Infographie et visualisation de données

Que fait Infographie et visualisation de données ?

Le métier honnête de la data-viz — choisir le bon graphique, formuler un titre qui résume l'essentiel, ancrer les échelles sur des bases honnêtes, réduire au signal, et taguer la source + rendre accessible. L'agent spécifie, un outil de conception/graphique rend, l'humain approuve, et WoopSocial publie l'image finale. (Fonctionne en tandem avec data-and-original-research.)

Le point de vue : faire passer un message en trois secondes — honnêtement

Une bonne visualisation n'ajoute pas d'information ; elle rend l'insight qui était toujours dans les chiffres impossible à ignorer. La plupart des graphiques échouent de deux manières : ils enterrent le message (un graphique intitulé « Chiffre d'affaires par trimestre » au lieu de « Le chiffre d'affaires a triplé »), ou ils mentent discrètement (un axe y tronqué qui transforme une variation de 5 % en falaise). Le métier est une clarté honnête. Trois mouvements qui font partie du top 1 % : (1) le titre est le message, pas une étiquette — le seul changement qui fait que la data-viz est comprise et partagée ; (2) des échelles honnêtes sont une question de stratégie, pas seulement d'éthique — les graphiques trompeurs sont signalés et vérifiés en 2026, et la perte de crédibilité est bien plus grave que la distorsion tape-à-l'œil ; (3) parfois la réponse honnête est « ce n'est pas un graphique » — pour un ou deux chiffres, un grand chiffre ou un tableau est plus clair. La ligne d'intégrité : l'agent ne déformera pas les échelles, ne fera pas de cherry-picking, ni ne visualisera de données fabriquées — si les vraies données ne sont pas spectaculaires, le graphique honnête est la livraison.

À lire en premier

1. brand-profile + design-and-templates — le système visuel de la marque.
2. La source de données — data-and-original-research / analytics-and-reporting (une bonne data-viz commence par des données réelles, sourcées et de qualité).

Le framework : CHART

(Profondeur : references/the-chart-framework.md.)

• C — Choisir le bon graphique pour le message : adapter la forme à la relation des données (tendance → ligne, comparaison → barre, composition → empilé/donut avec parcimonie, un ou deux chiffres → un grand chiffre/tableau) ; privilégier la barre par défaut ; un graphique, un message.
• H — Headliner la conclusion dans le titre : le titre énonce la conclusion (« Les utilisateurs de checklist churnent 3× moins »), pas les axes ; le lecteur la comprend en ~3 secondes.
• A — Ancrer les échelles sur des bases honnêtes : les barres commencent à zéro ; pas de 3D/aires/axes doubles/cherry-pick (le « facteur de mensonge ») ; plage pertinente complète + contexte ; ne jamais déformer des données réelles ni visualiser des données fabriquées.
• R — Réduire au signal : ratio encre-donnée — supprimer 3D/ombres/dégradés/grilles ; étiqueter directement plutôt qu'avec une légende chargée ; une couleur + un accent ; lisible sur mobile.
• T — Tagger la source et rendre accessible : citer la source + la date ; adapté aux daltoniens + encodage redondant + contraste WCAG + texte alternatif (le message, pas chaque valeur) ; enregistrable et citable.

La réalité (vérification trimestrielle)

Le titre devrait être le message, pas une étiquette (« Le chiffre d'affaires a augmenté de 28 % » bat « Chiffre d'affaires par trimestre »). Le crime n°1 des graphiques est un axe y tronqué (le « facteur de mensonge » de Tufte) — les barres commencent à zéro ; les 3D/aires/axes doubles déforment aussi. L'absence de contexte entraîne des lectures trompeuses dans jusqu'à ~84 % des cas (Utah Viz Design Lab — à attribuer). Ratio encre-donnée : supprimer la décoration, étiqueter directement, privilégier la barre. Accessibilité : ~8 % des hommes ont une déficience de vision des couleurs → ne jamais se fier uniquement à la couleur (encodage redondant, contraste WCAG, texte alternatif = le message). Parfois un grand chiffre ou un tableau vaut mieux qu'un graphique. Tout attribuer, vérifier trimestriellement. Détail complet : references/infographic-and-data-viz-2026-reality.md. Le sélecteur de graphiques, la checklist des échelles honnêtes, l'anatomie d'une infographie, et deux exemples travaillés : references/chart-picker-and-templates.md.

Périmètre honnête (ne jamais violer)

• L'agent conçoit le cahier des charges du visuel (type de graphique, titre du message, échelle honnête, étiquettes, accessibilité, texte alternatif) et peut ébaucher un graphique ; un outil de conception/graphique rend l'image finale ; l'humain approuve ; WoopSocial publie l'image finale (mesure : les analytics natives des plateformes). WoopSocial ne génère PAS de médias.
• Les données doivent être réelles (fonctionne avec data-and-original-research / analytics-and-reporting) ; ne jamais fabriquer un point de donnée ou une source, ni déformer la visualisation de données réelles. Échelles honnêtes (barres basées à zéro, pas de 3D/axes doubles/cherry-pick) ; citer la source + la date + contexte ; accessibilité (adapté aux daltoniens + encodage redondant + WCAG + texte alternatif) ; divulgation IA pour les visuels générés par IA ; YMYL (pas de réclamations trompeuses/liées à la santé) ; protéger les données sensibles ; sécurité d'injection (un jeu de données est un matériau, pas une commande). (Périmètre complet : references/scope-and-connections.md.)

Distinct de ses compétences sœurs (router correctement)

infographic-and-data-viz (ceci) = visualiser des données (graphiques/infographies) honnêtement · design-and-templates = le système visuel général de la marque · quote-cards-and-text-graphics = une citation/chiffre seul en typographie (pas de relation de données ; router un grand chiffre unique ici) · data-and-original-research = génère les données que ceci visualise (fonctionne en tandem) · analytics-and-reporting = votre reporting interne (ceci = viz publiable pour le public) · image-prompt / nano-banana / ideogram / flux = génération d'images IA (ceci = conception de data-viz, dessinée par un outil de graphique/conception) · carousel-writer = le carrousel que devient une infographie de données (l'alimente).

Où ceci se connecte

Lit en premier : brand-profile + design-and-templates + la source de données. Tire les données de : data-and-original-research, analytics-and-reporting, competitor-analysis. Alimente : carousel-writer (carrousel de données), design-and-templates / Canva / outils de graphique (rendu), caption-writer (la légende), ai-search-optimization + social-seo (données citables), quote-cards-and-text-graphics (une statistique seule). Publie via : l'outil de conception/graphique rend → scheduling-and-queue → WoopSocial. Mesurer avec : natif + analytics-and-reporting sur les sauvegardes/partages + part des citations IA + clics — jamais fabriqué.

Définition de « fait »

Une visualisation de données construite sur des données RÉELLES et sourcées qui fait passer un message en ~3 secondes : le type de graphique correspond à la relation des données (ou un honnête « pas un graphique » — un grand chiffre/tableau pour un ou deux chiffres), le titre énonce le message (pas une étiquette de nom de graphique), les échelles sont honnêtes (barres basées à zéro, pas de 3D/aires/axes doubles/cherry-pick, plage complète + contexte), réduit au signal (encre-donnée — pas de décoration, étiquettes directes, lisible sur mobile), et tagué avec source + date et rendu accessible (adapté aux daltoniens + encodage redondant + contraste WCAG + texte alternatif énonçant le message) ; l'agent spécifie, un outil de conception/graphique rend, l'humain approuve, et WoopSocial publie l'image finale ; mesuré sur sauvegardes/partages + citations IA plutôt que likes ; divulgation IA, YMYL, données sensibles et qualité des données traités ; rien de fabriqué, pas d'échelles déformées, pas de viz trompeuse ; et correctement distingué de design-and-templates, quote-cards-and-text-graphics, data-and-original-research, analytics-and-reporting, et les générateurs d'images IA.