De l’esprit design du design thinking à la dataviz de l’open data

Digital World Map Hologram Blue
« Digital World Map Hologram », photo Natanael Ginting on Freepik

L’esprit design a beaucoup modifié le travail créatif en entreprise grâce à des outils de visualisation et de conduite de projets ; des outils similaires permettent une compréhension plus pertinente des données de l’open data.

Des hiéroglyphes au mind mapping

Textes écrits et visualisations : un très vieux couple de plus de 5000 ans dans la communication des connaissances. Avec des temps ou des domaines d’exclusion réciproque, avec des collaborations plus ou moins réussies, avec des maladresses ou des erreurs alternées.
Ce furent les hiéroglyphes dans lesquelles dessins, idéogrammes, puis graphèmes se conjuguent en récit ; les lettrines du Moyen Âge ; les croquis de Napoléon à la place des longs discours ; les figures de géométrie qui ont enfin éclairé les imbroglios des textes de démonstrations écrites ; les premiers dessins des livres d’histoire qui ont incrusté durablement la légende du vase de Soissons…
La pensée occidentale est plutôt logique et déductive. Elle est généralement exposée par des textes écrits, et sous une forme académique policée. Pourtant, la visualisation est depuis toujours associée à la pensée et à la réflexion intellectuelle en occident (Reymond, 2016). Dans le domaine scientifique surtout, le visuel prend une place qui n’est pas que d’illustration ou d’agrément, mais qui est communication de connaissances (Goody, 1979 ; Latour, 1993). Les planches de l’encyclopédie de Diderot sont plus informatives qu’illustratives. La cartographie, les statistiques sont des exemples flagrants d’un autre type : il s’agit pour la visualisation de trouver une forme d’expression à ce qui n’en a pas, à l’abstraction, ou à l’invisible ou à des grandeurs hors échelle humaine.

Le visuel a conquis cette place par ses qualités spécifiques : il capture l’attention ; il facilite la mémorisation ; il focalise sur l’essentiel ; il donne à comprendre ce qu’il donne à voir. De ce fait, il prend les risques des limites des connaissances qu’il transcrit, et les risques de la simplification. Le modèle planétaire de l’atome de Rutherford était un progrès décisif en 1911, mais il a été à son tour invalidé, comme les connaissances qu’il décrivait.

L’arrivée du numérique

L’arrivée du numérique a inauguré une nouvelle étape dans le monde de la visualisation. Le développement des performances interactives des outils informatiques depuis une vingtaine d’années a permis d’améliorer la compréhension de certains phénomènes complexes grâce aux techniques de visualisation graphique. Les représentations de données quantitatives et conceptuelles en ont largement bénéficié.

Et pour le monde de l’entreprise ?

Le monde de l’entreprise n’a pas échappé à cette culture. Dans sa communication interne ou externe, la priorité est au texte écrit, mais avec des visuels pour les descriptions techniques nécessaires dans la phase de conception de produit et dans la phase de production : plans cotés, schémas, vues éclatées, etc. Pour la commercialisation, les catalogues ou les affiches illustrés remplacent les fiches techniques. Mais dans ce monde de l’entreprise, l’innovation n’est maintenant plus une option : de cela dépend sa pérennité. Or l’esprit créatif n’est pas une pensée logique, séquentielle, déductive. La création accepte l’intuition, le spontané, l’imaginaire. Ce n’est pas en perfectionnant la bougie que l’on a inventé l’ampoule électrique. Il faut accepter des ruptures de paradigme, de faire un détour, d’être rebelle. Promoteur d’innovation, le Design Thinking conquiert les entreprises.
Cette méthodologie, issue de la culture du projet en design, a été formalisée il y a un peu plus de vingt ans dans la Silicon Valley autour de l’Université Stanford et de l’agence Idéo. Elle fournit une boîte à outils conceptuels permettant notamment de générer des idées et d’améliorer l’expérience utilisateur d’un produit ou d’un service. Elle est aujourd’hui enseignée dans des écoles de gestion ou d’ingénierie et fait l’objet de recherches académiques.
Le processus du Design Thinking vient de la volonté de trouver, à un problème ou à une demande, une solution innovante exactement satisfaisante. Qui soit aussi technologiquement possible, et financièrement accessible.
De cette volonté, des choix d’organisation et d’outils se déduisent. Une attitude d’empathie avec l’utilisateur et son environnement, pour percevoir le plus justement la demande ou le problème. Un travail collaboratif des différents acteurs de l’entreprise, pour mobiliser l’intelligence collective. L’emploi de méthodes de créativité collective dans une phase d’idéation, puis de conception. L’acceptation d’essais provisoires successifs, par itérations avec le futur utilisateur, pour tester l’expérience-client.

De nombreuses approches de Design Thinking se retrouvent aujourd’hui dans l’innovation des start-up et dans l’entrepreneuriat. Mais aussi de plus en plus dans d’autres domaines de la vie sociale. La culture du design n’a jamais été aussi présente.

Le Design Thinking et ses outils de visualisation

Nuage de mots, « Design Thinking » Pascale Boin

La culture design privilégie la visualisation dans la recherche, l’exposé et la communication des idées, car elle accepte la rapidité de l’intuition et de la pensée créative, comme elle permet une communication synthétique. Le Design Thinking a bénéficié de techniques inventées bien avant lui, et les utilise dans son processus. L’idéation est l’étape où, collectivement, s’inventent des solutions suggérées pour répondre à un problème ou une demande, dans les ideas party ou les sprints d’idéation. Le brain storming, ou le brain writing sont retranscrits visuellement : l’affichage de post-it de toutes les couleurs ou le dessin servent à l’échange et au partage de la créativité. La carte mentale, ou heuristique (mind map), suggérée par Tony Buzan dès 1970, manuelle ou numérique, est un excellent moyen d’obtenir un rendu visuel à partir d’idées abstraites.
D’autres représentations cartographiques sont convoquées à tous les stades du cycle de la pensée design. Les tag clouds, les nuages de mots sont créés collectivement et affichés, comme les diagrammes d’affinités. Le moodbord, collage de schémas, de mots et de graphismes, constitue le patrimoine de référence d’une équipe pour un projet.
En dehors de la phase d’idéation, le Design Thinking emploie d’autres procédés visuels. Par le customer journey map, le parcours journalier de l’utilisateur est schématisé, pour mieux comprendre les circonstances de l’utilisation du produit à construire, qu’il soit logiciel ou objet.
Issu du monde du cinéma, le storyboard est devenu très populaire en Design Thinking. C’est un outil visuel très efficace pour imaginer et communiquer les bénéfices utilisateurs d’un nouveau concept sous forme d’histoire, au moins partiellement en bande dessinée.
Le storytelling, ou l’art de raconter une histoire, est proche du storyboard. L’objectif de cet art de raconter une histoire est de retranscrire et de communiquer l’émotion liée à l’expérience des utilisateurs. Il est tout particulièrement utile pour communiquer à deux moments forts du projet, d’une part lors des résultats des recherches ethnographiques, d’autre part durant l’expérience utilisateur avec la solution imaginée.

S’il y a bien eu une période génération Post-it (Tom Brown) qui d’ailleurs peut se poursuivre, le numérique tend à occuper de plus en plus de place dans les outils du design. L’infographie devient un outil préférentiel, et une pluralité de logiciels le permet. La représentation cartographique se fait de plus en plus via des logiciels de mind mapping, comme MindManager, FreeMind, Mindomo, MindMeister…
L’infographie utilise les facultés cognitives de l’humain. La force de la perception visuelle facilite la mémorisation car l’image crée une trace mémorielle plus stable que les mots ; l’esthétique renforce l’attention, l’appropriation cognitive et la motivation à la communication. L’aspect dynamique des visualisations numériques apporte des atouts supplémentaires. Il est possible de se focaliser sur un concept ou un événement, puis de modifier ce centrage pour avoir un autre point de vue, grâce à la navigation dans le corpus. De plus, l’interactivité est un avantage dans le travail collaboratif qui est quasi permanent en design thinking : chaque acteur peut compléter, suggérer ou contester !

Puisque ces outils du Design Thinking amènent à des résultats incontestables pour comprendre une situation, pour créer et pour communiquer, il semble évident de les exporter dans d’autres secteurs d’activité qui utilisent ou créent des données. Le processus du Design Thinking a d’ailleurs largement emprunté ses techniques visuelles à d’autres secteurs que l’entreprise. Ce que l’on nomme le Big Data peut être ainsi exploité par ces mêmes méthodes.

En immersion dans le Big Data.

Ce terme désigne l’immense gisement d’informations numériques à notre disposition, ouvertes ou non, gratuites ou non, mais accessibles. Ces informations sont structurées ou non, validées ou non, fiables ou non. C’est dire à la fois leur importance et leur fragilité ! La quantité des données qui circulent est incommensurable, et en accroissement continuel.
Quelques trillons d’appareils connectés, quelques 7000 téraoctets sont produits chaque seconde dans le monde, le nombre total existant n’est pas mesurable ; il a fallu inventer le yottaoctet, une unité comparable au parsec en astronomie, pour le décrire ! Le Big Data comprend des données provenant des médias sociaux, des institutions, des documents et données wiki, des photos, des téléphones mobiles, des transactions…
On caractérise parfois ces données par cinq V : variété, volume, vitesse, véracité, valeur. L’accès à ces masses de données, pour chaque individu, est peut-être un progrès démocratique s’il favorise le partage des connaissances ; mais l’expansion phénoménale de la data sphère mondiale ne devient-elle pas une menace plus qu’une ressource ? La quantité ne cesse d’opacifier le sens (Verlaet, 2011). Comment s’y prendre pour tenter d’exploiter cette masse qui nous submerge ? L’enjeu est de passer des données aux informations, et des informations aux connaissances.

De multiples moyens numériques se sont développés à cette fin. Pour capter les données en fonction d’indicateurs de recherche par exemple (moteurs de recherche), pour analyser les données, tester leur fiabilité ou simplement leur innocuité, les trier, les classer, les synthétiser, les stocker, les répercuter, etc…
Parmi ces moyens prend place la data visualisation. On l’a vu, le Design Thinking utilise des outils de visualisation avec succès pour ses propres objectifs : sélectionner des informations pertinentes, afin de définir la problématique, favoriser la créativité et l’interactivité, l’intelligence collective, la gestion progressive du projet.
Le parallèle est évident entre les outils de visualisation du design thinking et ceux qui sont employés pour le big data. Plus précisément pour le secteur de l’open data et de l’open science.

3D Big data in modern city. Abstract social information sorting visualization. Human connections or urban financial structure analysis. Complex geospatial data. Visual information complexity
« Visual information complexity », photo Garry Killian on Freepik

A l’opulence des données répond l’analyse du web sémantique.

Rendre compte de la richesse de la production scientifique est œuvre ardue ! L’un des moyens ne serait-il pas de repérer des connexions autour de concepts clés communs à une pluralité de documents ? C’est le choix de stratégies d’éditorialisation, comme celles qui emploient le modèle par l’Approche Sémio-Contextuelle des Corpus (ASCC). Il est alors possible de relier un fragment conceptuel à d’autres fragments voisins, éventuellement d’auteurs différents, de domaines de recherche différents, pour faire apparaître des similitudes ou des contrastes, des auteurs, des références. Il s’agit alors de documents recomposés, à partir du principe d’extraction- recomposition et de décontextualisation – recontextualisation. La restitution visuelle de ces documents peut aboutir à des cartes conceptuelles. Elles permettent d’atteindre le niveau d’abstraction nécessaire pour traiter des données massives et les re-contextualiser. Les corrélations constituent des connaissances nouvelles qui seraient inexploitables sous d’autres formes. L’utilisateur a ainsi accès, par de nouvelles affordances, à des informations dispersées, qui deviennent des connaissances cohérentes après un travail de mise en réseau. Les auteurs ont longtemps tenu au respect intégral de leur texte, sans ajout ni coupure, par peur d’une utilisation faussée hors contexte. Mais la communauté scientifique reconnaît maintenant largement l’intérêt des métadonnées dans la publication numérique et l’intérêt des visualisations qui donnent à voir autrement le travail intellectuel.

A la complexité des informations répond la simplification des représentations visuelles.

L’avantage est particulièrement visible pour les données quantitatives, statistiques par exemple grâce aux multiples représentations en graphiques, diagrammes, schémas, possibles.
Le designer anglais David McCandless transforme des ensembles de données complexes comme les dépenses militaires mondiales, les buzz média, les mises à jour de statuts Facebook et bien plus, en diagrammes beaux et pourtant simples. Il propose le design d’information comme un outil pour nous permettre de naviguer dans la surabondance d’information d’aujourd’hui, et il trouve des modèles et des connections uniques qui pourraient bien changer notre façon de voir le monde.

Mais infographie et visualisation ne sont pas réservées aux données quantitatives. Associées aux ressources de l’analyse lexicale, sémantique et de la navigation hypertextuelle, elles sont très utiles pour l’analyse d’interviews, d’enquêtes, ou de documents. Par exemple pour des figures du champ sémantique en nuages de mots : les mots s’affichent dans des polices de caractères d’autant plus grandes qu’ils sont utilisés ou populaires, avec des codes de couleurs ou d’épaisseur d’écriture traduisant l’importance contextuelle. Cette simplification n’est pas un appauvrissement du sens mais plutôt une vue synthétique et hiérarchisée. Le Design Thinking utilise de même cette visualisation numérique synthétique pour suivre les suggestions de l’idéation.
Dans le domaine purement textuel, les technologies ont donné naissance à un certain nombre d’applications en ligne permettant d’offrir des vues globales ou des résumés d’écrits : From data to Viz; Rawgraphs; Flourish; Datawrapper; HighCharts…

A la difficulté scientifique des textes répond l’esthétique des représentations visuelles.

Celles-ci attirent et retiennent l’attention, elles sont un moyen de motiver la compréhension de l’utilisateur, et sa volonté de recherche. Elles optimisent l’expérience utilisateur par la satisfaction esthétique qu’elles procurent ; puis elles sollicitent nos modes cognitifs (Borkin, 2013). La couleur, les formes, le graphisme deviennent des moyens d’investigation performants, en mobilisant un spectre bien plus large de nos capacités cognitives. Notre cerveau droit, plutôt sensoriel, est concerné autant que notre cerveau gauche, plus rationnel.
Le design des informations nous aide à embrasser l’essentiel et à en mémoriser les connexions. En un quasi coup d’oeil.
Il utilise la puissance de notre regard, la séduction des couleurs et des formes. Des images, du graphisme, peu de textes pour emmagasiner et articuler une masse de données.
L’information, ainsi visualisée, est magique. Les projets successifs de maquettage, en Design Thinking testent l’expérience utilisateur sur les choix de design.
Les outils consacrés à la structuration visuelle sont bien connus : Gephi pour l’analyse visuelle de réseau, CartoDb pour la cartographie, R pour l’analyse mathématique et statistique, Tableau public pour la business intelligence. De nombreux outils et services en ligne sont disponibles ; Wordle, Many Eyes, Infogram… La manipulation de ces outils sur une base de données, en modifiant les paramètres disponibles, crée parfois, par sérenpidité, des structures inédites et valides pour de nouvelles connaissances.

A l’évolution rapide des apports scientifiques répond l’analyse en temps réel.

Pour le big data, l’un des cinq V correspond à Vélocité. En effet, les données évoluent, parfois très rapidement. Sans évoquer le temps à la seconde des traiders, ou les statistiques d’évolution d’une épidémie, ou les données météorologiques, force est de constater que l’économie, ou le monde scientifique, ont besoin d’un traitement des informations en temps réel pour tenir compte des modifications et des ajouts de documents utiles à la décision. La multitude et le cumul des ajouts granulaires d’information créent des flux de documentation ininterrompue.
La visualisation en temps réel (visual analytics) apparaît comme une technologie clé du Big data. L’enjeu est aujourd’hui de développer des technologies pouvant visualiser des flux massifs en temps réel, et les analyser ; des tableaux de bord (dashboards) lient l’actualité des informations à leur visualisation.

A la nécessité de l’intelligence collective répond la visualisation interactive.

L’interactivité est une opportunité pour la communauté scientifique et le chercheur. Les logiciels Sphinx, et Dataviv par exemple, offrent un ensemble de ressources de visualisation de données, et d’infographies dynamiques ; mais, de plus, celles-ci sont interrogeables par le lecteur utilisateur, modifiables, et sont ainsi particulièrement utiles pour l’analyse de corpus. La collaboration qui est une évidence en Design Thinking, est aussi un bénéfice pour les documents de recherche scientifique, et les outils numériques favorisent cet aspect par exemple avec des procédés d’écritlecture. Le document est ainsi évolutif, il s’enrichit des collaborations admises et vérifiées. Son statut d’auteur est donc différent : c’est un autre document collectif qui est produit et interprété visuellement.

Une image vaut mille mots » dit-on après Confucius.

Le cerveau humain traite les données visuelles 60 000 fois plus vite qu’un texte. Des images très colorées augmentent de 80% l’envie de lire les données qu’elles contiennent. En représentant les données sous forme graphique, la Data visualisation développe considérablement le potentiel de compréhension et d’adhésion des utilisateurs.
Le Design Thinking, dans le monde de l’entreprise, emploie très largement des outils de visualisation pour doper l’information, la créativité, la compréhension, la collaboration. Ces mêmes outils, ou des outils similaires, sont avantageusement utilisés pour l’exploitation des masses de données de l’open data.


Bibliographie

Pailleau, I., & Akoun, A. (s. d.). Apprendre avec le sketchnoting. (Eyrolles). [Consulté 5 août 2020] URL : https://www.eyrolles.com/Entreprise/Livre/apprendre-avec-le-sketchnoting-9782212566000/

Arruabarrena, B. (2015). Datavisualisation?: Des données à la connaissance. I2D – Information, données & documents, 52(2), 28-29. Cairn.info. URL : https://doi.org/10.3917/i2d.152.0028

Beudon, N. (2017a). Le design thinking?: L’utilisateur au cœur de l’innovation. I2D – Information, données & documents, 54(1), 28-29. Cairn.info. URL : https://doi.org/10.3917/i2d.171.0028

Beudon, N. (2017b). Mener un projet avec le design thinking. I2D – Information, données & documents, 54(1), 36-38. Cairn.info. URL : https://doi.org/10.3917/i2d.171.0036

Delengaigne, X. (2016). Gérez vos projets de A à Z grâce aux cartes mentales. Gestion, 41(3), 106-108. Cairn.info. URL : https://doi.org/10.3917/riges.413.0106

Design-Thinking-101reperes_fr.pdf. (s. d.). [Consulté 25 avril 2020] URL : http://www.nsuchaud.fr/wp-content/uploads/2015/05/Design-Thinking-101reperes_fr.pdf

Gamba, T. (2017). D’où vient la « pensée design » ? I2D – Information, données & documents, 54(1), 30-32. Cairn.info. URL : https://doi.org/10.3917/i2d.171.0030

Gonzales Aguilar, A., Verlaet, L., Vaisman, C., & Gallot, S. (2013, novembre 21). Approches de la visualisation pour la construction des connaissances. Application au sein d’un corpus numérique de médiation juridique. [Consulté 24 juillet 2020] URL : https://www.researchgate.net/publication/263469532_Approches_de_la_visualisation_pour_la_construction_des_connaissances_Application_au_sein_d’un_corpus_numerique_de_mediation_juridique

Huot, C. (2014). Chapitre 1. Le Big Data, si nous en parlions ? Étudier les modèles techniques et économiques en place et découvrir la démarche à adopter pour réussir un projet Big Data au sein de votre organisation. In Big Data (p. 9-30). De Boeck Supérieur; Cairn.info. URL : https://www.cairn.info/big-data–9782804189150-p-9.htm

Le Gall, M. (2017). La pensée visuelle. I2D – Information, données & documents, 54(1), 44-45. Cairn.info. URL : https://doi.org/10.3917/i2d.171.0044

De la simplicité. (s.d.). [Consulté 25 avril 2020] URL : http://www.heuristiquement.com/2011/04/de-la-simplicite.html

Design Thinking et Carte Heuristique. (s. d.). [Consulté 25 avril 2020] URL : http://www.heuristiquement.com/2013/07/design-thinking-et-carte-heuristique.html

Monino, J.-L., & Sedkaoui, S. (2016). Big Data, Open Data et valorisation des données. ISTE Group.

Moscarola, J. (2018). Chapitre 19. Visualisation de données et infographie dynamique?: Le logiciel Sphinx. In Les méthodes de recherche du DBA (p. 340-357). EMS Editions. URL : https://www.cairn.info/les-methodes-de-recherche-du-dba–9782376871798-page-340.htm

Mongin, P., & Garcia, L. (2020). Organisez vos projets avec le Mind Mapping. URL : https://www.dunod.com/entreprise-economie/organisez-vos-projets-avec-mind-mapping-8-phases-du-projet-et-outils-mettre-en

Panorama des formats et des outils de data visualisation. (s. d.). [Consulté 25 avril 2020] URL : https://datactivist.coop/dataweek/dataviz/#1″ target= »_blank » rel= »noopener noreferrer

Qu’est-ce que le Design Thinking?? Définition et objectifs de la méthode. (2016, août 5). Klap. URL : http://www.klap.io/definition-design-thinking/

Qu’est-ce que le Design thinking? Design Thinking Définition. (2018, avril 24). USABILIS. URL : https://www.usabilis.com/quest-ce-que-le-design-thinking/ » target= »_blank » rel= »noopener noreferrer

Régnard, D. (2010). Apports pédagogiques de l’utilisation de la carte heuristique en classe. Éla. Études de linguistique appliquée, 158(2), 215-222. Cairn.info. URL : https://doi.org/10.3917/ela.158.0215

Verlaet, L. (2018, juillet 13). Exploitation et exploration des données?: L’intérêt de l’infovisualisation. URL : https://doi.org/10.13140/RG.2.2.23318.40005

Zolynski, C. (2015). Big data?: Pour une éthique des données. I2D – Information, données & documents, 52(2), 25-26. Cairn.info. URL : https://doi.org/10.3917/i2d.152.0025

Brunet, E. (2019). La boîte à outils du Design Thinking. Dunod.