dataviz, ggplot2, camembert, pie chart, barplot, visualisation de données, R, débutant
Un classique du mauvais choix de visualisation, et comment y remédier avec ggplot2.
Ouvrez le premier rapport PowerPoint venu, et vous en trouverez un. Le camembert (pie chart en anglais) est partout : dans les bilans annuels, les sondages, les dashboards d’entreprise. Il est intuitif à créer, familier pour le lecteur, et donne l’impression de synthétiser une information complexe en un coup d’œil.
Pourtant, les spécialistes de la visualisation de données le déconseillent quasi-unanimement. Pourquoi ? Parce que notre cerveau est particulièrement mauvais pour comparer des surfaces et des angles. Et c’est précisément ce que le camembert lui demande de faire.
Ce que cet article ne dit pas
Il n’existe quasiment aucun cas où un camembert est le meilleur choix possible. Mais s’il est déjà dans votre rapport et que vous n’avez pas le temps de le refaire, le monde ne s’arrêtera pas. L’objectif ici, c’est de comprendre pourquoi il peut poser problème, et d’avoir les outils pour faire mieux.
En dataviz, on distingue plusieurs encodages visuels : les façons dont on représente une valeur numérique. Voici les principaux, du plus précis au moins précis pour la perception humaine :
Le graphique en barres utilise la longueur et la position sur un axe. Le camembert, lui, utilise l’angle (et la surface des portions). On lui demande donc d’exploiter deux des encodages les moins précis qui soient.
La conséquence est immédiate : il est très difficile de distinguer deux portions proches, et quasi-impossible de comparer des portions non adjacentes.
Prenons des données fictives : la répartition de cinq espèces dans un inventaire marin.
Voici ce que donne un camembert avec ggplot2.
ggplot(especes, aes(x = "", y = proportion, fill = espece)) +
geom_col(width = 1, color = "white") +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "Set3") +
labs(fill = "Espèce", x = NULL, y = NULL) +
theme_void() +
theme(legend.position = "right")
Maintenant, répondez sans regarder les valeurs : quelle différence y a-t-il entre Sardine et Anchois ? Entre Thon rouge et Daurade ? Difficile à dire, n’est-ce pas, et pourtant les différences sont réelles (32% vs 28%, et 14% vs 8%).
Les quatre graphiques ci-dessous représentent chacun un ensemble de cinq valeurs comprises entre 43 et 61, sans valeur qui se démarque franchement. Dans chaque graphique, les lettres A à E sont réassignées indépendamment : A n’est pas la même valeur d’un graphique à l’autre. Pour chacun, essayez de classer les lettres du plus grand au plus petit avant de regarder la réponse.
Les valeurs de référence, du plus grand au plus petit : 61 > 57 > 52 > 47 > 43.
Deux parts de tailles proches se ressemblent visuellement, même si les valeurs diffèrent de plusieurs points. Notre œil ne distingue pas facilement 28% d’un 32% dans un angle.
Si les portions Anchois et Thon rouge ne sont pas côte à côte, les comparer devient un exercice mental : il faut mentalement “déplacer” les portions pour les superposer. Avec un graphique en barres, c’est immédiat.
set.seed(1)# 10 catégories fictives
beaucoup <- tibble(
categorie = paste("Catégorie", LETTERS[1:10]),
valeur = sample(c(18, 15, 13, 11, 10, 9, 8, 7, 5, 4))
)
ggplot(beaucoup, aes(x = "", y = valeur, fill = categorie)) +
geom_col(width = 1, color = "white") +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "Set3") +
labs(fill = NULL, x = NULL, y = NULL) +
theme_void() +
theme(legend.position = "right")
Dès que l’on dépasse 4 ou 5 catégories, et a fortiori quand les valeurs ne sont pas ordonnées, le camembert devient un puzzle coloré sans grande valeur informative.
Le camembert a une vraie qualité (en dehors d’être délicieux sous sa forme fromagère) souvent ignorée : notre système visuel est particulièrement sensible aux repères angulaires canoniques : les lignes horizontales, verticales et les angles droits. Sur un camembert, cela se traduit par une capacité à détecter facilement si une part franchit le seuil des 50% (la ligne de séparation coupe le cercle en deux moitiés égales) ou des 25% (angle droit, un quart du disque).
Dans ces cas précis, le camembert peut même battre le graphique en barres. Regardons ça sur un exemple.
À exactement 50%, les deux graphiques sont lisibles. À 51/49 en revanche, la ligne de partage dépasse légèrement le centre sur le camembert : on détecte immédiatement qu’un camp a franchi la majorité. Sur les barres, les deux rectangles sont devenus quasi-identiques sans lire les valeurs.
Le même phénomène se produit autour de 25%, grâce à la reconnaissance de l’angle droit. Même à 23%, on perçoit intuitivement “environ un quart” grâce au repère de l’angle droit. Sur les barres, cette intuition est moins immédiate.
À 25%, l’angle droit est parfaitement reconnaissable. À 23%, le repère mental “un quart” reste lisible sur le camembert, alors que les barres donnent surtout l’impression de deux rectangles de hauteurs différentes, sans ancrage intuitif.
Règle pratique
Le camembert est justifié si :
Dans tous les autres cas, les barres restent plus efficaces.
On sait maintenant quand éviter le camembert, et les rares cas où il se justifie. Reste à savoir par quoi le remplacer.
Le graphique en barres (geom_col() ou geom_bar() dans ggplot2) utilise la longueur comme encodage, l’un des plus précis pour notre perception. Reprenons nos données d’espèces :
especes |>
mutate(espece = fct_reorder(espece, proportion)) |> # Tri par valeur
ggplot(aes(x = proportion, y = espece, fill = espece)) +
geom_col(show.legend = FALSE) +
scale_fill_brewer(palette = "Set3") +
scale_x_continuous(limits = c(0, 40)) +
labs(x = "Proportion (%)", y = NULL, title = "Répartition des espèces observées") +
theme_classic()
Avec ce graphique, la hiérarchie est immédiate : Sardine > Anchois > Maquereau > Thon rouge > Daurade. Les différences entre catégories sont lisibles d’un coup d’œil.
Astuce fct_reorder()
Trier les barres par valeur (plutôt que par ordre alphabétique) est presque toujours une bonne idée. Cela met en évidence la hiérarchie naturelle des données. On utilise fct_reorder() du package forcats (inclus dans le tidyverse) pour ça.
Si votre message est vraiment centré sur les proportions (par exemple, montrer qu’une catégorie représente “les deux tiers du total”), le graphique en barres empilées à 100% est une alternative honnête :
especes |>
mutate(espece = fct_reorder(espece, proportion, .desc = TRUE)) |>
ggplot(aes(x = proportion, y = "Composition", fill = espece)) +
geom_col(position = "fill", color = "white") +
scale_x_continuous(labels = scales::percent) +
scale_fill_brewer(palette = "Set3") +
labs(x = NULL, y = NULL, fill = "Espèce", title = "Composition de l'inventaire") +
theme_classic() +
theme(
axis.text.y = element_blank(),
axis.ticks.y = element_blank(),
panel.grid = element_blank()
)
C’est plus lisible qu’un camembert et on conserve l’idée de “parts d’un tout”.
Et le donut chart dans tout ça ?
Le donut chart, c’est un camembert avec un trou au milieu : Homer Simpson approuverait la forme, pas forcément le contenu. Il souffre des mêmes limites de perception, avec un avantage : on peut glisser un chiffre clé au centre, ce qui peut avoir du sens dans un dashboard. En dehors de ce cas, les barres font mieux. Et contrairement au vrai donut, pas de glaçage pour se consoler.
| Situation | Graphique recommandé |
|---|---|
| Comparer des catégories entre elles | Barres triées (geom_col) |
| Montrer une composition (proportions) | Barres empilées 100% |
| Montrer une évolution dans le temps | Ligne (geom_line) |
| Franchir un seuil à 50%, 25% ou 75% | Camembert (si vraiment pile sur le repère) |
Le camembert au four avec un filet de miel, en revanche, reste toujours recommandé.