Définition du data storytelling
Le data storytelling, en français mise en récit des données, désigne la présentation du résultat d’une analyse sous la forme d’un récit construit pour un public précis. Cette fiche y distingue trois éléments : des données, des visualisations et un commentaire qui les ordonne. Le terme relève de l’usage, et ses contours varient d’un auteur à l’autre.
Le mot « récit » ne renvoie pas à une fiction. Il désigne un ordre d’exposition : un contexte, un constat, une explication, puis ce qui en découle.
Ce que la mise en récit ajoute à un chiffre
Un indicateur affiché dans un rapport dit combien. Il ne dit pas si la valeur est normale, pourquoi elle a varié, ni ce qu’il conviendrait de décider. L’instance qui le lit doit reconstituer elle-même ce raisonnement, et deux lecteurs peuvent en tirer deux conclusions.
Le data storytelling fait ce travail en amont et l’expose. Il répond à quatre questions : qu’observe-t-on, par rapport à quoi, pour quelle raison, et avec quelle conséquence. Son résultat se juge à la décision que le public peut prendre à l’issue de la présentation.
Données, visualisation, commentaire : trois composantes
Côté données, le récit s’appuie sur un petit nombre de chiffres, dont la définition, le périmètre, la période et la source sont affichés. Un indicateur calculé de deux manières dans deux présentations fragilise le récit. Sa définition unique relève de la couche sémantique.
Chaque visualisation porte un message. Le type de graphique se choisit selon la comparaison à montrer : une évolution, une répartition, un écart à une cible. Une annotation désigne le point qui compte, et l’échelle ne déforme pas l’écart.
Le commentaire ordonne les vues et énonce le message de chacune. Un titre tel que « Les retards se concentrent sur deux sites » informe davantage que « Retards par site ». Un modèle de langage peut en rédiger une première version ; le chiffre et le lien de cause restent à vérifier par l’auteur.
Le public commande l’ensemble. La même analyse se raconte différemment à un comité de direction, qui arbitre, et à une équipe opérationnelle, qui cherche où agir.
Data storytelling, data visualisation, tableau de bord, reporting : ne pas confondre
La data visualisation est la représentation graphique de données. Elle est une composante du récit.
Le tableau de bord est un instrument de suivi, consulté de manière répétée, qui affiche les mêmes indicateurs. Le récit est ponctuel et porte une conclusion.
Le reporting diffuse des chiffres à échéance fixe, selon un format stable. Il informe sans argumenter.
L’analyse exploratoire cherche ce que les données contiennent. Le data storytelling intervient ensuite, pour exposer ce qui a été trouvé. Dans une BI en libre-service, un analyste métier peut conduire les deux.
Un récit n’est pas non plus une preuve. Il sélectionne, et cette sélection peut tromper : chiffres choisis pour servir une thèse, axe tronqué, corrélation présentée comme une cause. Afficher ce qui contredit la conclusion et séparer le constat de l’hypothèse limitent ce risque.
Exemple : un délai de réponse qui s’allonge
Prenons un centre de relation client dont le délai de réponse aux réclamations s’allonge. Le tableau de bord signale l’écart à l’engagement de service, sans l’expliquer. Une analyste prépare pour le comité de pilotage une présentation en quatre vues.
- Le constat : la courbe du délai, comparée à l’engagement, avec la date à partir de laquelle l’écart apparaît.
- La décomposition : le délai par motif de réclamation, qui isole les litiges de facturation.
- L’explication : depuis un changement de procédure, ces dossiers passent par une seconde validation.
- La proposition : deux options chiffrées en charge, et ce que l’analyse n’explique pas encore.
Le comité dispose d’un constat, d’une cause probable et d’un choix à faire.
La définition des indicateurs, la couche sémantique et la conception de tableaux de bord à partir des décisions à prendre sont présentées dans notre page business intelligence et analytique.