Quelles dataviz tout au long du process de veille ?

La datavisualisation peut ici prendre la forme de tableaux blancs, de cartes mentales voire d’infographies. Elle permet à toutes les parties impliquées d’y voir plus clair et cette vision graphique va éventuellement faire émerger de nouvelles idées chez les participants.

Exploration du sujet : sourcing, repérage des mots-clés et des angles à mettre sous surveillance

Dans l’étape suivante, il s’agit de s’approprier une thématique sur laquelle on ne connaît pas nécessairement grand-chose.

Pour cela, il va falloir faire de multiples recherches d’informations dans diverses sources et outils, comme les moteurs de recherche, les réseaux sociaux, les bases de données, les serveurs, les agrégateurs de presse, etc. pour tenter d’avoir une vision panoramique du sujet.

Il est ensuite nécessaire de comprendre les grandes forces qui animent cette thématique, repérer les sources d’informations les plus importantes à mettre sous surveillance et déterminer les bons mots-clés.

Ici la datavisualisation va mettre en évidence des informations que l’on ne connaît pas encore : les sources les plus citées, les auteurs/experts les plus importants, les mots-clés qui reviennent le plus souvent, les événements importants, etc.

La datavisualisation pourra alors s’utiliser directement dans les outils de recherche utilisés s’ils proposent des fonctionnalités d’analyse et de visualisation de données ou bien il faudra télécharger des données pour les intégrer dans des outils de dataviz afin de les analyser (voir l’exemple en figure 1 d’une analyse d’un corpus de presse sur le thème des insurtech dans l’agrégateur Factiva avec extraction des entreprises et acteurs les plus cités).

Figure 1. Fonction analyse sur l’agrégateur de presse Factiva

On va alors être sur une analyse d’un plus gros volume de données, géré par un outil, qui peut être fixe ou dynamique avec des outils plus ou moins complexes à prendre en main.

Exemples : la dataviz pourra prendre la forme de nuages de mots-clés issus d’un corpus d’articles de presse, ou bien de graphes relationnels des auteurs d'articles scientifiques ou sur les réseaux sociaux, ou encore de graphes classiques sur les auteurs, les sources ou les thématiques les plus citées, etc.

Plan de veille

Le plan de veille est l’étape de formalisation de la veille. Il s’agit de définir précisément ce que l’on surveille, de quelle manière, à quelle fréquence et les différents acteurs impliqués ?

Comme dans l’étape 1 (définition des besoins), on est ici dans une représentation mentale de la pensée et d’informations que l’on connaît maintenant déjà.

Exemples : pour y voir plus clair, rien de tel que l’utilisation de cartes mentales, d’infographies ou encore de diagramme de Gantt.

Collecte et Analyse

L’analyse des données et informations collectées est la phase la plus évidente pour l’utilisation de la dataviz. Elle va donner du sens aux données récoltées ou a minima générer une vision plus claire et structurée de l’information.

À cette étape, la dataviz prend plusieurs formes.

Quand il s’agit d’analyser de gros volumes de données, le but de la dataviz est de faire apparaître des informations et des liens entre les informations que l’on ne connaissait pas encore pour faire émerger par exemple des corrélations entre les acteurs d’une filière, voire des entités nommées.

Dans ce cas, on utilise les fonctionnalités de dataviz intégrées aux outils de recherche et de veille (souvent appelées dans les outils « fonctionnalités d’analyse » ou « analytics »). Nombre d’outils utilisés par les professionnels de l’information comme les serveurs, les bases de données, les agrégateurs de presse, les bases de données brevets, les plateformes de veille proposent aujourd’hui des fonctionnalités d’analyse visuelle intégrées

Voir notre article « Quelles fonctionnalités de dataviz dans les plateformes de veille ? » dans ce même numéro.

Et si les outils de recherche utilisés ne proposent pas de fonctionnalités de dataviz ou si elles ne sont pas suffisamment poussées et adaptées à ses besoins spécifiques, on peut alors récupérer les informations et données et les intégrer à des outils de dataviz dédiés.

Nous dressons un panorama de ce type d’outil dans l’article « Se repérer dans le paysage des outils de datavisualisation » dans ce même numéro.

Quand le volume d’informations à analyser est moindre et donc gérable humainement, un autre choix s’offre en matière de représentation visuelle.

Le professionnel peut ainsi lire et analyser humainement l’ensemble des informations. Il peut ensuite représenter manuellement de manière visuelle les éléments qu’il juge importants (Swots, mapping concurrentiel, cartographie d’innovations, etc.).

Livrables

Transmettre le résultat de sa veille à travers une représentation visuelle a un véritable intérêt pour les destinataires, que ce soit en termes de gain de temps, mais aussi de lisibilité.

Dans cette étape de la veille, il ne s’agit pas pour le veilleur de découvrir des informations que l’on ne connaît pas, mais de rendre intelligibles pour autrui des informations et des insights repérés à l’étape précédente.

Il doit alors trouver la bonne représentation visuelle en fonction des données et informations qu’il souhaite représenter, mais aussi en fonction de son interlocuteur. Certains seront plus sensibles aux infographies, d’autres aux cartographies ou aux graphes relationnels. Bref, un véritable travail d’équilibriste.

Pour réaliser des livrables visuels, il existe des outils dédiés à la représentation visuelle ou bien les outils de recherche et de veille que l’on utilise déjà si cela s’avère suffisant.

Quels outils de dataviz pour quelle étape de la veille ?

Nous allons maintenant nous intéresser aux types d’outils qu’il faut préconiser tout au long du processus de veille.

Nous avons tout d’abord choisi de proposer un tableau comparatif des différents types d’outils de dataviz selon (cf. Figure 2 - Tableau comparatif des différents outils de dataviz) :

• Leur utilité pour la veille : permettent-ils de représenter des données que l’on connaît déjà en vue de les transmettre à autrui ou bien servent-ils à découvrir des informations, des liens, des signaux faibles à partir d’un volume conséquent de données ?
• Le volume de donnéestraité : sont-ils adaptés pour l’analyse ou la représentation de faibles ou gros volumes d’informations
• Le caractère manuel ou automatique de la dataviz : est-ce l’utilisateur qui réalise manuellement la représentation visuelle (ce qui est le cas quand on fait une infographie par exemple) ou bien injecte-t-on des données à l’outil qui se charge ensuite de réaliser automatiquement à partir des données et des critères choisis ?
• Le caractère statique ou dynamique de la dataviz : est-ce qu’il s’agit de dataviz qui sont fixes ou de dataviz qui évoluent dès qu’on change les données en arrière-plan (mise à jour des données, suppression de certaines données) sans avoir à refaire tout le processus ou qui permettent de naviguer dans la dataviz en cliquant par exemple sur un nœud, une bulle, etc.
• Les tarifs
• La difficulté de prise en main

Figure 2 - Tableau comparatif des différents outils de dataviz

Voyons maintenant quels types d’outils de dataviz peuvent être utilisés à chaque étape de la veille (cf. Figure 3 -Infographie des outils adaptés aux différentes étapes de la veille). On constate que c’est à l’étape de l’analyse et des livrables que l’on a le choix le plus vaste.

Figure 3 - Infographie des outils adaptés aux différentes étapes de la veille

Dataviz : de la théorie à la pratique

Finalement, il existe des outils de datavisualisation pour tous les goûts et tous les besoins et pour toutes les étapes de la veille.

Il n’y a pas vraiment de bons ou de mauvais outils de dataviz, tout dépend des besoins précis, des personnes destinataires de la veille, du budget alloué à ces outils, des outils déjà existants au sein de l’entreprise et du « feeling » avec tel ou tel outil.

Mais une chose est sûre, qu’il s’agisse d’outils qui permettent de créer des représentations visuelles manuellement ou d’outils qui fournissent des données et génèrent une analyse automatique, il n’y a pas d’outil magique capable de réaliser des datavisualisations en un seul clic. La datavisualisation prend du temps, en amont pour préparer les données, mais aussi au moment même de la création de la datavisualisation.

Dans le prochain numéro de NETSOURCES, nous aborderons la dataviz sous l’angle de la pratique avec plusieurs cas concrets où nous répondrons à des problématiques de représentation visuelle de l’information fréquemment ren­contrées par les professionnels de l’information.

Nous verrons de A à Z quelle méthode adopter et nous comparerons plusieurs outils.