A toothpaste brand claims their product will destroy more plaque than any product ever made. A politician tells you their plan will create the most jobs. We're so used to hearing these kinds of exaggerations in advertising and politics that we might not even bat an eye. But what about when the claim is accompanied by a graph? Afterall, a graph isn't an opinion. It represents cold, hard numbers, and who can argue with those? Yet, as it turns out, there are plenty of ways graphs can mislead and outright manipulate. Here are some things to look out for. In this 1992 ad, Chevy claimed to make the most reliable trucks in America using this graph. Not only does it show that 98% of all Chevy trucks sold in the last ten years are still on the road, but it looks like they're twice as dependable as Toyota trucks. That is, until you take a closer look at the numbers on the left and see that the figure for Toyota is about 96.5%. The scale only goes between 95 and 100%. If it went from 0 to 100, it would look like this. This is one of the most common ways graphs misrepresent data, by distorting the scale. Zooming in on a small portion of the y-axis exaggerates a barely detectable difference between the things being compared. And it's especially misleading with bar graphs since we assume the difference in the size of the bars is proportional to the values. But the scale can also be distorted along the x-axis, usually in line graphs showing something changing over time. This chart showing the rise in American unemployment from 2008 to 2010 manipulates the x-axis in two ways. First of all, the scale is inconsistent, compressing the 15-month span after March 2009 to look shorter than the preceding six months. Using more consistent data points gives a different picture with job losses tapering off by the end of 2009. And if you wonder why they were increasing in the first place, the timeline starts immediately after the U.S.'s biggest financial collapse since the Great Depression. These techniques are known as cherry picking. A time range can be carefully chosen to exclude the impact of a major event right outside it. And picking specific data points can hide important changes in between. Even when there's nothing wrong with the graph itself, leaving out relevant data can give a misleading impression. This chart of how many people watch the Super Bowl each year makes it look like the event's popularity is exploding. But it's not accounting for population growth. The ratings have actually held steady because while the number of football fans has increased, their share of overall viewership has not. Finally, a graph can't tell you much if you don't know the full significance of what's being presented. Both of the following graphs use the same ocean temperature data from the National Centers for Environmental Information. So why do they seem to give opposite impressions? The first graph plots the average annual ocean temperature from 1880 to 2016, making the change look insignificant. But in fact, a rise of even half a degree Celsius can cause massive ecological disruption. This is why the second graph, which show the average temperature variation each year, is far more significant. When they're used well, graphs can help us intuitively grasp complex data. But as visual software has enabled more usage of graphs throughout all media, it's also made them easier to use in a careless or dishonest way. So the next time you see a graph, don't be swayed by the lines and curves. Look at the labels, the numbers, the scale, and the context, and ask what story the picture is trying to tell.
Une marque de dentifrice prétend que son produit combat mieux le tartre que tout autre produit jamais conçu. Un politicien vous promet que son projet créera le plus d'emplois. Nous sommes tant confrontés à de telles exagérations en politique ou dans les publicités que nous ne sourcillons même pas. Mais qu'en est-il d'une promesse accompagnée d'un graphique ? Après tout, un graphique n'est pas subjectif. Il montre des chiffres tangibles et authentiques, donc indiscutables. Pourtant, différents stratagèmes permettent de rendre un graphique trompeur voire totalement captieux. Voici les éléments auxquels il faut prêter attention. Sur cette pub de 1992, Chevy, invoquant ce graphique, prétendait construire les camions les plus fiables des USA. Non seulement y voit-on que 98% des véhicules vendus par Chevy ces 10 dernières années roulent encore, mais l'on a l'impression qu'ils sont deux fois plus fiables que ceux de Toyota. Toutefois, en examinant de plus près les chiffres sur la gauche, on observe que le taux de Toyota avoisine les 96,5 %. L'échelle ne s'étend que de 95 à 100 %. Si la fourchette s'étendait de 0 à 100, le graphique aurait cette allure. Voici l'un des moyens les plus habituels de dénaturer les données d'un graphe : en déformant l'échelle. Un zoom sur une portion réduite de l'axe des y amplifie la différence quasi-indétectable entre les éléments comparés. Les graphiques en bâtonnets sont éminemment trompeurs car nous considérons l'écart de taille entre les bâtonnets comme proportionnel aux valeurs. Mais l'on peut aussi déformer l'échelle sur l'axe des x, notamment dans le cas de graphes linéaires montrant une évolution à travers le temps. Ce diagramme indiquant la hausse du taux de chômage aux USA entre 2008 et 2010 a été modifié sur l'axe des x selon deux optiques. Premièrement, l'échelle est incohérente : la plage de 15 mois suivant le mois de mars 2009 a été comprimée pour paraître plus courte que les six mois précédents. En prenant des coordonnées plus uniformes, la lecture est différente et les pertes d'emplois semblent diminuer à la fin de l'année 2009. Si vous vous demandez pourquoi la courbe augmentait au début, c'est que la ligne du temps débute juste après la plus grande crise financière américaine depuis la Grande Dépression. Ces stratagèmes portent un nom : le « picorage ». Un laps de temps peut être choisi avec soin pour qu'en soient exclues les retombées d'un événement important. Et le choix de points spécifiques permet de dissimuler des changements cruciaux. Même si le graphe en tant que tel est absolument exact, l'omission de données pertinentes peut induire une impression trompeuse. Ce graphe présentant le nombre de téléspectateurs annuels du Super Bowl semble indiquer une expansion de la popularité de l'événement. Mais il occulte la croissance démographique. Les chiffres sont restés stables car si le nombre de fans de football américain a augmenté, leur part d'audience totale n'a pas évolué. Enfin, un graphe ne saura vous éclairer si vous ignorez la véritable portée des données présentées. Ces deux graphes utilisent les mêmes températures océaniques fournies par le Centre américain d'information environnementale. Alors, pourquoi les courbes nous semblent-elles opposées ? Le premier montre la moyenne annuelle des températures océaniques entre 1880 et 2016, ce qui rend les variations infimes. Alors que dans les faits, une augmentation d'un simple demi-degré peut générer une immense perturbation écologique. C'est pourquoi l'autre graphe, qui montre les variations de température moyennes par an, est bien plus pertinent. Bien utilisés, les graphes nous permettent de saisir aisément des données complexes. Les logiciels de visualisation ont certes permis un emploi massif des graphes dans les médias mais les ont aussi rendus plus facilement falsifiables ou trompeurs. Dès lors, ne vous laissez plus influencer par les courbes d'un graphique. Examinez les légendes, les nombres, l'échelle ainsi que le contexte et cherchez l'histoire cachée derrière l'image.