Le data storytelling est une approche structurée pour communiquer des insights à partir des données en s’appuyant sur des éléments narratifs et des visuels exploratoires. Celles et ceux qui veulent transformer les données en décisions ont tout intérêt à maîtriser l’art de raconter des histoires avec les données.
Plutôt que d’aligner des statistiques, les récits fondés sur les données sont plus engageants, mémorables et convaincants. Dans une étude comparant deux versions d’une brochure de l’association Save the Children, les donateurs ayant reçu la version infographique ont donné environ 50 % de moins que ceux ayant reçu la version racontée sous forme d’histoire. Dans une autre étude, des chercheurs ont montré que les personnes sont moins sceptiques face à une histoire et plus pointilleuses lorsqu’on leur présente uniquement des chiffres.
Un bon récit de données repose sur trois ingrédients clés — les données, le visuel et la narration. Pour raconter une histoire efficace, il faut sélectionner les bonnes données, adopter une structure narrative qui guide le fil du récit, et l’illustrer avec des visuels percutants.
Figure 1 : narration, visuels et données sont les moteurs du changementL’étude de cas Semmelweis
L’histoire abonde en contre‑exemples où de mauvaises visualisations de données n’ont pas réussi à déclencher l’action, là où un bon récit aurait pu y parvenir. Dans son ouvrage Effective Data Storytelling: How to Drive Change with Data, Narrative, and Visuals, Brent Dykes cite l’exemple du Dr Ignaz Semmelweis.
Après avoir découvert que le lavage des mains sauvait des vies, Semmelweis n’a pas réussi à convaincre une communauté médicale sceptique. Avec le recul, les principes du data storytelling auraient pu l’aider à mieux faire passer ses insights et à sauver des milliers de vies.
Surnommé le « père de l’hygiène des mains », Semmelweis était un médecin hongrois. En 1844, il travaillait comme assistant dans une clinique d’obstétrique où de nombreuses femmes souffraient de fièvre puerpérale — une fièvre provoquée par une infection post‑accouchement.
Pendant son passage à la clinique, Semmelweis fut intrigué par une tendance singulière. Les services dirigés par des médecins et des étudiants en médecine affichaient un taux de mortalité dû à la fièvre puerpérale nettement plus élevé (9,9 %) que ceux tenus par des sages‑femmes (3,9 %) (figure 2). À la différence des médecins et des étudiants, les sages‑femmes ne pratiquaient pas d’autopsies avant les accouchements. Il en conclut que des matières provenant des cadavres augmentaient le risque de décès chez ces patientes.
Figure 2. Les cliniques où les médecins ne se lavaient pas les mains ont causé davantage de décès.Fort de ce constat, il recommanda le lavage des mains, ce qui fit chuter les décès de façon spectaculaire. Pourtant, ces résultats ne suffirent pas à convaincre son supérieur, le professeur Klein.
Semmelweis passa le reste de sa vie à défendre, en vain, le lavage des mains. En 1861, il publia ses travaux, The Etiology, Concept, and Prophylaxis of Childbed Fever, auxquels la communauté médicale opposa de vives critiques. En 1865, Semmelweis mourut dans un hôpital psychiatrique, bien avant l’acceptation générale de la théorie des germes.
Figure 3. The Etiology, Concept, and Prophylaxis of Childbed Fever compte des centaines de pages et aucun graphiquePourquoi n’a‑t‑il pas réussi à convaincre la communauté ?
Brent utilise cette étude de cas pour montrer que les trois composantes du data storytelling — données, narration et visuels — sont indispensables pour susciter le changement. Ici, les données de Semmelweis sont restées lettre morte, faute d’une structure narrative convaincante et de visuels explicites. Résultat : malgré leur exactitude, leur valeur et leur potentiel d’action, ses données n’ont pas emporté l’adhésion.
A posteriori, Semmelweis aurait pu faire passer son message de manière bien plus convaincante grâce à un récit de données. Voici, par exemple, un graphique linéaire proposé par Brent Dykes qui combine données, narration et visuels pour raconter une histoire percutante.
Figure 4. Un récit de données par Dykes qui illustre mieux le point de Semmelweis.L’approche de Semmelweis contraste fortement avec celle du Dr John Snow, médecin britannique qui a étudié l’épidémie de choléra de Broad Street en 1854 et émis l’hypothèse d’une contamination de l’eau par des germes. Après avoir montré que les taux de mortalité étaient élevés à proximité d’une pompe à eau, Snow parvint à convaincre le conseil local de la désactiver.
Figure 5 : la visualisation de données de John SnowConclusion
Contrairement à Semmelweis, les data storytellers disposent aujourd’hui d’une multitude d’outils pour créer des récits engageants, allant des solutions de business intelligence comme Tableau aux langages de programmation comme Python. Il est donc judicieux pour les professionnels des données de maîtriser l’art et la science du data storytelling afin de passer à l’action.