports, cette datavisualisation permet d’avoir un regard exhaustif sur les prisons françaises. Pour le web, difficile de développer une version interactive satisfaisante quand l’imprimé a été réfléchi en premier lieu. Pour la presse papier, par contre, le datajournalisme est une innovation bienvenue dans un contexte économique morose, une façon de se diversifier et de se démarquer de ses concurrents.

L’intégralité de ce qui a été publié dans Snatch est disponible sur Owni sur Internet, avec les articles de Pierre Alonso et les visuels de We Do Data : L’Etat du prisonnier français, Les geôles oubliées de la République et de Drôles de prisons.

Elodie Cabrera, Nicolas Canderatz, Audrey Chabal

Le contexte de la production
Avec la révolution tunisienne, Lampedusa, petit île au large de l’Italie voit accoster sur ses côtes des réfugiés par centaines. Avec cette arrivée massive, les accidents sont inévitables. Début janvier 2011, un naufrage coûtera la vie à près de 300 personnes. La data-visualisation « Morts aux frontières de l’Europe » ouvre son article annexe avec ce drame. Pourtant, elle a été mise en ligne le 18 février 2011. On ne peut être sûr que ce sont ces mouvements de migrations, ceux de 2011, qui ont motivé Jean-Marc Manach, journaliste spécialiste des sociétés de surveillance, à produire cette data-visualisation. En tout cas elle s’inscrit parfaitement dans l’actualité.

Description et fonctionnement de la datavisualisation
La carte de l’Europe et du bassin méditerranéen recense le nombre de morts immigrés par pays et en mer depuis 1988. Malgré la tête de mort et les croix grises, la datavisualisation est sobre. La présence de couleurs aurait été malvenue et aurait créée une hiérarchie du chiffre (si par exemple les pays avec le plus de morts aux frontières avaient été en rouge et les pays avec le moins de morts en blanc). Là, chaque mort se vaut puisque un pays = une donnée chiffrée. De plus, cette uniformité produit clarté et lisibilité pour une compréhension immédiate du propos.

A côté de la carte dynamique, une colonne permet de choisir le pays ou une cause spécifique de décès. Possibilité de cliquer sur chaque nombre que ce soit sur la carte ou dans la colonne : une « fenêtre » apparaît alors avec un diagramme (en abscisse les années, en ordonnée le nombre de mort) ; possibilité de passer la souris sur chaque point année/mort et voir apparaître le nombre exact de morts sur une année. Le plus de cette data est de pouvoir lire « leurs histoires », ce qui donne une humanité au chiffre. En cliquant sur la France (194 morts) s’ouvre une autre fenêtre : il s’agit d’une liste. Exemple : « 5morts entre en France », date : 10 décembre 2010, nom, âge, pays d’origine, informations (died from shock…), cause : homicide.

Un encadré sur le bassin méditerranéen, là où il y a le plus de morts (11000 / 14000), permet un zoom sur cette partie du globe. Une carte avec les flux migratoires, le nombre de morts en mer avec le lieu d’origine et le lieu espéré d’arrivée (ex : Afrique vers Italie) s’ouvre alors. La colonne de droite recense les causes de décès. Une sorte de datavisualisation dans la datavisualisation.

Data lisible, sobre, simple à utiliser, complète et dynamique

Le choix de ne pas avoir proposé de carte par anamorphose, ni d’aplats de couleurs en fonction du nombre de morts plus ou moins conséquent prouve que l’importance n’est pas dans le chiffre, que l’intérêt de la data n’est pas dans décompte morbide (même si décompte il y a… chiffres en blanc sur fond noir ressortent) mais au contraire que chaque mort se vaut.
Sans parler de data engagée on peut dire que cette datavisualisation éveille le questionnement et ouvre des pistes vers d’autres angles, d’autres sujets autour de ce thème de l’immigration.
Problème, l’absence du nombre de migrants légaux et illégaux depuis 1988. En effet ces indications auraient permis de voir la proportion de décès par rapport au nombre d’entrées en Europe.

L’article, complément de la datavisualisation
La data-visualisation est accompagnée d’un article très long qui explique le phénomène des migrations, expose le problème des disparités et met en exergue ce que ne peut dire la carte. C’est assez rare en datajournalisme.
UNITED for Intercultural actions est une ONG de défense des droits des migrants et des réfugiés qui a dénombré plus de 14 000 morts aux frontières depuis 1988. C’est cette base de données qui est à l’origine de la production ce qui correspond à la logique « Open Data ».

Le texte fait état de quelques chiffres qui permettent d’y voir plus clair

11 000 d’entre eux sont morts en Méditerranée avant même d’entrer sur le sol européen. Parmi eux 10 00 se sont noyés. Pour le reste : 864 morts de soif ou de faim, 300 étouffés dans un camion, 254 assassinés, 250 écrasés en traversant la route ou en tombant d’un camion, 215 morts de froid, 335 suicides. On voit tout de suite que les conditions de transports des migrants sont à l’origine des trois-quarts des décès.
No Border et Fortress Europe deux autres ONG répertorient toutes deux 14 921 soit plus que le chiffre de UNITED (14037). Les deux bases de données remontent jusqu’à 1988 : date du recensement de la data. Cet écart a poussé Jean-Marc Manach à étayer son article. Il est appréciable de voir qu’il a pris la peine de comparer sa base de données à d’autres sources du même type et qu’il a noté des différences.
« Cette disparité de chiffres montre bien qu’il est impossible de recenser réellement la totalité des migrants morts pour avoir voulu trouver refuge en Europe. United estime d’ailleurs que le chiffre pourrait être trois fois plus important »
Le texte permet de dépasser le secteur européen et de se questionner sur les décès des migrants dans d’autres endroits du globe.
- Beaucoup d’autres cartographies sont insérées dans l’article ont été faites à ce sujet notamment par le Monde diplomatique : met en avant le travail d’autrui à ce sujet, ne s‘octroie pas la primauté du sujet. L’une d’entre elles montre que depuis les débuts de l’Espace Schengen les morts aux frontières n’ont fait que s’accroître, notamment depuis l’intensification de des contrôles migratoires de 2006.

Tschianana, Mariame, Isralif, Manuel, Osamya et les autres

7 personnes dont le journaliste a décidé de raconter plus amplement leurs histoires. Seulement 7 parmi 14037 pour montrer que derrière les chiffres il y a des histoires.
Jean-Marc Manach donne la parole au Réseau Migreurop , qui s’insurge contre l’intervention de Frontex, et à United qui demande aux autorités européennes de cesser d’exploiter le spectre d’une explosion de l’immigration maghrébine. Le journaliste s’engage donc en filigrane.

Les Plus
- Datavisualisation : complète, lisible, compréhensible, sobre, détaillée. A la fois concise et exhaustive.
- Avoir fait l’effort de juxtaposer à la data un si long article c’est montrer que derrière chaque chiffre il y a des Hommes. Dans un sens plus large cela montre que la data n’est pas toujours suffisante. Ici, c’est un journalisme d’appoint. Le texte et la visu se soutiennent et se complètent. L’article vient combler les limites et lacunes de la statistique. A contrario l’article seul tomberait dans les lacunes habituelles : peu visible, peu attractif.
- Beaucoup de liens vers d’autres site, pages web et articles : la data est un journalisme de partage.
- Le texte permet d’ouvrir le sujet là où le graphisme demande rigueur et contrainte. Exemple le fond de carte est celui de l’Europe, l’article permet d’aborder des morts ailleurs sur le globe.
- Parallèle avec les politiques de l’Europe et leur durcissement
- Liens vers d’autres site, ONG, sources multiples : le fait que la data soit aussi détaillée : peut inspirer d’autres journalistes pour approfondir le sujet avec des pistes de réflexions : noyade, politique migratoire, pays en particulier, etc.

Les moins
- Certes les politiques européennes en matière d’immigration sont évoqués dans le texte mais peut-être pas assez et pas suffisamment clairement.
- Les dates clefs pourraient être placées sur la data : 2004 création de Frontex et 2006 création d’une patrouille européenne contre l’immigration clandestine.
- Il n’y a pas de chiffre de la migration totale depuis 1988 vers l’Europe : tant de migrants légaux et illégaux vers l’Europe dont tant 14037 sont morts. Sans repère l’idée n’a pas de sens.
- Le texte est, un peu fouillis, fait état de multiples facteurs qui entrent en compte dans les décès des migrants. A trop vouloir en dire on s’y perd.
- Vidéo : ne sert pas le propos au contraire, joue la carte choc. Ce qui dénote avec la sobriété de l’ensemble du texte et de la data-visualisation. Nous n’étions pas forcément d’accord sur ce point. Pour Nicolas, la vidéo et le tableau des morts participent de la même cohésion. La réalité crue au service de la sensibilisation. Voir un mort et compter un mort n’est pas la même chose.

http://projects.nytimes.com/crime/homicides/map

Présentation du projet
Comme son nom l’indique, la carte des homicides de New York localise et décrypte tous les meurtres commis dans ville depuis 2003, à l’exception des homicides routiers. Conçue par le service de data journalisme du New York Times, l’un des pionniers en la matière, cette data-visualisation a été mise en ligne en juin 2009 et a bénéficié depuis de mises à jour régulières.
L’équipe à l’origine de ce projet se compose de 8 personnes : Matthew Bloch, Shan Carter, Tyson Evans, Brian Hamman, Andrew W. Lehren, Angelica Medaglia et Jo Craven McGinty.
Brian Hamman, Deputy Editor (l’équivalent de rédacteur en chef adjoint) au service Interactive News, a bien voulu répondre à nos questions. « Le crime est un domaine qui gagne à être étudié avec du recul et dans des tendances générales plutôt qu’à partir d’incidents isolés, explique-t-il. Construire une carte est un excellent moyen pour cela. »
Brian Hamman est également revenu sur le fonctionnement du service data du Times. Comme en France, ce dernier fait appel à des journalistes, des programmeurs, des graphistes et des éditeurs qui travaillent côte-à-côte. Selon leurs compétences, certains peuvent avoir une double casquette, mais quoi qu’il en soit, tous les domaines doivent être couverts.
Ici, seulement trois personnes ont lancé le projet au départ. Deux d’entre elles ont conçu la base de données tandis qu’une troisième se chargeait d’y rentrer les informations concernant les meurtres. L’équipe s’est ensuite progressivement étoffée au fur et à mesure que la production avançait. Au final, la conception de la base de données puis de la carte interactive a nécessité plusieurs mois de travail.
De notre côté, nous avons choisi cette visualisation pour voir si tous les clichés lus et entendus sur New York se rattachent à la réalité. Dans les médias, et même dans la culture populaire – beaucoup de films traitent de ce sujet – New York est présentée comme une immense ville où de nombreux meurtres sont perpétrés chaque jour. Et certains quartiers, à l’image du Bronx ou de Harlem, sont systématiquement montrés du doigt.

La carte
Première interactivité : la timeline des années de données en haut. Le projet regroupe des données à partir de 2003, jusqu’à août 2011. Depuis cette date, il n’y a plus de mise à jour mais les journalistes nous ont confié que la carte serait actualisée en cours d’année.
Un compteur recense le cumul des meurtres à New York depuis 2003. Si l’on ne touche à rien d’autre, au départ on a aussi un graphique qui dénombre les meurtres par année.
Les points bleus que l’on voit sur la carte sont tous les meurtres. Il y a un côté assez graphique et presque poignant de se dire qu’à tous ces endroits, des gens sont morts.
Deuxième interactivité : si on passe la souris sur l’un de ces points, on obtient la description de chaque crime : toujours au moins la date, parfois l’heure, puis l’âge et l’origine ethnique de la ou des victimes et du ou des meurtriers. Il peut aussi arriver que le nom de la victime apparaisse. Mais jamais celui du meurtrier. Enfin, lorsque cela a été élucidé ou communiqué par la police de New York, le mobile du meurtre : gangs, dispute, affaire de drogues, braquage… Puis l’arme du crime : arme à feu, couteau ou « autre »…
Troisième interactivité : des critères que l’on peut sélectionner avec une seconde barre de navigation sur le côté, pour faire une recherche plus ciselée sur les crimes à New-York, où le graphique montrera les résultats en pourcentages. Il y a 10 critères de délimitation des crimes : jour/nuit couplé avec le mois de l’année, puis origine ethnique de la victime, de celui qui a commis le meurtre, le sexe de la victime, du meurtrier, l’âge de la victime, du meurtrier, l’arme utilisée et le quartier (borough) dans lequel le meurtre a été commis.
Dès lors que l’on sélectionne un critère, des codes-couleurs s’affichent pour montrer sur la carte les « points » ou crimes restants. A noter qu’il y a quelques bugs (points blancs alors que l’information est affichée).

Analyse
Au premier abord, le nombre de meurtres semble colossal par rapport à ce qu’on connait en France. Ce sont les Etats-Unis, on sait que les armes à feu y circulent davantage. A New York, le port d’arme est uniquement possible sur permis, et l’Etat de New-York est un des plus restrictifs en la matière. En réalité, par rapport au nombre d’habitants de la ville, le nombre de meurtres reste assez faible.
On peut d’ailleurs voir que ce dernier a considérablement baissé depuis 2003 (597 en 2003, 329 en 2010), pour atteindre un niveau jamais vu depuis les années 60. Pour donner une indication rapide, il y avait près de 2 000 meurtres par an au début des années 90. Cela souligne les efforts considérables de pacification et de sécurisation de la ville effectués par le maire Rudolph Giuliani puis par son successeur Michael Bloomberg, qui a continué cette lutte contre le crime.
Si on regarde l’heure de la journée et le mois de l’année, on constate qu’il y a davantage d’homicides la nuit (ce qui paraît logique, moins repérable) et dans les mois estivaux, ou en tout cas les plus chauds (septembre). Ceci s’explique par le fait qu’il y a davantage de gens dehors, que les gens sortent plus, boivent, qu’il y plus de bagarres et donc plus de possibilités de se faire tuer.
Les origines ethniques des « perpetrators » et des victimes concordent, les statistiques sont similaires. On voit que 60 % des personnes impliquées dans les homicides sont d’origine afro-américaine, et presque 30 % sont latinos. On comprend aisément qu’il y a un lien avec leur lieu de domicile, et qu’il y a des explications sociales à cela.
Au niveau du sexe, il y a 92 % de meurtriers hommes, et 83 % de victimes hommes. Il y a donc plus de victimes femmes que de femmes qui tuent. Pas de surprise là non plus, puisque les affaires de drogue et de gangs, principales causes d’homicides, sont surtout des affaires d’hommes.
La question de l’âge est plus significative. Si la plupart des personnes impliquées sont jeunes (entre 60 et 66 % des victimes-meurtriers), on remarque que les meurtriers tendent à être plus jeunes que les victimes : plus de gens de plus de 55 ans morts, par exemple. Les causes : braquages, vols, drogue…
Pour l’arme, c’est à 69 % l’arme à feu qui est utilisée. Vient ensuite le couteau avec 23 %. On remarque cependant que le couteau est plus utilisé en proportion à Manhattan, notamment dans les quartiers riches.

Avantages et limites de la carte
Le principal point positif, c’est qu’il y a une vraie impression de réalisme en regardant la carte. On y navigue de manière aléatoire, les informations sont là, tout de suite, la compréhension est extrêmement rapide. Ce qu’il faut bien avoir en tête, c’est que ce sont des milliers de rapports de police qui sont condensés sur cette carte. C’est extrêmement intuitif et très facile d’accès. Il suffit de glisser sur un point pour avoir tout un lot d’informations.
Le New York Times s’appuie sur une base de données large : il obtient ses informations auprès de la police de New York qui met à jour une partie de ses déclarations, souvent quelques jours après le crime ou l’arrestation si elle a lieu. Le New York Times obtient également des mises à jour périodiques de données de la police. De plus, des informations sont fournies par les dossiers des tribunaux et les médecins légistes.

En ce qui concerne les limites du projet, on peut d’abord évoquer une certaine simplicité de la carte. La datavisualisation date de 2009, ce qui signifie qu’on en était aux premiers pas du data journalisme. En effet, comme il a été dit précédemment, la carte est très intuitive, mais elle est également très simpliste. Une fois que l’on a passé quelques minutes sur les points, on tourne vite en rond. Il faut dire que les outils de l’époque étaient bien moins développés qu’à l’heure actuelle.
On note ensuite des doublons sur quelques points. Certains noms de victimes apparaissent deux fois, ce qui peut fausser quelque peu les données.
Enfin, et la principale critique réside peut-être en ce point, on peut se demander si cette datavisualisation ne pousse pas au voyeurisme et à la paranoïa. Comment réagiriez-vous si vous appreniez qu’il y a eu trois personnes qui ont été tuées dans votre rue en moins d’un an ?

Comme il a été expliqué plus haut, les homicides sont classés au moyen de statistiques ethniques. On distingue sans vergogne les Blancs, les Noirs, les Latinos et les Asiatiques. En France, une telle carte serait donc impossible puisque le recensement ethnique est interdit, même s’il a longtemps suscité le débat, et le suscite encore. On peut se poser la question de savoir si ce critère est vraiment utile. Est-ce vital de savoir que c’est un Blanc ou un Noir qui a tué telle personne à telle heure ? Les journalistes du New-York Times arguent que cela permet d’enquêter individuellement sur les quartiers et d’examiner les changements dans les caractéristiques démographiques des victimes et des auteurs de ces meurtres. Par soucis de transparence, ils tiennent à transmettre au lecteur toutes les données en leur possession.

A côté de cette carte est joint un article qui tire quelques conclusions, et notamment un « portrait-robot » du meurtre classique à New York. Un samedi soir de septembre, par un homme noir assez jeune… Cela s’explique par le fait que les buveurs occasionnels et les consommateurs de drogue sont plus susceptibles de sortir en boîte ou dans les rues un samedi soir, plutôt qu’un mardi matin. Mais la conclusion la plus importante que tirent les journalistes du NYT dans leur article est que le taux d’homicide a baissé sensiblement sur les 15 dernières années, comme nous l’avons expliqué.

Conclusion
Nous avons découvert en cette carte une production extrêmement complète, bien que d’apparence simpliste. Une simplicité qui permet toutefois une très bonne compréhension des enjeux et des tendances mises en avant par le projet. Et si la question de l’utilité d’une telle carte nous a effleuré l’esprit dans un premier temps, Brian Hamman nous a assuré qu’il avait reçu des retours positifs et que ce travail avait aidé les lecteurs. Cependant, pour les raisons que nous venons d’évoquer, à savoir les statistiques raciales et la quantité de meurtres, il serait très difficile de produire une visualisation similaire en France, et ce même à Paris.

Clément Chaillou, Julian Colling & Anthony Jolly

Crédit photo : Julian Colling
Réalisation: Cécile Andrzejewski, Julian Colling, Aurélie Simon

C.Domanico, C. Lannuque, J. Chabrout

http://www.lexpress.fr/actualite/sport/tour-de-france-2011-la-puissance-des-coureurs-en-chiffres.asp

I . Présentation
Nous avons choisi de présenter cette data-visualisation parue en mai 2011 sur le site de Lexpress.fr. Elle traite du Tour de France et s’intitule « Puissance des coureurs en montagne ».
Nous l’avons selectionnée car le domaine du sport professionnel représente une zone journalistique intéressante pour l’expérimentation du data journalisme.
L’utilisation des statistiques y est permanente mais reste assez basique dans les médias. C’est d’autant plus le cas en cyclisme, sport d’endurance et de performance pure.
D’ailleurs les entraîneurs et scientifiques qui suivent les coureurs consultent et alimentent ces données de manière quotidienne. Parmi les chercheurs, plusieurs ont mis en place des algorithmes permettant de mesurer la puissance en watt déployée par les coureurs lors d’une course. Ces calculs permettent de savoir quelles sont les possibilités physiques des sportifs et leurs évolutions dans le temps.
http://www.youtube.com/watch?v=9TM9H9Hr1kc&feature=related
Dans cet extrait du Tour de France 2010, Alberto Contador et Andy Schleck, deux favoris du Tour, s’affrontent sur les pentes du Tourmalet. À chaud, les journalistes débattent sur l’évolution de ces deux cyclistes d’après leurs impressions.
Le schéma que nous présentons répond à ce besoin de comparer les performances de manière scientifique.
À partir des calculs du médecin Fredéric Grappe, entraîneur professionnel et chercheur en biomécanique, il confronte les puissances développées par plus d’une centaine de coureurs entre 2004 et 2011.
Par rapport à l’extrait que l’on vient de voir, on peut y vérifier que les commentaires des journalistes sont en fait peu justifiés . Si l’on prend les performances d’Andy Schleck qui est soit disant meilleur en 2010 qu’en 2009, on se rend compte que ses performances en terme de puissance sont relativement équivalentes (entre 5,7 et 5,9 watts par kilo au Ventoux, Tourmalet et Axe 3 Domaines).

II. L’Analyse
En ce qui concerne le fonctionnement du graphique, en abscisse se trouve la durée de l’ascension en minutes ainsi que la vitesse ascensionnelle, c’est à dire le dénivellé, en mètres par minutes. En ordonnée se trouve la puissance du coureur exprimée en watts par kilo. Ce chiffre s’obtient en prenant en compte plusieurs paramètres: le temps d’ascension, le nombre de kilomètres grimpés, le poids du vélo et du coureur, la pente ou la dénivellation ainsi que la force du vent.
Selon Frédéric Portoleau, ingénieur qui analyse depuis plusieurs années les performances des cyclistes sur les grandes courses, le rapport watts/kg est le plus approprié pour faire des comparaisons entre des coureurs de gabarits différents.
Pour revenir à la visualisation de L’Express, le curseur de la souris pointé sur un point permet d’avoir trois données. On apprend par exemple que le Belge Maxime Monfort a effectué en 2011 l’ascension du Col d’Agnel en 73 minutes, développant une vitesse ascensionnelle de 20 mètres par minute et 3.9 watts par kilo.
Un clic sur le curseur permet d’avoir des précisions sur le coureur, le nom de l’ascension, son âge et sa nationalité. Son équipe, sa taille et son poids de base ne sont pas indiqués, ce qui est dommage en vue de l’importance de ces données dans les calculs qui forment la base de données. Pareil pour le profil de l’étape du jour où la longueur de l’ascension et le pourcentage de la pente font défaut.
Le menu déroulant permet de filtrer et sélectionner les coureurs en fonction des années (entre 2004 et 2011) et des cols.
Il y a environ 180 coureurs dans la base de données, c’est-à-dire un peloton complet au départ du Tour de France. On peut compter 18 erreurs sur les noms ou doublons. Par exemple on trouve deux fois Andy Schleck et on compte un « Gilbert Simon »,(voir ci-dessus) au coté du vrai nom du coureur : le Belge Philippe Gilbert numéro 1 mondial (en 2011). Nous constatons aussi quelques erreurs et doublons sur les cols, notamment en ce qui concerne le Tourmalet qui apparaît sous deux noms différents. (Tourmalet et col du Tourmalet). Clément Daniez, journaliste sportif à Lexpress.fr contacté par nos soins, n’était pas au courant de ces erreurs.
Sur la droite, un petit texte tente d’expliquer à l’internaute le fonctionnement de la data, accompagné d’une très courte légende avec les performances ordinaires en jaune et vert et les performances extraordinaires en bleu.
Mais comme il n’y a pas d’explications, de chiffres et de sources, cette classification peut paraître totalement arbitraire.
Il y aussi les cas de dopage recensés sur Wikipédia avec un cercle bleu. On peut s’interroger la pertinence de la source, Wikipédia.

Base de données
En ce qui concerne la base de données, les calculs sont ceux de Frédéric Grappe. Entraîneur depuis 10 ans à la Française des Jeux, il est aussi enseignant-chercheur en biomécanique à l’Université de Franche-Comté (Centre d’Optimisation des Performances Sportives). Pour lui, un tel schéma était l’occasion de donner de la visibilité à son travail mais aussi de matérialiser ses chiffres afin de leur donner plus de forces. Au final, il est plutôt dubitatif sur le résultat. Satisfait par l’expérience, il regrette que le schéma ne puisse pas être réactualisé après chaque course.

L’avis des spécialistes
Nous avons contacté Caroline Goulard, qui a crée Dataveyes, une start-up de visualisation interactives de données, avec trois autres personnes.
C’est elle qui est à l’origine de ce projet. Dataveyes l’a proposé à Lexpress.fr, qui a tout de suite accepté. Ensuite, aucun journaliste de la rédaction n’a travaillé dessus. Ils ont simplement jeté un coup d’œil avant la parution.
La jeune équipe de Dataveyes s’est tournée vers L’Express car plusieurs d’entre eux étaient en stage à la rédaction du site internet.
Caroline Goulard explique qu’une première version a été faite en 2010, tandis que la version en ligne date de mai 2011. Ce n’est pas une version à but commercial. Ils étaient trois à travailler dessus, un graphiste, un développeur et elle. Ils l’ont réalisé pendant presque trois semaines. Néanmoins, les membres de Dataveyes étaient sur d’autres projets en même temps.
Selon Caroline Goulard, avoir 180 coureurs dans la base de données c’est un avantage : c’est nécessaire pour comparer entre les meilleurs et les moins bons coureurs.
Concernant les données qui ont été fournies par Frédéric Grappe, docteur en science et maître de conférences, elle explique que son modèle est fiable car il l’a testé directement sur les coureurs de l’équipe FDJ, dont il est l’entraîneur et conseiller technique. Enfin, à son avis, il y a de l’avenir dans le data sportif car « il y a des tas de choses à faire ».
Chez Dataveyes, ils n’ont pas de projet actuellement en cyclisme mais ils aimeraient récupérer les données des coureurs en temps réels via les capteurs SRM sur les vélos.
Nous avons recueilli les propos de Gilles Simon, rédacteur en chef de la rubrique cyclisme à L’Equipe et rédacteur en chef de l’hebdomadaire « Vélo Magazine ».
Il nous a déclaré :
« Sur la forme, cette data visualisation n’est pas mauvaise. C’est assez clair, un peu trop même. C’est assez sympa à lire.
Sur le fond, je suis plus circonspect. On ne peut prétendre faire quelque chose de scientifique sans avoir tous les paramètres. Les données ne sont pas assez fiables. Il faut se garder de tirer des conclusions.
Il y a trop d’éléments extérieurs à prendre en compte pour faire un calcul fiable. On ne connaît pas le poids précis des coureurs au moment de ces étapes, ou encore du vent et de la course. Par exemple, l’étape de Verbier a été une course de côte. Il faut aussi se demander si le coureur est seul ou en groupe dans l’ascension […] A L’Équipe, nous avons fait peu de choses en data journalisme. Nous avons des statisticiens. Mais en cyclisme les statistiques sont très difficiles à utiliser. Nous avons eu jusqu’à présent que des expériences négatives dans le domaine. Néanmoins le data journalisme se développe en basket ou encore dans le foot.
Au final, nous n’avons pas eu pour le moment de réponse claire quand on se demande comment faire du data en cyclisme car nous n’avons pas de données scientifiques suffisamment fiables. Toutefois, nous pourrions à l’avenir utiliser les relevés des coureurs sur leurs vélos, mais c’est très technique. »

III Les enjeux du data
Le sport est un domaine avec un potentiel important pour le développement du data-journalisme. Le groupe L’Equipe qui manipule les statistiques depuis toujours est l’exemple même de carences dans l’utilisation des statistiques. Le site internet Lequipe.fr, lancé en 2000, propose des palmarès, des fiches sur les sportifs, de nombreux résultats… Mais ces données sont peu exploitées. Depuis un an et demi, les statistiques du site internet sont fournies par la société anglaise Opta sport, ex-filiale de la chaîne britannique Sky, leader européen sur le marché de fourniture de contenus sportifs. Le groupe L’Équipe n’est pas la seule rédaction à y avoir recourt : la société compte 200 clients parmi lesquels : Eurosport, Midi olympique, le 10 Sport, Canal + ou encore TF1… Les rédactions font appel à cette société car elles manquent de compétences techniques, de développeurs et de statisticiens pour décortiquer les matches en profondeur et en faire quelque chose d’attrayant pour les lecteurs.

Premières expériences
A/ http://www.actuvisu.fr/tour-de-france-performance
En cherchant bien sur internet, on peut tout de même trouver quelques datavisualisations qui font référence au monde sportif. Avant le graphique du Tour de France du site L’Express.fr, un premier projet avait été présenté sur le site Actuvisu.fr. Là aussi il s’agissait d’une collaboration entre Caroline Goulard et Frédéric Grappe. Ce graphique présentait les efforts fournis par 135 coureurs du Tour sur 88 cols de 2004 à 2009. Petit détail en plus : un trait rouge y délimite une « zone de performance extraordinaire » pour mettre en valeur les efforts anormaux.

B/ http://datavisualization.ch/showcases/2010-tour-de-france-visualization/
Il semblerait que le Tour de France soit particulièrement prisé pour réaliser des visualisations. A l’image de cette carte de Jérôme Daksiewicz, un designer américain (de Chicago), qui a voulu mettre en avant l’origine des coureurs présents sur le Tour de France en 2010. Sur cette carte du monde, on voit que plus il y a de coureurs d’un pays, plus il est écrit en gros… Ainsi des pays comme la France et l’Espagne sautent immédiatement aux yeux puisqu’ils qui représentent les deux plus gros contingents de coureurs présents sur le Tour, tandis que les Etats-Unis, la Russie ou la Grande-Bretagne apparaissent en plus petit puisqu’ils ont seulement quelques cyclistes présents sur le Tour.

C/ http://jeromedaksiewicz.com/images/stories/downloads/TdF/TdF_Teams-001a.jpg
Jérôme Daksiewicz a réalisé plusieurs graphiques sur le même thème. Sur celui-ci les coureurs sont répertoriés par équipes et reliés à leur pays d’origine grâce à un planisphère. Sur une seconde carte, on voit les villes étapes du tour sur la droite et un trait qui les relie à leur vainqueur dont le nom est écrit à gauche. Cependant il y a beaucoup de détails et le rendu n’est pas efficace sur un écran d’ordinateur standard.

D/ http://www.estadao.com.br/especiais/2010/06/copa_jogadores.shtm#bb-md-noticia-tabs-1
Toujours concernant les nationalités le site brésilien Estadao.com a répertorié dans quel pays jouaient les 736 joueurs qui ont disputé la Coupe du Monde 2010. L’internaute peut même comparer la répartition des joueurs depuis les 5 dernières coupes du Monde. On se rend compte par exemple qu’en 1994 beaucoup plus de joueurs jouaient dans leur propre pays qu’en 2010 (64% contre 40%).
Contrairement à cette dernière présentation, les deux infographies sur le cyclisme de Jérôme Daksiewicz, peuvent être commandées en poster pour la modique sommes de 30 dollars. Car le data dans le sport c’est aussi un business lucratif. C’est un potentiel énorme qui est peu exploité aujourd’hui.

Pas assez lisible
Pour le moment, la qualité de ce qui est fait n’est pas à la hauteur des espérances suscitées. Le graphique de L’Express.fr est relativement peu lisible, avec plus de 200 coureurs et plus de 100 cols . Il faut savoir que sur le Tour de France chaque coureur a ses points forts et tous ne sont pas spécialistes des courses en montagne. Il est contestable de tous les comparer avec un Contador car tous ne misent pas sur les étapes de haute montagne. De même, les cols n’ont pas tous la même inclinaison. Or sur le graphique cela est assez flou. Ainsi ce n’est pas pareil de monter le Col du Galibier, qui est un col hors catégorie, et le Mont des Alouettes qui propose 2 kilomètres d’ascension à 5%. Tout cela sans oublier les nombreuses erreurs que l’on peut relever : que ce soit sur les noms ou les doublons (les frères Schleck y sont en doublon tout comme le col du Tourmalet).
Au final, les nombreuses erreurs décrites nous amènent à vouloir faire une nouvelle version, améliorée, simplifiée, plus lisible, plus sourcée et donc plus efficace.
Sur la forme, nous nous inspirerons de la production de Dataveyes, mais nous utiliserons les données de Frédéric Portoleau, un ingénieur qui suit depuis des années le Tour de France et qui calcule les puissances à partir des enregistrements vidéos des étapes de montagne. Frédéric Portoleau a rédigé avec Antoine Vayer, l’ancien entraîneur de Festina, un livre intitulé « Pouvez vous gagner le Tour ? »
Sur le fond, nous couvrirons une période plus large, de 20 ans, pour moins de données. Il s’agirait essentiellement des vainqueurs du Tour et non de tous les coureurs ici. Pour voir comment, en 20 ans, les performances des grands cyclistes ont évolué. Avec pour ambition de donner plus de place à la beauté graphique et à la lisibilité.

La production de data visualisations implique l’utilisation de données. Ces données sont protégées par le droit et, souvent, des licences d’utilisation leur sont attribuées. Ces licences encadrent les possibilités d’utilisation des données par des libertés et des limites.

L’Open Data

Le mouvement Open Data prône une ouverture large, massive et immédiate des données, notamment des données publiques. L’objectif est de favoriser les réutilisations de données pour générer de nouvelles données et de nouveaux services. Au final, il s’agit de voir émerger des débouchés économiques basés sur l’utilisation des données libérées.

Fonctionnant à l’aide de licences d’utilisation (Étalab, ODBL, CC0, etc.), l’Open Data s’inscrit dans le mouvement du « Libre » qui prône l’utilisation libre des créations intellectuelles (logiciels, écrits, musiques, dessins, données, etc.) : libertés de copie, d’utilisation, de modification et de diffusion.

Appliqué aux données, le mouvement du Libre permet d’utiliser les données pour les modifier, générer des données « dérivées » et les diffuser librement. Les données dérivées sont des données créées ou obtenues à l’aide de différentes données sources.

Les licences relatives aux données

Les données diffusées sans aucune licence affiliée sont soumises au droit commun : utilisation des données de façon très limitée. Pour les utiliser sans risques juridiques, il faut obtenir une autorisation auprès de leur producteur.

Certaines licences peuvent se ressembler mais ne contiennent pas forcément les mêmes préconisations. Il faut rester vigilant et bien lire le contenu de chaque licence pour comprendre quelles libertés sont offertes.

L’ODBL – Open Data Base Licence : okfn.org

L’ODC – Open Data commons : opendatacommons.org

La CC0 – Creative Commons Zero : creativecommons.org/publicdomaine/zero/0.1

La licence Étalab – Licence Ouverte-Open Licence : etalab.gouv.fr,

sribd.com/fullscreen/69252168

Les licences françaises : ces licences sont applicables en France. Plus particulièrement, la licence Étalab a été rédigée pour être utilisée selon les principes de l’Open Data.

La licence Étalab – Licence Ouverte-Open Licence : etalab.gouv.fr,

sribd.com/fullscreen/69252168

La licence APIE (Agence du patrimoine immatériel de l’État) : economie.gouv.fr/apie

La licence IP (informations publiques) : www.rip.justice.fr/licence-type

Les licences particulières : licences spéciales rédigées par les producteurs eux-mêmes. Elles sont généralement basées sur des licences qui existent déjà. Cependant, elles présentent des différences : plus de libertés… ou plus de contraintes et de limites. Il faut être vigilant !

Le choix d’une licence – Préconisations

Il est préférable d’utiliser des licences Open Data sans les modifier. Elles fonctionnent toutes selon les mêmes principes et sont compatibles entre elles (interchangeables).

La licence Étalab a été rédigée dans ce but : elle respecte le droit commun, applique les vertus de l’Open Data et s’avère compatible avec les licences internationales les plus utilisées (ODBL et ODC). Elle est facile à comprendre et à appliquer. Elle est disponible en français et en anglais.

Lorsque l’on utilise des données libérées ou que l’on génère des données dérivées, il faut toujours indiquer leur origine : nom du ou de leurs producteurs, lien hypertexte vers le site source (ou catalogue) et date de dernière mise à jour (généralement, il s’agit de leur date de libération). Ces indications peuvent être mises en annexe de la base de données créée, à la suite des données, dans un cadre attaché aux données ou dans un fichier joint.

Les data visualisations

Les data visualisations ne sont pas des données. Ce sont des graphiques utilisant les données pour les « mettre en scène » et permettre leur interprétation. En cela, elles sont des créations dérivées basées sur les potentiels d’exploitation de données libérées.

Souvent, une data visu est conçue à partir de données libérées soumises à une licence d’utilisation. Il est essentiel d’identifier la licence afférente pour savoir qu’elles libertés d’utilisation et de modifications sont offerte et de n’utiliser que des données librement réutilisables. Toutes les données soumises à une licence Open Data entrent dans ce cadre : libertés d’utilisation permettant de générer des données dérivées et/ou des data visus.

Si l’on souhaite mettre des data visus à disposition de manière libre, il faut les soumettre à une licence issue du mouvement du Libre.

Contact : cedric.favre@aecom.org – 05-47-50-10-39.