Documentation EFJ Documentation Contacter EFJ Nous Rencontrer Candidater EFJ Candidater

Datajournalisme & datavisualisation : une pratique journalistique indispensable aujourd’hui

L’EFJ est l’une des seules écoles de journalisme à enseigner à ses étudiants la datavisualisation, une compétence très recherchée par les médias. Découvrez en quoi consiste cette pratique journalistique et quels sont les avantages d’y être formés.

Les étudiants de notre école de journalisme EFJ ont participé à un atelier sur le datajournalisme et la datavisualisation. Il s’agit d’une pratique journalistique, qui utilise l’exploitation de données pour rendre l’information intelligible pour le lecteur. Elle est indispensable aujourd’hui, dans un monde où l’attention des lecteurs est limitée et où la désinformation règne. Entre théorie et pratique, nos étudiants ont pu approfondir leurs connaissances du sujet et en ont réalisé des productions. 

Qu’est-ce que le datajournalisme ? 

Le datajournalisme est une pratique journalistique qui vise à exploiter des données afin de rendre les informations plus accessibles, transparentes et compréhensibles pour le grand public. Les 3 étapes du travail d'un datajournaliste sont la collecte des données, leur traitement et la publication des résultats. Le datajournaliste tire les enseignements de l’analyse des données pour raconter des histoires, soulever d’éventuelles interrogations et informer le public. Il doit savoir les présenter graphiquement avec des outils standards. Ce journaliste enrichit ainsi ses articles d’une autre visualisation de l’information et offre un nouvel éclairage à propos d’un événement. C’est ce qu’on appelle la datavisualisation.

Qu’est-ce que la datavisualisation ? 

La datavisualisation est l'art de représenter visuellement des données et des informations qui peuvent s’avérer complexes à comprendre par le lecteur si celles-ci sont données brutes. Elle utilise des graphiques, des cartes, des infographies et d'autres outils visuels pour présenter des données de manière claire, concise et attractive. La datavisualisation permet de mettre en lumière des tendances, des corrélations et des insights à partir des données, facilitant ainsi la compréhension et l'interprétation pour un large public.

Rencontre avec Jean-Marie Lagnel, intervenant en 2e année à l'EFJ Paris pour un cours sur la datavisualisation.

Auteur du « Manuel de data visualisation » aux éditions Dunod, Jean-Marie Lagnel accompagne des professionnels (graphistes, communicants, journalistes...) et des étudiants dans le développement de leurs compétences en data design. Après des études en arts graphiques, Jean-Marie travaille chez Ubisoft puis devient chef du service Infographie de Libération, il rejoint ensuite des agences de design d’informations (Idé, Wag...) et réalise des visualisations pour différents médias. Il crée ensuite le collectif Studio V2 qu’il transforme en agence spécialisée dans le data design. En 2020, il revend ses parts et prend un statut de data designer indépendant. 

Quelle est la pédagogie de l’atelier que vous animez à l’EFJ ?

Pédagogie inversée, alternance de phases théoriques (des analyses de projets remarquables et des études de cas, des démonstrations et des partages d’expériences) et de mises en pratique (des exercices fils rouges pour analyser et manipuler un jeu de données afin d’expérimenter différentes possibilités pour le visualiser correctement).

Que produisent les étudiants en fin d’atelier ?

Les étudiants vont apprendre à produire des infographies, des dataviz et des cartographies fixes, interactives et animées simples et complexes. Pour cela ils vont également apprendre les fondamentaux pour récolter, analyser et organiser les données.

Quels sont les outils utilisés par les étudiants ? 

Un tableur (Excel, Google Sheet, Libre Office…), des outils incontournables de la dataviz (Flourish Studio, Canva, Infogram, Datawrapper, Tableau et d’autres outils open source).

Quelles sont les compétences que les étudiants acquièrent grâce ce cours ?

  • Concevoir une visualisation pertinente à partir de données traitées
  • Apprendre à récolter, analyser et organiser les données
  • Explorer, identifier et interpréter différents types de représentation
  • Découvrir qu’un jeu de données comporte plusieurs histoires

En quoi l’EFJ se démarque des autres écoles dans cette ambition de former ses étudiants au datajournalisme et à la datavisualisation ?

Les élèves devront présenter au jury de l'école leur grande enquête. L’intégration de l’infographie, de la dataviz et de la cartographie est obligatoire en complément du texte, des photos et des vidéos. Cela permet aux élèves de l’EFJ de mesurer la pertinence et la puissance du domaine du design d’information et faire la différence entre une infographie et une dataviz. En réfléchissant aux différents contenus qu’ils peuvent sortir de leurs articles pour mieux les valoriser, ils apprennent à créer un rythme graphique et à rendre les informations engageantes, claires et parfaitement lisibles. Ils vont découvrir l'écriture infographique (l'importance des annotations sur les visualisations pour sortir du factuel et décrire ce qui est remarquable) et le datastorytelling. 

Le data journalisme joue-t-il un rôle dans la lutte contre la désinformation ?

Oui, car il va savoir faire la différence entre un graphique qui comporte une erreur, due simplement à une maladresse et un manque de connaissances ou un graphique qui déforme volontairement les données dans le cadre d’une propagande. Pendant l’atelier les élèves développeront leur esprit critique et découvriront les do/don’t de la dataviz.

Quel est l’impact de l’IA sur cette pratique journalistique ?

L’impact de L’IA est énorme, et ce n’est que le début car chaque jour apporte des évolutions impressionnantes pour gagner en productivité. Quelques exemples : il est aujourd’hui possible d’utiliser l’IA pour chercher des données, mais aussi pour les réorganiser afin de pouvoir ouvrir la porte à des types de graphes qui nécessitent une structure particulière. C’est-à-dire demander à l’IA d’effectuer des pivots et ainsi ne plus passer par des tableurs et des tableaux croisés dynamiques. Il est aussi possible de demander à l’IA de suggérer des graphes à partir de vos données, mais attention, ce sera toujours le datajournaliste qui aura l’expertise pour choisir la bonne représentation.

Pouvez-vous nous donner quelques noms de médias qui utilisent particulièrement le data journalisme et la data visualisation ? 

En France la presse quotidienne, en particulier Les Échos, Le Monde, Le Figaro, et Le Parisien ont des équipes dédiée et conséquente (parfois plus de 15 personnes). Leurs équipes comportent des personnes avec des compétences et profils complémentaires : datajournalistes, illustrateurs, infographistes, cartographes et développeurs travaillent souvent ensemble. Il y a bien sûr des pigistes en renfort selon les besoins, mais la tendance depuis plusieurs années est d’avoir toutes les compétences en interne. Il existe aussi des agences spécialisées, comme WeDoData par exemple, qui travaille avec et/ou pour des médias, des institutions et des entreprises. La production est aujourd’hui « Num First » pour les écrans évidemment, mais les déclinaisons fixes sont toujours présentes dans les versions papier. Les News Mag (hebdomadaires) comme Le Point par exemple, commencent à développer davantage la dataviz en lui donnant plus de place. Et certains magazines proposent aux lecteurs des rendez-vous infographiques en double page.

Peut-on déceler un profil type du data journaliste ? Si oui, quels sont ses appétences ?

Le data journaliste doit raconter une histoire avec des données quantitatives ou qualitatives. Il doit analyser des données dans le but d’informer, en cela il est différent du Data Analyst qui produit au sein du Data Lab d’une entreprise des tableaux de bord d’aide à la décision. Contrairement à ce que les élèves pensent en découvrant le domaine, il est aussi possible de créer une visualisation uniquement avec du texte, et peu importe le sujet. Mais le data journaliste peut utiliser les techniques de la datavisualisation uniquement pour écrire un article. Par exemple, si l’on prend les Panama Papers, le but n’est pas de produire un graphe relationnel qui sera visuellement indigeste et incompréhensible, mais d’utiliser des outils (et ils sont nombreux) pour trouver une information cachée dans un jeu de données immense. En l’occurrence, il s’agit dans ce cas de partager des informations seulement en texte : telles sociétés françaises ont un compte Off Shore au Panama. À partir d’un certain niveau de complexité et de volume de données, le data journaliste utilisera Python ou l’application en ligne de code R, car les tableurs ne seront plus adaptés.

 

Voir également

Téléchargez une documentation