La revue du projet

La revue du projet
Accueil
 
 
 
 

Petit guide de lecture de graphiques et de données statistiques, Fanny Chartier

« Attention, statistiques ! » Aussi bien pour l'erreur de bonne foi que pour la tromperie de mauvaise foi, elles sont très fortes. La revue en a souvent fait état, voici quelques autres mises en garde sur les méthodes.

 

Étape 1 : Observer la construction du graphique

L’échelle du graphique est-elle constante ? Par exemple, si l’on observe une évolution dans le temps, il faut qu’entre chaque point il y ait la même durée (un mois, une année, etc.) : en gros la série de données est-elle complète ? S’il manque une ou plusieurs unités, attention donc… Elles ont pu être retirées car elles n’allaient pas dans le sens voulu. Quoi qu’il en soit, ce n’est pas très sérieux et donc pas fiable. S’il manque des données, cela doit être justifié, même si c’est parce qu’elles n’existent simplement pas. 

L’origine du graphique est-elle à 0 ? Une astuce pour accroître la perception d’une diminution/augmentation peut être de démarrer l’axe des ordonnées non pas à 0, comme cela se fait le plus souvent, mais à une autre valeur. Lorsqu’on parle de valeurs très grandes comme le nombre de fonctionnaires, placer l’origine du graphique à une valeur autre que 0 (en général proche de la première valeur de la série de données) permet de suggérer de fortes variations alors qu’elles sont faibles en réalité.

Le graphique se réduit-il à quelques données ? C’est très important de toujours replacer des données dans leur contexte temporel et/ou géographique. Par exemple, si l’on présente une évolution entre 2014 et 2017, il n’est pas possible de savoir si cette évolution est exceptionnelle ou non. Souvent, lorsqu’on replace une série de données sur le temps long, on observe que les tendances observées ont déjà été visibles auparavant : la tendance soulevée n’est donc pas nouvelle, voire c’est un phénomène plus ou moins périodique.

La pente du graphique n’est-elle pas volontairement diminuée ou accentuée ? En jouant sur les axes, on peut accentuer ou diminuer le degré de la pente du graphique et donc jouer sur la perception de la diminution/augmentation. Cela peut être le cas si les données ne sont pas constantes (voir point 1) mais aussi en fonction de la forme du graphique. Les deux courbes du graphique p. 14 représentent exactement les mêmes données mais on voit que, selon la présentation du graphique (et notamment la distance entre les points), le rendu n’est pas du tout le même.

Étape 2 : Interroger la véracité des données présentées

Quelle est la source des données ? S’il n’y a pas de sources, c’est mauvais signe, et les données ne peuvent pas être prises au sérieux. S’il y en a, sont-elles produites par l’INSEE ou par un institut de sondage par exemple ? L’origine des données donne des indications sur sa fiabilité. Cependant, des données produites par des institutions publiques peuvent être trompeuses. Mais, dans ce cas, cela vient probablement plutôt du mode de calcul.

Comment sont construites les données ? Continuons avec notre exemple : la logique voudrait que si l’emploi public augmente, alors le nombre de fonctionnaires augmente aussi. Pas forcément, puis­qu’un tiers de l’emploi public est composé de contractuels, de militaires, de contrats aidés et d’autres statuts. Il faut donc toujours se demander comment le chiffre est construit et quelle définition il sous-tend. Le bon réflexe peut être de consulter les définitions proposées par l’INSEE : par exemple, à partir de combien d’habitants une commune est-elle une ville et non plus un village ? Combien de salariés faut-il pour être considéré comme une PME ? Ce sont des conventions statistiques qu’il est utile de connaître, si l’on souhaite décrypter des données.

Les données sont-elles des extrapolations ? Les extrapolations sont des données calculées à partir de tendances passées : par exemple, si on remarque qu’en moyenne la population augmente de 3 % par an, on peut estimer que la population en 2018 augmentera de 3 %. Si les données reposent sur des extrapolations, il faut regarder les sources de ces extrapolations. Pour alimenter la théorie du grand remplacement, le Comité contre les naturalisations en masse, proche de l’UDC, un parti conservateur et anti-immigration suisse a réalisé le graphique ci-dessus.
Les extrapolations (points rouges) sont réalisées à partir des évolutions déclaratives observées sur le canton de Zurich. Rien ne justifie d’appliquer ces évolutions pour extrapoler à l’ensemble de la Suisse. En outre, on observe que quatre des six points sur le graphique sont des extrapolations. Enfin, en suivant la même logique (une multiplication par deux tous les dix ans), le prochain point du graphique devrait indiquer un pourcentage de 144 % de musulmans en Suisse en 2050 : un chiffre évidemment impossible ! Bref, ce n’est pas parce que le nombre de musulmans double en dix ans, qu’il continuera à doubler chaque décennie ensuite.

 

Fanny Chartier est coresponsable de la rubrique Statistiques.

La Revue du projet, n°68 juin 2017

Il y a actuellement 0 réactions

Vous devez vous identifier ou créer un compte pour écrire des commentaires.